在A(yíng)I賦能智能制造（一） | 機器視覺(jué)加持，從此慧眼如炬中，我們了解到：

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

這身過(guò)人本領(lǐng)的離不開(kāi)機器視覺(jué)系統孜孜不倦學(xué)習，勤勤懇懇訓練。?？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)習算法，指導視覺(jué)系統實(shí)現更便捷的缺陷檢測、更精準的字符識別、更高效的目標定位。

這本期主講

AI賦能智能制造之自有分辨的視覺(jué)算法

Why DeepLearning？

深度學(xué)習(DeepLearning)作為AI領(lǐng)域炙手可熱的概念，具體是指什么，跟機器學(xué)習有著(zhù)怎樣的區別？這里進(jìn)行一個(gè)初步的講解。

海工小講堂

發(fā)表于今天查看:13500

深度學(xué)習(DeepLearning，DL)屬于機器學(xué)習的子類(lèi)，它模仿人類(lèi)大腦對于信息的處理方式，是利用深度神經(jīng)網(wǎng)絡(luò )來(lái)解決特征表達的一種學(xué)習過(guò)程。深度學(xué)習算法能夠通過(guò)底層特征的不斷組合抽象能形成具有語(yǔ)義的更加高級的特征，來(lái)更好的表達數據。

深度學(xué)習信息處理模式

以識別圖片中的猴子為例，傳統機器學(xué)習識別的模式需輸入長(cháng)串的指令，例如猴子有毛茸茸的毛，有2只耳朵等等，然后程序根據這些指令提取特征、編碼，計算機再進(jìn)行判斷。輸入的經(jīng)驗越多，則表現越好。

機器學(xué)習識別模式

然而，深度學(xué)習無(wú)需輸入顯性的經(jīng)驗或者知識，無(wú)需手動(dòng)設計特征，直接從數據提取特征，輸出映射關(guān)系。

深度學(xué)習識別模式

面對復雜多變的生產(chǎn)環(huán)境、多種多樣的檢測對象，過(guò)度依賴(lài)于專(zhuān)家經(jīng)驗輸入和人為劃分任務(wù)，難免造成瓶頸，且難以?xún)?yōu)化。針對規模龐大的檢測和識別任務(wù)，讓機器自己學(xué)習才是最優(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(jué)工具， 10+邏輯工具，其中包含深度學(xué)習字符識別、深度學(xué)習缺陷檢測、深度學(xué)習圖像分類(lèi)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)習訓練工具，可讓客戶(hù)根據行業(yè)和場(chǎng)景來(lái)訓練、構建滿(mǎn)足自身需求的檢測模型。VM算法平臺的訓練工具支持缺陷檢測訓練、字符訓練、圖像分類(lèi)訓練以及目標檢測訓練。有了深度學(xué)習算法的加持，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)習字符訓練工具，對于已知類(lèi)別的數字、字母類(lèi)字符進(jìn)行標記訓練，得到一個(gè)可識別大多數文本的字符檢測模型。將其應用到生產(chǎn)環(huán)境，可自動(dòng)識別紙張、塑料、金屬等材質(zhì)表面的字符，且具有超強的抗背景干擾能力。

棘手環(huán)境，統統不懼！

并且，深度學(xué)習習得的模型可以可適應字符縮放、形變、扭曲等形態(tài)變化，也可適應字符間隔變化。字符缺陷檢測工具能夠將上述變化與字符缺陷區分開(kāi)，識別字符局部缺陷。

黏連變形，沒(méi)在怕的！

分門(mén)別類(lèi)更精準

深度學(xué)習圖像工具用于對物體或場(chǎng)景進(jìn)行分類(lèi)，無(wú)論是識別產(chǎn)品類(lèi)目還是區分優(yōu)劣，VM都能基于標注的圖像集合，自主學(xué)習特征，從而對待目標進(jìn)行正確的判斷。

輪轂分類(lèi)

煙盒分類(lèi)

明察秋毫更細致

缺陷檢測訓練工具是基于一組合格和不合格的數據進(jìn)行訓練，開(kāi)發(fā)出基于深度學(xué)習的缺陷檢測模型。在生產(chǎn)環(huán)境中，無(wú)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)習缺陷檢測算法都可以以熱度圖的形式將缺陷標記出來(lái)，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)習算法引入機器視覺(jué)系統，給識別、檢測的準確率帶來(lái)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%。這一串的喜人數字意味著(zhù)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(zhù)深度學(xué)習算法的視覺(jué)系統已經(jīng)廣泛應用于3C制造、汽車(chē)、物流、印刷紡織、新能源等各個(gè)行業(yè)，全面推動(dòng)智能智造向更高水平發(fā)展。