深度学习如何增强制造业的机器视觉技术

作者:admin    发布时间:2019-06-28    浏览量:

什么是深度学习?

什么是深度学习?

深度学习是机器学习的一个子集,它本身就是人工智能(AI)的一个分支。正如人工智能的创始人约翰麦卡锡所说,人工智能是制造智能机器的科学与工程。因此,深度学习提供了先进的分析工具来处理因智能制造中的传感器和物联网(IoT)部署而产生的大量数据。由于它适用于机器视觉软件,深度学习允许机器从大量图像中学习。

为了帮助机器执行特定任务,深度学习程序利用多层软件神经网络 - 其设计类似于人脑中的神经网络 - 来学习执行任务所需的要求。人类训练深度学习计划,以与儿童学习相同的方式获取信息。随着时间的推移,程序通过标记产品示例查看了数千个指定的图像后,学会区分优与劣模式。

深度学习与机器视觉有何不同?

深度学习与机器视觉有何不同?

机器视觉软件可靠地检查一致的,制作精良的组件,因为它采用基于规则的算法和基于其特征的逐步过滤。由于部件在其位置和空间方向上的尺度,旋转和变形,它可以容忍部件外观的一些变化。

但是图像质量问题和复杂的表面纹理在检查过程中带来了严峻的挑战。机器视觉系统通常难以理清彼此非常相似的部件之间的可变性和偏差。虽然功能偏差通常被机器视觉系统捕获和拒绝,但是化妆品偏差可能不是,因为这些系统可能无法区分它们。

由于可能难以挑出的变量(例如照明,颜色变化,曲率和视野),机器视觉系统在最终装配检查中也受到严格限制。对于这种检查,深度学习更有效。

与机器视觉相比,深度学习程序最适用于没有预定义形状的检查应用。寻找诸如划痕或定位具有预定义形状的物体的外观缺陷是深度学习程序非常好地执行的任务。这些程序还可以通过确认所有组件的正确性和适当性来简化打包和验证。深度学习的缺点是,由于所有已经收集和学习的数据,处理有关对象的信息有时会相当慢,因此机器视觉的更高处理速度给它带来了决定性的优势。

深度学习对机器视觉未来的影响是什么?

深度学习对机器视觉未来的影响是什么?

深度学习程序在检查不规则或异常对象方面表现出色,并且具有在最终装配检查中对变量进行分类的细粒度。这些功能扩展了机器视觉系统的功能范围,使这两种技术互为补充。虽然这些系统需要训练和标记产品示例,但机器视觉和深度学习在一致性,可靠性和速度方面远远超过人工检查的能力。深度学习具有扩展潜力,并且因为这种潜力才刚刚开始实现,它有望扩大制造业的能力范围。

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