深度学习应用到机器视觉取得的重大突破

作者:admin    发布时间:2019-05-16    浏览量:

起初的深度学习概念主要是应用在AI人工智能化方面,有如近些年较火的AlphaGo,是谷歌公司引以为傲的AI人工智能代表性作品,通过不断的深度学习训练,最终击败围棋世界冠军的AI人工智能机器人。深度学习之所有广受制造商的欢迎,主要原因是应用在精确和可重复的机器视觉系统,在自动化生产越发普及的今天,基于深度学习的机器视觉系统有着最大的功劳。

机器视觉系统,深度学习视觉系统

深度学习适用于涉及可变形对象而非刚性对象的应用,比如验证在装配体中存在颜色和纹理变化的许多部件,能够做到定位、测量、和在生产流程中的质检。在纺织方业上的应用过去主要是依靠人工肉眼的检测,难免会看漏眼。因此造成大量的废面料生产,继而使得制造商的额外支出成本居高不下。如虎科技依靠自主研发的具有深度学习能力的图像特征库,能够准确的检测出布料在生产中出现的瑕疵,并及时发送暂停命令和错误提示。在很大范围上对在生产中出现的废面料现象进行改善和止损。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。

然而,制造商为了确定这是最佳选择,进行各种测试,而并不会选择在所有生产的机器上统一安装。事实上,深度学习软件比标准软件灵活得多。尤其是在照明方面,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。最终使机器视觉系统越用越好用,越来越准确。原因很简单,基于深度学习的机器视觉系统能够在生产环节检测的过程中,识别到越来越多不同的图像,并开始对算法进行优化。

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等。

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