深度学习在机器视觉技术中的优势

作者:admin    发布时间:2019-05-29    浏览量:

传统的机器视觉系统是通过预先设定的模型特征库,然后通过CCD工业相机拍摄被检测物体的图片回传到图像处理系统与模型特征库中的图像进行对比。在最基本的层面上,它涉及使用图像内的各个像素的强度来确定形状的轮廓(或边缘)所在的位置。如果这些轮廓的排列与基于统计分析的模板模式的排列相当类似,则视觉系统将输出匹配。原则上如果模型特征库越完善,图像处理系统能够识别或者检测的准确度就越高。由于近些年深度学习技术的发展,在计算机视觉的应用越来越普遍。而在工业上的视觉系统集成商却屈指可数,原因种种...

深度学习在机器视觉技术中的优势

深度学习在机器视觉技术中的优势

在传统的机器视觉中,您需要告诉系统您想要查找的内容。这可能需要大量的编程工作。如果系统能够找出自己寻找的东西,那不是很好吗?这是将深度学习算法融入工业机器视觉系统的努力的推动

深度学习利用卷积神经网络(CNN)等高级算法,使计算机能够根据一组训练数据了解他们需要做什么。不需要指定对象的精确轮廓,而是将一系列图像呈现给系统,其规范是它们包含或不包含感兴趣的对象。在该训练期间,算法自己发现图像的哪些属性指示对象可能存在。这导致更强大的识别率,因为视觉系统能够处理大量数据,这使得它在识别对象的定义特征方面比人类更好。

虽然深度学习,人工智能和认知系统的概念并不新鲜,但它们现在才被应用于机器视觉系统。尽管如此,机器视觉正在迅速发展,专注于它的工程师不断展望未来。未来几年可能会在照明,相机设备和机器视觉算法方面带来众多创新,使工业自动化比以往更加简化和灵活。

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