久久久91-久久久91精品国产一区二区-久久久91精品国产一区二区三区-久久久999国产精品-久久久999久久久精品

在AI賦能智能制造（一） | 機(jī)器視覺加持，從此慧眼如炬中，我們了解到：

無論劃痕形狀、位置如何變化，視覺系統(tǒng)都能即刻做出正確判斷；即使背景臟污、對比度低，字母和數(shù)字都難逃視覺系統(tǒng)的法眼； 不管物體如何放置，機(jī)器視覺系統(tǒng)都可快速鎖定，輕松讀取目標(biāo)條碼。

這身過人本領(lǐng)的離不開機(jī)器視覺系統(tǒng)孜孜不倦學(xué)習(xí)，勤勤懇懇訓(xùn)練。?？低昖M算法平臺屬于?？低旳I Cloud體系邊緣域圈層， 其借助深度學(xué)習(xí)算法，指導(dǎo)視覺系統(tǒng)實(shí)現(xiàn)更便捷的缺陷檢測、更精準(zhǔn)的字符識別、更高效的目標(biāo)定位。

這本期主講

AI賦能智能制造之自有分辨的視覺算法

Why DeepLearning？

深度學(xué)習(xí)(DeepLearning)作為AI領(lǐng)域炙手可熱的概念，具體是指什么，跟機(jī)器學(xué)習(xí)有著怎樣的區(qū)別？這里進(jìn)行一個初步的講解。

海工小講堂

發(fā)表于今天查看:13500

深度學(xué)習(xí)(DeepLearning，DL)屬于機(jī)器學(xué)習(xí)的子類，它模仿人類大腦對于信息的處理方式，是利用深度神經(jīng)網(wǎng)絡(luò)來解決特征表達(dá)的一種學(xué)習(xí)過程。深度學(xué)習(xí)算法能夠通過底層特征的不斷組合抽象能形成具有語義的更加高級的特征，來更好的表達(dá)數(shù)據(jù)。

深度學(xué)習(xí)信息處理模式

以識別圖片中的猴子為例，傳統(tǒng)機(jī)器學(xué)習(xí)識別的模式需輸入長串的指令，例如猴子有毛茸茸的毛，有2只耳朵等等，然后程序根據(jù)這些指令提取特征、編碼，計(jì)算機(jī)再進(jìn)行判斷。輸入的經(jīng)驗(yàn)越多，則表現(xiàn)越好。

機(jī)器學(xué)習(xí)識別模式

然而，深度學(xué)習(xí)無需輸入顯性的經(jīng)驗(yàn)或者知識，無需手動設(shè)計(jì)特征，直接從數(shù)據(jù)提取特征，輸出映射關(guān)系。

深度學(xué)習(xí)識別模式

面對復(fù)雜多變的生產(chǎn)環(huán)境、多種多樣的檢測對象，過度依賴于專家經(jīng)驗(yàn)輸入和人為劃分任務(wù)，難免造成瓶頸，且難以優(yōu)化。針對規(guī)模龐大的檢測和識別任務(wù)，讓機(jī)器自己學(xué)習(xí)才是最優(yōu)的解決辦法。

What's better?

?？低昖M算法平臺集成1000+底層算子，70+視覺工具， 10+邏輯工具，其中包含深度學(xué)習(xí)字符識別、深度學(xué)習(xí)缺陷檢測、深度學(xué)習(xí)圖像分類等重量級秘密武器。針對檢測對象的多樣性和差異性，VM還提供深度學(xué)習(xí)訓(xùn)練工具，可讓客戶根據(jù)行業(yè)和場景來訓(xùn)練、構(gòu)建滿足自身需求的檢測模型。VM算法平臺的訓(xùn)練工具支持缺陷檢測訓(xùn)練、字符訓(xùn)練、圖像分類訓(xùn)練以及目標(biāo)檢測訓(xùn)練。有了深度學(xué)習(xí)算法的加持，配合自定義的檢測模型，以往生產(chǎn)檢測中的種種難題自然迎刃而解。

識文斷字更在行

使用深度學(xué)習(xí)字符訓(xùn)練工具，對于已知類別的數(shù)字、字母類字符進(jìn)行標(biāo)記訓(xùn)練，得到一個可識別大多數(shù)文本的字符檢測模型。將其應(yīng)用到生產(chǎn)環(huán)境，可自動識別紙張、塑料、金屬等材質(zhì)表面的字符，且具有超強(qiáng)的抗背景干擾能力。

棘手環(huán)境，統(tǒng)統(tǒng)不懼！

并且，深度學(xué)習(xí)習(xí)得的模型可以可適應(yīng)字符縮放、形變、扭曲等形態(tài)變化，也可適應(yīng)字符間隔變化。字符缺陷檢測工具能夠?qū)⑸鲜鲎兓c字符缺陷區(qū)分開，識別字符局部缺陷。

黏連變形，沒在怕的！

分門別類更精準(zhǔn)

深度學(xué)習(xí)圖像工具用于對物體或場景進(jìn)行分類，無論是識別產(chǎn)品類目還是區(qū)分優(yōu)劣，VM都能基于標(biāo)注的圖像集合，自主學(xué)習(xí)特征，從而對待目標(biāo)進(jìn)行正確的判斷。

輪轂分類

煙盒分類

明察秋毫更細(xì)致

缺陷檢測訓(xùn)練工具是基于一組合格和不合格的數(shù)據(jù)進(jìn)行訓(xùn)練，開發(fā)出基于深度學(xué)習(xí)的缺陷檢測模型。在生產(chǎn)環(huán)境中，無論是屏幕表面的劃痕、織物上的瑕疵，還是陶瓷表面的裂紋，深度學(xué)習(xí)缺陷檢測算法都可以以熱度圖的形式將缺陷標(biāo)記出來，幫助企業(yè)提高生產(chǎn)中的檢測效率和良品率。

將深度學(xué)習(xí)算法引入機(jī)器視覺系統(tǒng)，給識別、檢測的準(zhǔn)確率帶來大幅提升，其中字符識別錯誤率相對降低30%，分割相對性能提升30%，檢測絕對性能提升13%。這一串的喜人數(shù)字意味著更少的漏網(wǎng)缺陷、更高質(zhì)量的產(chǎn)品、更便捷有效的服務(wù)。目前，搭載著深度學(xué)習(xí)算法的視覺系統(tǒng)已經(jīng)廣泛應(yīng)用于3C制造、汽車、物流、印刷紡織、新能源等各個行業(yè)，全面推動智能智造向更高水平發(fā)展。