高精度針孔檢測設(shè)備
More >>
您所在的位置:精質(zhì)視覺 > 新聞中心>傳統(tǒng)視覺檢測和深度學習檢測
2022-10-28 14:54:02 精質(zhì)視覺
傳統(tǒng)視覺檢測
在機器學習,深度學習還沒有發(fā)展的這么火熱之前, 國外幾款做的幾款非常好的視覺軟件業(yè)內(nèi)人士應(yīng)該都很清楚。比如Halcon, Visionpro, Cognix, MIL等等都是業(yè)內(nèi)用的比較多,而且比較成功的視覺軟件。其中很多模塊都有定位,測量,檢測等功能。
但是這些傳統(tǒng)的方法來做缺陷檢測大多都是靠人來特征工程, 從形狀,顏色, 長度,寬度,長寬比來確定被檢測的目標是否符合標準,最終定義出一系列的規(guī)則來進行缺陷檢測。這樣的方法當然在一些簡單的case中已經(jīng)應(yīng)用的很好, 唯一的缺點是隨著被檢測物體的變動,所有的規(guī)則和算法都要重新設(shè)計和開發(fā),即使是同樣的產(chǎn)品,不同批次的變化都會造成不能重用的現(xiàn)實。
總結(jié):傳統(tǒng)機器視覺算法通常處理容易提取,容易量化的特征:顏色、面積、圓度、角度、長度等。
深度學習檢測
隨著機器學習, 深度學習的發(fā)展,很多人眼很難去直接量化的特征, 深度學習可以搞定, 這就是深度學習帶給我們的優(yōu)點和前所未有的吸引力。很多特征我們通過傳統(tǒng)算法無法量化,或者說很難去做到的, 深度學習可以搞定。特別是在圖像分類, 目標檢測這些問題上取得了顯著的提升。
這些算法給其他領(lǐng)域提供了很多參考和借鑒意義。比如本文討論的缺陷檢測, 上面的很多網(wǎng)絡(luò)的特點,以及方法都給了我們很多的啟發(fā),我們在設(shè)計網(wǎng)絡(luò)結(jié)構(gòu)的時候,配合自己在產(chǎn)線部署的硬件性能,設(shè)計適合項目的網(wǎng)絡(luò)結(jié)構(gòu)。
當然,深度學習的方法用來檢測,也有自己的很多缺點。例如:數(shù)據(jù)量要求大,工業(yè)數(shù)據(jù)收集成本高。但是隨著數(shù)據(jù)增強技術(shù),無監(jiān)督學習的不斷進步,在某些應(yīng)用場景上,這些缺點漸漸被隱藏了。例如學術(shù)界正在研究的,自動網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計,自動數(shù)據(jù)標注等等。所以作者認為隨著技術(shù)的發(fā)展,這個領(lǐng)域?qū)玫胶艽蟮奶嵘斯z測終將會被機器檢測替代。然后你看到的無人工廠更加會無人化~