深度學習

深度學習與機器視覺和人工檢測的相互比較

Choosing between Machine Vision and Deep Learning

深度學習既靈活且穩健

數十載以來,機器視覺系統已經教會電腦執行檢測來偵測已製造產品中的缺陷,雜質,功能缺失及其他不規則處。不過,若需要從實例學習,並鑒別與控制之間可接受的誤差時,人類視覺檢測絕對佔上風。相形之下,機器視覺提供電腦化系統能做到的速度與穩健度。

機器視覺

機器視覺具備速度,準確度及再現性,在量化測量架構化場景方面勝出。以正確攝影機解析度與光學件配置建置的機器視覺系統,能輕鬆檢測小到人眼無法看到的物件細節,而且檢測的可靠性较高,錯誤率更低。在生產線上,機器視覺系統每分鐘能可靠且重複地檢測數百個,甚至數千個零件,遠勝於人工的檢測能力。

和傳統機器視覺不同,人類善於分辨細微的外觀和功能缺失,還能鑒別零件外觀上可能會影響品質感受的變化。雖然人類可以處理訊息的速率比較受限,但人類在概念化與歸納能力上是獨一無二的。人類善於從實例學習,能在零件之間出現微小異常時分辨出何為真正重要的。在許多情況下,這點讓人類視覺理想適合定性解釋複雜,非架構化的場景,尤其是有微小缺陷和難以預知的缺失時。

人工檢測人員

深度學習技術利用神經網路,模仿人類的智慧來分辨異常,零件和字元,同時容許複雜圖案的自然變化。如此一來,深度學習結合人類視覺檢測的靈活度,還具備電腦化系統的速度與穩健可靠。

相關內容

欲知悉關於康耐視產品的詳細訊息:

康耐視特色產品

取得產品支援與訓練等等

加入 MyCognex

是否有任何疑问?

世界各地的康耐视代表可以随时为您提供支持,满足您的视觉和工业读码需求。

聯絡我們
Loading...