基于人工智能和深度學(xué)習(xí)方法的現(xiàn)代計(jì)算機(jī)視覺技術(shù)在過去10年里取得了顯著進(jìn)展。如今，它被廣泛用于圖像分類、人臉識(shí)別、圖像中物體的識(shí)別等。那么什么是深度學(xué)習(xí)？深度學(xué)習(xí)是如何應(yīng)用在視覺檢測(cè)上的呢？

什么是深度學(xué)習(xí)？

       深度學(xué)習(xí)是機(jī)器學(xué)習(xí)技術(shù)的一個(gè)分支，由人工神經(jīng)網(wǎng)絡(luò)組成分類識(shí)別器。其工作原理是教機(jī)器通過實(shí)例學(xué)習(xí)，為神經(jīng)網(wǎng)絡(luò)提供特定類型數(shù)據(jù)的標(biāo)記示例，然后提取這些示例之間的共同模式，將其轉(zhuǎn)換為包含這些信息的神經(jīng)網(wǎng)絡(luò)模型，這有助于對(duì)未來獲取的信息進(jìn)行分類。

       基于深度學(xué)習(xí)技術(shù)的視覺檢測(cè)，可以實(shí)現(xiàn)定位，區(qū)分缺陷、字符識(shí)別等，在運(yùn)行過程中，實(shí)現(xiàn)模擬人類視覺檢測(cè)效果。那么到底是什么意思呢？舉個(gè)例子。如果要為鋰電池檢測(cè)創(chuàng)建視覺檢測(cè)軟件，需要開發(fā)一種基于深度學(xué)習(xí)的算法，并使用必須檢測(cè)的缺陷示例對(duì)其進(jìn)行訓(xùn)練。有了缺陷的數(shù)據(jù)，神經(jīng)網(wǎng)絡(luò)最終會(huì)在沒有任何額外指令的情況下進(jìn)行檢測(cè)缺陷。

       基于深度學(xué)習(xí)的視覺檢測(cè)系統(tǒng)擅長(zhǎng)檢測(cè)性質(zhì)復(fù)雜的缺陷。它們不僅可以解決復(fù)雜的表面和外觀缺陷，還可以概括和概念化鋰電池的表面。

卷積神經(jīng)網(wǎng)絡(luò)是什么？

       說到基于深度學(xué)習(xí)的視覺檢測(cè)，市面上最常說的就是卷積神經(jīng)網(wǎng)絡(luò)，那么什么是卷積神經(jīng)網(wǎng)絡(luò)呢？

       卷積神經(jīng)網(wǎng)絡(luò)即CNN，有著它特殊的功能，網(wǎng)絡(luò)中保留了空間信息，因此可以更好地適用于圖像分類問題。原理來源于人類視覺生物學(xué)數(shù)據(jù)的啟發(fā)，視覺基于多個(gè)皮質(zhì)層，每層識(shí)別越來越多的結(jié)構(gòu)性信息。我們看到的是很多單個(gè)的像素；然后從這些像素中，識(shí)別出幾何組成；再然后……這樣越來越多的復(fù)雜的元素，如物體、面部、人類軀干、動(dòng)物等被識(shí)別出來。

        科億科技的AI圖像視覺檢測(cè)使用卷積神經(jīng)網(wǎng)絡(luò)，更側(cè)重的是網(wǎng)絡(luò)級(jí)聯(lián)，針對(duì)不同場(chǎng)景設(shè)計(jì)不同的網(wǎng)絡(luò)級(jí)聯(lián)方法，更準(zhǔn)確反映圖像特征，使得在進(jìn)行視覺檢測(cè)的時(shí)候更精準(zhǔn)。

如何集成AI視覺檢測(cè)系統(tǒng)？

01 明確需求

       通常集成一個(gè)AI視覺檢測(cè)系統(tǒng)，需要從業(yè)務(wù)和技術(shù)分析開始。首先要明確系統(tǒng)應(yīng)該檢測(cè)什么樣的缺陷？在什么樣的環(huán)境下使用？

       需要提前明確的重要問題包括：AI檢測(cè)應(yīng)該是實(shí)時(shí)的還是延時(shí)的？AI視覺檢測(cè)應(yīng)該如何徹底檢測(cè)缺陷，是否應(yīng)該按類型區(qū)分？是否有任何現(xiàn)有的軟件可以集成視覺檢測(cè)功能，還是需要從頭開始開發(fā)？系統(tǒng)應(yīng)如何將檢測(cè)到的缺陷通知用戶？AI視覺檢測(cè)系統(tǒng)是否應(yīng)該記錄缺陷檢測(cè)統(tǒng)計(jì)數(shù)據(jù)？關(guān)鍵問題是：是否存在用于深度學(xué)習(xí)模型開發(fā)的數(shù)據(jù)，包括“好”和“壞”產(chǎn)品的圖像以及不同類型的缺陷？

02 收集和準(zhǔn)備數(shù)據(jù)

        在深度學(xué)習(xí)模型開發(fā)之前，需要收集和準(zhǔn)備數(shù)據(jù)?？苾|科技?xì)v經(jīng)十余年的不斷開發(fā)優(yōu)化，擁有強(qiáng)大豐富的算法庫，當(dāng)面對(duì)新產(chǎn)品檢測(cè)時(shí)，可根據(jù)算法庫調(diào)取，進(jìn)行增量/繼承學(xué)習(xí)，即原有訓(xùn)練結(jié)果上新增少量樣本，極大的縮短了新產(chǎn)品的訓(xùn)練時(shí)間，實(shí)現(xiàn)快速學(xué)習(xí)。

03 訓(xùn)練和評(píng)估

       采集新增樣本后，下一步是對(duì)其進(jìn)行訓(xùn)練，驗(yàn)證和評(píng)估模型的性能和結(jié)果準(zhǔn)確性。

04 部署和改進(jìn)

       在部署視覺檢測(cè)模型時(shí)，重要的是要考慮軟件和硬件系統(tǒng)架構(gòu)如何與模型容量對(duì)應(yīng)。

AI視覺檢測(cè)系統(tǒng)的應(yīng)用案例

       包裝容器：適用于產(chǎn)品的品質(zhì)把控，用于檢測(cè)產(chǎn)品外觀缺陷，如黑點(diǎn)、飛邊、缺口、模號(hào)等。

鋰電池：鋰電生產(chǎn)中密封釘焊接、頂蓋焊接等常會(huì)出現(xiàn)針孔、砂眼、劃痕、凹凸、偏焊等瑕疵。

       視覺對(duì)位系統(tǒng)、機(jī)械手視覺定位、圖像處理庫等為核心的20多款自主知識(shí)產(chǎn)權(quán)產(chǎn)品。涉及自動(dòng)貼合機(jī)、絲印機(jī)、曝光機(jī)、疊片機(jī)、貼片機(jī)、智能檢測(cè)、智能鐳射等眾多行業(yè)領(lǐng)域。雙翌視覺系統(tǒng)最高生產(chǎn)精度可達(dá)um級(jí)別，圖像處理精準(zhǔn)、速度快，將智能自動(dòng)化制造行業(yè)的生產(chǎn)水平提升到一個(gè)更高的層次，改進(jìn)了以往落后的生產(chǎn)流程，得到廣大用戶的認(rèn)可與肯定。隨著智能自動(dòng)化生產(chǎn)的普及與發(fā)展，雙翌將為廣大生產(chǎn)行業(yè)帶來更全面、更精細(xì)、更智能化的技術(shù)及服務(wù)。