色哟哟视频在线观看-色哟哟视频在线-色哟哟欧美15最新在线-色哟哟免费在线观看-国产l精品国产亚洲区在线观看-国产l精品国产亚洲区久久

0
  • 聊天消息
  • 系統消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發帖/加入社區
會員中心
創作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

深度學習如何讓傳統機器視覺企業買單

lPCU_elecfans ? 來源:電子發燒友網 ? 作者:黃山明 ? 2020-10-31 09:17 ? 次閱讀

電子發燒友網報道(文/黃山明)隨著當前工業制造技術的高速發展,機器視覺技術已經逐步成為工業自動化生產過程中不可或缺的關鍵組成部分。從功能上看,機器視覺的主要作用是利用機器替代人眼,通過機器的視覺能力,實現對物體的識別、檢測、測量、工業機器人的定位引導等功能。 從技術角度來看,傳統的工業視覺通過高分辨率圖像對物體進行檢測或識別。那么是否可以結合人工智能技術,讓機器視覺變得更加智能,更加精準呢?答案顯然是可以的,并且已經有許多廠商在這條道路上快速前行。 據國內公開數據統計,2018年中國機器視覺行業銷售總額為83.9億元,比上年同期增長21.6%;研發投入增長至11.7億元,同比增長32.8%。

據專業調研機構Grand View Research的預測,到2025年,全球機器視覺市場空間將超過180億美元,年均復合增速7.7%,快速增長的市場也吸引了諸多玩家投身其中。 深度學習讓機器視覺定義缺陷更快速 以外觀缺陷檢測為例,傳統的工業視覺需要由專業的人員對機器進行大量的調試,繁復的調試工作不僅需要大量的工時,同時還需要品管人員進行反復的校核,最終進入產線檢測。而將深度學習與傳統視覺相結合,將極大地優化作業流程。 康耐視華南區銷售經理劉墨在接受電子發燒友采訪時稱:“與過去的機器視覺技術不同的是,傳統機器視覺在前期需要做許多參數的調試,而深度學習的機器視覺是做一種定義的判斷,根據給出樣品照片為產品的缺陷下一個定義。”

深度學習工具|康耐視 與傳統視覺一個明顯的區別就是,只要有足夠的數據,深度學習的機器視覺可以極大縮減前期調試工作的時間,只需要將數據輸入給機器,就能由機器完成建模,以及形成對缺陷的認知。 劉墨表示:“康耐視是一家專注于機器視覺的公司,因此在深度學習具有一定優勢,一個是訓練樣本的數量并不需要太大,單個類型的缺陷(如劃傷、壓痕),僅需要20張左右的圖片訓練就能夠完成初步識別;此外,在訓練時間上,康耐視也有一定優勢,過去一家擁有8000張圖片素材的客戶,訓練只花費了20分鐘左右,而許多廠商的做法是今天晚上將圖片輸入進去,第二天早上再來看結果。” 不過這樣會產生一個問題,即識別樣品較少,只能讓機器初步對某個缺陷產生認知,但這個認知并不完善。深圳市深視創新科技有限公司大客戶經理武栓弟表示:“大多數采用深度學習的機器視覺公司,都能用少數的圖片完成識別,并出具初級報告,但要達到很好的識別效果,還需要更多的樣品照片訓練才行。”

劉墨也表示,如果要機器視覺達到較好的識別,除了需要足夠的樣品照片訓練之外,檢測結果還需要與品管進行對照,來加強準確性。 將深度學習應用在傳統視覺上的優點顯而易見,可以節省大量前期準備工作,同時不用更改結構,準備好數據投喂即可。當然,缺點同樣在于數據,盡管用少量的樣品圖片就能夠完成機器的識別,但想要獲得較好的識別效果,也必須準備足夠的樣本才行。 成本將近10倍 深度學習為何這么貴? 對于工業制造而言,一項成熟的技術除了能夠提高生產效率外,還需要降低成本,這才能得到快速的推廣。那么具體到深度學習的機器視覺技術而言,其表現又如何呢? 劉墨認為,成本是相對的,同時這項技術的出現也主要是為了替代人工,行業內通常是一年半可以收回成本,而康耐視解決方案的成本,可以在一年內收回。 從具體的價格來看,據武栓弟透露,一套不含生產線的深度學習機器視覺解決方案價格在16萬元左右。但一套傳統的機器視覺檢測方案價格是多少呢?據深圳市倍諾自動化設備有限公司副總經理瞿劍飛表示,一套普通的機器視覺方案價格在2萬以內。 為何深度學習解決方案價格會高出這么多?一個是開發過程需要基于工具的規則變成與基于實例的培訓,同時在硬件投入上,深度學習需要更多的處理和存儲。

工業圖像缺陷樣本管理系統|深視創新 當然,貴有貴的好處,深度學習可以在沒有明確編程的情況下解決特定任務。以產品劃痕缺陷檢測為例,傳統視覺中對于這種檢測需要進行嚴格的定義,通過設定不同的尺寸來看機器判斷什么是劃痕,而深度學習系統可以通過數據的喂養,識別出不在喂養數據之內的劃痕缺陷。 此外,對于傳統機器視覺而言,檢測具有復雜表面紋理和外觀變化的視覺相似部件是一個困難的挑戰。同時檢測現場還存在多個變量,如光照、顏色變化、曲率等,一些缺陷檢測用傳統的機器視覺很難做到,而深度學習為解決這些問題帶來了可能。 傳統機器視覺檢測在面對這些問題時,需要不斷的進行調試,以及外部環境的配合,檢測準確率的提升是一個繁瑣的工作,但通過深度學習,只需要持續的進行樣品數據的訓練,便能不斷的提高機器視覺檢測的準確度。

不過瞿劍飛也提出了一個觀點,雖然深度學習可以幫助企業更好的解決傳統機器視覺的檢測難點問題,但這些問題很多可以通過外部調試進行完善,比如可以通過加強光照解決現場燈光復雜的問題。而對于企業而言,很難完全利用到深度學習中的所有功能,那么對于這個企業而言,那些多余的功能就是一種浪費。因此,選擇深度學習還是傳統機器視覺,需要企業自己去衡量。 深度學習能替代傳統機器視覺嗎? 需要注意的是,深度學習并非適合所有檢測場景,如在流水生產線中,產線不停的情況下進行快速檢測。劉墨表示這種情況可以使用傳統機器視覺方案解決。 廣東廣源智能科技有限公司便是一家通用智能高速機器視覺平臺,據其銷售工程師王呂森介紹,其平臺正是適用于產線高速機器視覺檢測的,不過高速檢測必須具備幾項條件,一個是缺陷種類少,另一個是產品形狀規范,如對塑料瓶的檢測。

王呂森表示,他們也嘗試過深度學習的機器視覺,但發現其中還存在一個問題,深度學習可以快速形成對缺陷的認知是建立在大量數據的基礎上的。但對于許多企業而言,前期缺陷數據的收集比較欠缺,這時就需要廠商進行協助。 劉墨對此還舉了一個案例,今年疫情期間,某家LED芯片半導體公司返工困難,質檢人員稀缺,為廠商帶來了極大地困難。康耐視通過深度學習產品,陪同客戶在現場做了將近一個月的驗證,對放大200倍的芯片圖片進行分析判斷,成功的將之前由人工判斷的缺陷檢測出來,而且檢測穩定性遠遠高于人工。 特殊時期可以理解,但對于普通工廠而言,如果要求原廠派人員在現場進行長時間的調試,其成本顯然不低。 對此,武栓弟提出,可以通過多設備聯機質檢進行大數據分析,即采用聯網的方式,能有效節省人力成本。但這種情況只適用于可以聯網的深度學習機器視覺設備中,而對于不可聯網的設備,只能由工程師進行現場調試。

劉墨提出了一個較為完善的解決方案,即廠商自己學習建模,檢測新的產品。康耐視也傾向讓客戶自己學習,一個是客戶對自己的工藝更加熟悉,可以更準確的把握自己的需求。另一個則是廠商可能在生產中產生一些隨機的要求,設備商可能需要時間前往現場才能滿足客戶的相關需求,但客戶如果能夠熟悉產品能夠自己很快的進行重新調試。 此外,深度學習的機器視覺并不針對單一產品。武栓弟表示,深度學習最大的優勢便是體現在其靈活性上。通過重新建模,可以很快將這套設備應用到其他產品的檢測當中。 從這一點來看,對比傳統機器視覺,深度學習可以通過訓練,很快適應新產品的檢測,意味著買一套方案可以適應所有的解決場所,這是過去很難做到的。但針對特殊場景,如生產線的快速檢測,還是傳統視覺的強項。可以認為深度學習是過去機器視覺的有利補充,雙方并非替代的關系。 小結 總體而言,深度學習是機器視覺的一種延伸。企業向智能工廠的轉變推動了機器視覺的發展,而對檢測提出更高的要求,加上如今電腦技術的發展,讓深度學習有了用武之地。需要注意的是,傳統機器視覺與深度學習是互補而非替代的關系,深度學習的出現,可以為廠商帶來最重要的差異化以及更豐厚的利潤,在傳統機器視覺已經高度成熟的今天,新的可行性技術也意味著新的財富密碼。

責任編輯:xj

原文標題:成本上漲近10倍 深度學習如何讓傳統機器視覺企業買單?

文章出處:【微信公眾號:電子發燒友網】歡迎添加關注!文章轉載請注明出處。

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規問題,請聯系本站處理。 舉報投訴
  • 機器視覺
    +關注

    關注

    162

    文章

    4405

    瀏覽量

    120578
  • 工業自動化
    +關注

    關注

    17

    文章

    2472

    瀏覽量

    67337
  • 深度學習
    +關注

    關注

    73

    文章

    5512

    瀏覽量

    121416

原文標題:成本上漲近10倍 深度學習如何讓傳統機器視覺企業買單?

文章出處:【微信號:elecfans,微信公眾號:電子發燒友網】歡迎添加關注!文章轉載請注明出處。

收藏 人收藏

    評論

    相關推薦

    深度自然匿名化:隱私保護與視覺完整性并存的未來!

    在科技快速發展的當下,個人隱私保護的需求日益凸顯。如何能在隱私保護的基礎上,保持視覺完整性,從而推動企業開發與創新? 深度自然匿名化(DNAT)已被證明是傳統模糊化方法的更優替代方案,
    的頭像 發表于 01-15 15:57 ?1643次閱讀
    <b class='flag-5'>深度</b>自然匿名化:隱私保護與<b class='flag-5'>視覺</b>完整性并存的未來!

    傳統機器學習方法和應用指導

    用于開發生物學數據的機器學習方法。盡管深度學習(一般指神經網絡算法)是一個強大的工具,目前也非常流行,但它的應用領域仍然有限。與深度
    的頭像 發表于 12-30 09:16 ?347次閱讀
    <b class='flag-5'>傳統</b><b class='flag-5'>機器</b><b class='flag-5'>學習</b>方法和應用指導

    AI干貨補給站 | 深度學習機器視覺的融合探索

    ,幫助從業者積累行業知識,推動工業視覺應用的快速落地。本期亮點預告本期將以“深度學習機器視覺的融合探索”為主題,通過講解
    的頭像 發表于 10-29 08:04 ?264次閱讀
    AI干貨補給站 | <b class='flag-5'>深度</b><b class='flag-5'>學習</b>與<b class='flag-5'>機器</b><b class='flag-5'>視覺</b>的融合探索

    人工智能、機器學習深度學習存在什么區別

    人工智能指的是在某種程度上顯示出類似人類智能的設備。AI有很多技術,但其中一個很大的子集是機器學習——算法從數據中學習
    發表于 10-24 17:22 ?2520次閱讀
    人工智能、<b class='flag-5'>機器</b><b class='flag-5'>學習</b>和<b class='flag-5'>深度</b><b class='flag-5'>學習</b>存在什么區別

    深度學習在工業機器視覺檢測中的應用

    識別等任務。傳統機器視覺檢測方法通常依賴于手工設計的特征和固定的算法,難以應對復雜多變的工業環境。而深度學習的引入,為工業
    的頭像 發表于 07-08 10:40 ?1164次閱讀

    深度學習視覺檢測中的應用

    深度學習機器學習領域中的一個重要分支,其核心在于通過構建具有多層次的神經網絡模型,使計算機能夠從大量數據中自動學習并提取特征,進而實現對復
    的頭像 發表于 07-08 10:27 ?856次閱讀

    人工智能、機器學習深度學習是什么

    在科技日新月異的今天,人工智能(Artificial Intelligence, AI)、機器學習(Machine Learning, ML)和深度學習(Deep Learning,
    的頭像 發表于 07-03 18:22 ?1390次閱讀

    深度學習傳統機器學習的對比

    在人工智能的浪潮中,機器學習深度學習無疑是兩大核心驅動力。它們各自以其獨特的方式推動著技術的進步,為眾多領域帶來了革命性的變化。然而,盡管它們都屬于
    的頭像 發表于 07-01 11:40 ?1510次閱讀

    深度學習在計算機視覺領域的應用

    隨著人工智能技術的飛速發展,深度學習作為其中的核心技術之一,已經在計算機視覺領域取得了顯著的成果。計算機視覺,作為計算機科學的一個重要分支,旨在
    的頭像 發表于 07-01 11:38 ?929次閱讀

    點亮深度學習技能?嵌入式平臺來點升級吧

    隨著機器視覺深度學習 (DL) 方法的推動下持續發展,我們在自動化和缺陷檢測領域打開了通向無數可能性的大門。在嵌入式系統中集成深度
    發表于 05-08 11:30 ?574次閱讀

    深度解析深度學習下的語義SLAM

    隨著深度學習技術的興起,計算機視覺的許多傳統領域都取得了突破性進展,例如目標的檢測、識別和分類等領域。近年來,研究人員開始在視覺SLAM算法
    發表于 04-23 17:18 ?1352次閱讀
    <b class='flag-5'>深度</b>解析<b class='flag-5'>深度</b><b class='flag-5'>學習</b>下的語義SLAM

    傳統計算機視覺對比深度學習

    深度學習是一種技術,它使用一種稱為梯度反向傳播的優化技術來生成“程序”(也稱為“神經網絡”),就像上面故事中學者學生編寫的那些程序一樣。
    發表于 03-31 09:48 ?480次閱讀

    為什么深度學習的效果更好?

    導讀深度學習機器學習的一個子集,已成為人工智能領域的一項變革性技術,在從計算機視覺、自然語言處理到自動駕駛汽車等廣泛的應用中取得了顯著的成
    的頭像 發表于 03-09 08:26 ?670次閱讀
    為什么<b class='flag-5'>深度</b><b class='flag-5'>學習</b>的效果更好?

    分析 丨AI算法愈加復雜,但是機器視覺的開發門檻在降低

    機器視覺系統依賴于機器學習(machine learn)和深度學習(deep learn),尤其
    的頭像 發表于 02-19 16:49 ?751次閱讀
    分析 丨AI算法愈加復雜,但是<b class='flag-5'>機器</b><b class='flag-5'>視覺</b>的開發門檻在降低

    技術科普 | 機器視覺5大關鍵技術及其常見應用

    計算機視覺是指:機器通過數字圖像或視頻等視覺信息來模擬人類視覺的過程,以達到對物體的理解、識別、分類、跟蹤、重建等目的的技術。它是人工智能
    的頭像 發表于 01-31 16:38 ?2390次閱讀
    技術科普 | <b class='flag-5'>機器</b><b class='flag-5'>視覺</b>5大關鍵技術及其常見應用
    主站蜘蛛池模板: 少妇的肉体AA片免费 | 蜜臀久久99精品久久久久久做爰 | 日韩av国产av欧美天堂社区 | 成人在线免费视频播放 | 91热久久免费频精品动漫99 | 成人在线视频在线观看 | 全免费a级毛片免费看 | 暖暖免费观看日本在线视频 | 三级黄毛片 | 久久免费观看视频 | 高清国产一区 | 国产黄大片在线视频 | 国产系列在线亚洲视频 | 受被攻做到腿发颤高h文 | 亚洲伊人色综合久久天天伊人 | 欧美一道本一区二区三区 | 思思99热久久精品在线6 | 国产精品一区二区欧美视频 | 亚洲精品久久久久中文字幕二区 | 97久久精品人人槡人妻人 | 十分钟免费视频大全在线观看 | 国产又粗又猛又爽又黄的免费视频 | 国产人妻午夜无码AV天堂 | 公和熄洗澡三级中文字幕 | 中国农民真实bbwbbw | 看全色黄大色大片免费久黄久 | 久久国产乱子伦免费精品 | 偷窥wc美女毛茸茸视频 | 久久视热频这里只精品 | 青青草AV国产精品 | 最近免费视频中文2019完整版 | 日本午夜福利无码高清 | 夜里18款禁用的免费B站动漫 | 亚洲成年人影院 | 甜性涩爱bt下载 | 国产精品高清在线观看93 | 刺激一区仑乱 | 久久精品av| 日本全彩黄漫无遮挡 | 97在线视频网站 | 4399日本电影完整版在线观看免费 |