最新訊息
HYPERSPECTRAL (HSI) CAMERAS
Cooled Camera
Adaptive Vision Studio
鏡頭目錄
 

深度學習插件是機器視覺應用的新突破
分享
 

深度學習與傳統機器視覺相對

深度學習是一種解決機器視覺問題的新可靠方式。其使用範圍包括從前無法解決的難題。但是傳統機器視覺方法的作用在某些應用程序中依然佔優勢。如何選擇更適合的方式?以下快速指南:


 

 

深度學習

傳統機器視覺

典型應用:

    • 表面檢查(裂紋,划痕)
    • 食品,植物,木材檢測
    • 塑料,注塑
    • 紡織品材料檢測
    • 醫學影像

典型應用:

    • 尺寸測量
    • 代碼閱讀
    • 有無檢測
    • 機器人引導
    • 印刷檢測

典型特徵:

    • 可變形物體
    • 可變方向
    • 客戶提供被測物的正例,反例,與空泛的規格
    • 可靠性為百分之99

典型特徵:

    • 硬物體
    • 固定方向
    • 客戶提供正式規格與公差
    • 可靠性為百分之100

 

訓練程序

1.收集圖像並進行歸一化

    • 採集從20到50張圖像,其中包括具有被測物的代表性的正例與反例。保存到磁盤。
    • 確認圖像上被測物的尺寸,方向,照明儘可能保持一致性。
  •  

    2.訓練

    • 使用DeepLearning_ClassifyFeaturesDeepLearning_DetectAnomalies的過濾器
    • 打開深度學習的編輯器
    • 加載訓練圖像
    • 將圖像標記為正例反例 (非監督式模式),或使用繪圖工具(監督式模式)標記缺陷
    • 點擊“訓練”
  •  

    3.執行

    • 運行程序並查看結果
  •  

    訓練與驗證集

    不管是機器學習或者深度學習,遵循正確的方法是至關重要的。最重要的規則是將訓練集與驗證集分開。訓練集是用於創建模型的一套樣品圖像。但是不能將它當作衡量性能的工具,因為其產生的結果過度樂觀。因此,為了準確地評估模型,數據分離(驗證集)是必要的。我們的深度學習插件從用戶提供的樣品圖象自動創建此兩集。

     

     

     

     

     

     

     

     
     
    特別聲明:本網站為汎叡有限公司版權所有,請尊重智慧財產權,未經允許請勿任意轉載、複製或做商業用途
    所使用的所有商標名稱, 分屬各商標註冊公司所有。
    Copyright c 2009 Fadracer Technology Inc. All Rights Reserved.
    汎叡有限公司 TEL:+886-2-2585-8592 FAX:+886-2-2598-8802 E-MAIL:sales.tp@fadracer.com