AI深度学习在机器视觉中的应用

作者:admin    发布时间:2019-05-09    浏览量:

AI人工智能相信大家都不再陌生,在短短几年内,AI人工智能已经成为炙手可热的热门话题。目前我国已经将人工智能上升到国家战略的高度【中国制造2025】,AI人工智能迅速在各行各业的应用无处不在,且备受资本市场的青睐。在工业自动化方面质检方面,基于AI尝试学习的软件和算法已经比任何传统算法可以更好地对图像进行分类处理,甚至超越人工检查。

与传统的图像处理软件(依赖于特定任务的算法)不同,深度学习软件使用多层神经自学习算法网络,根据人类检查员标记的图像来识别好图像和坏图像。这些数据集通常包含每个缺陷类型至少100个图像,通过网络提供,以创建一个模型,对每个输入图像中的对象进行分类,并确保高水平的可预测性。

用于机器视觉的深度学习软件已经存在了十多年,但直到最近几年才变得对用户友好和可行。在这短短的时间内,几个行业的制造商已经开始将其应用于各种各样的领域,如检测手术器械上的焊接水坑、验证汽车座椅组件中多个组件的存在,以及识别反光金属表面上的不同缺陷。

软件供应商表示,这些例子代表着第二次机器视觉革命的开始。深度学习不仅对机器视觉的各个方面都有积极的影响——比如精度、相机性能和灯光控制——而且这种技术可以完成过去难以完成或需要太多投资的应用。

AI深度学习适用于机器视觉

AI人工智能,深度学习,机器视觉系统

随着制造商需要更智能,准确和可重复的视觉系统,深度学习软件越来越受欢迎。终端用户最收益的是软件可以在几分钟内自动编程视觉系统。

深度学习最适合涉及可变形对象而非刚性对象的应用。另一个好的应用是验证在装配体中存在颜色和纹理变化的许多部件。此外,传统软件要求被检部件具有特定的公差范围,而深度学习最好由最大且最清晰标记的好的和坏的部分图像数据集提供。

从本质上讲,深度学习是应用统计学的一项重要工作。神经网络中每个节点的任务是统计地确定与好的或坏的部分最相关的图像数据。神经算法本身并不聪明,但它学会了以某种方式执行预处理操作,以帮助软件产生与人们告诉它正确的结果相匹配的结果。

最终用户通常希望对特定的应用程序使用深度学习。然而,供应商知道,为了确定这是最佳选择,需要进行几项测试。软件供应商表示,深度学习软件比标准软件灵活得多,尤其是在照明方面。因此,深度学习能更好地通过降低图像的可变性来控制图像中的光线。

深度学习是确保产品质量的好方法,例如在人们通常进行某种检查的应用中, 在整个产品生产之后但在包装之前验证组件也非常有用。例如,汽车前灯,徽章和轮子,装满各种食物或糖果的盒子,以及装有支架,管子和夹子等物品的手术包。再有就是在PCB生产中,基于尝试学习的视觉系统能够识别到PCB上面的每一小块的元件,对基于定位、检测瑕疵等。

AI深度学习在机器视觉系统中的应用

而在纺织业,在大圆机等大型纺织机器在日常的生产中,因由于出现的故障导致产生在量的废布使得厂家支出更大的成本而苦不堪言。经调研,纺织行业中出现废料的情况并不少见。有见及此,深圳市如虎科技有限公司研发出针对纺织业的基于AI深度学习的机器视觉系统,通过CCD镜头检测在运行中的大圆机等机器的经纬线,一旦出现错误,系统将发出指令暂停该机器的动作,有效的改善废布料的问题。

相关新闻推荐

关注官方微信

微信二维码
版权所有 深圳市如虎科技有限公司 Copyright © 2018-2019 Tigervs.Com All Rights Reserved 粤ICP备19029139号-1