深度學(xué)習(xí)與傳統(tǒng)機器視覺

深度學(xué)習(xí)是一種解決機器視覺問題的可靠的新方式，可以解決從前無法解決的難題。但是傳統(tǒng)機器視覺方法在某些應(yīng)用領(lǐng)域依然占優(yōu)勢。如何選擇更適合的方式？以下快速指南：

在監(jiān)督式模式下，用戶需要仔細(xì)地標(biāo)記與訓(xùn)練圖像上的缺陷相對應(yīng)的像素。接著，工具通過查找其關(guān)鍵特征來學(xué)習(xí)區(qū)分正例與反例。

光伏檢測

在這種應(yīng)用程序中，裂痕與劃痕必須在具有復(fù)雜特征的表面上被檢測到。使用傳統(tǒng)視覺技術(shù)時，由于太陽能電池板種類不同，因此許多算法參數(shù)必須經(jīng)過調(diào)整。通過深度學(xué)習(xí)，只需使用一種工具就可以在受監(jiān)督的模式下訓(xùn)練系統(tǒng)。

衛(wèi)星圖像分割

衛(wèi)星圖分析極難，是因為其特征種類繁多。盡管如此，我們的深度學(xué)習(xí)插件通過訓(xùn)練，能夠穩(wěn)定可靠地檢測到道路與建筑。可以僅使用一張正確標(biāo)記的圖像進(jìn)行訓(xùn)練，并且可以立即查看結(jié)果。加載更多樣品圖像以增加模型的魯棒性。

紡織品材料檢測

紡織品材料的風(fēng)格豐富多彩，但有一點是不變的——缺陷出現(xiàn)在高度紋理的背景上。使用深度學(xué)習(xí)技術(shù)，用戶能夠給幾個缺陷的類型下定義，并將此缺陷標(biāo)記在樣品圖像上。訓(xùn)練完成后，分類是自動進(jìn)行的，檢測出難以看得到的缺陷。

餅干檢測

具有同樣的外貌的餅干是不存在的，但是客戶都期望一件事一定要保持完美：比如關(guān)于巧克力蓋。如何給缺陷準(zhǔn)確地下定義？很簡單。首先收集有缺陷的餅干，并標(biāo)記表面上的缺陷。讓Adaptive Vision的軟件學(xué)習(xí)如何識別差異，然后就可以在產(chǎn)品上找到它們。

大理石裂痕

檢測大理石上的裂痕屬于具有挑戰(zhàn)性的任務(wù)，是因為其表面不是同質(zhì)的。Adaptive Vision的軟件能夠成功地區(qū)分裂痕與不規(guī)則圖案。您所需要做的不過是提供幾張示例圖像，仔細(xì)標(biāo)記裂痕，最終訓(xùn)練模型。

木節(jié)疤

在分級木材時，必須考慮的關(guān)鍵因素之一是木節(jié)疤的數(shù)量與尺寸。使用Adaptive Vision的深度學(xué)習(xí)插件，您可以在幾分鐘內(nèi)準(zhǔn)備好一個檢測木節(jié)疤與測量其尺寸的可靠程序。不需編程技巧。只需要加載樣品圖像并分析結(jié)果。

非監(jiān)督式模式的訓(xùn)練更加簡單，沒有固定缺陷定義。我們的軟件將樣品圖像并進(jìn)行訓(xùn)練。然后尋找各類偏差。

包裝驗證

壽司盒交付市場時，每一塊都必須正確放置在特定的位置上。正確的被測物也可能變化，因此給缺陷下定義極難。解決這種問題的方式是使用非監(jiān)督式模式。

塑料，注塑

注塑成型是一個復(fù)雜的工藝，因此可能產(chǎn)生許多生產(chǎn)問題。塑料物體有可能包括客戶可接受的某些彎曲或其他形狀偏差。Adaptive Vision的深度學(xué)習(xí)插件可以從提供的樣品圖像中學(xué)習(xí)所有可接受的偏差，然后在生產(chǎn)線上運行時檢測任何類型的異常。

【來源：Adaptive Vision公司】




http://www.langchao.net.cn   光虎光電科技（天津）有限公司