(传统机器视觉工作 VS 深度学习工作)
深度学习是基于神经网络的机器学习方法,其核心是神经网络模型,该模型由多层神经元构成,每层神经元将接收上一层的输入并进行处理,然后将输出传递到下一层。
深度学习模型则通常由多层神经网络组成,每一层都包含许多计算单元,这些计算单元之间具有权值连接。深度神经网络模型具备从原始数据中自动抽取特征、构建复杂特征、学习映射并输出结果的能力,还能在训练过程中不断优化所有层级。

深度学习注入工业生产
创新应用实现智造升级
随着卷积神经网络技术的不断进步,人工智能的应用领域正日益拓宽,其影响力已渗透到各行各业的方方面面。依托丰富的技术积累,华汉伟业自研深度学习算法,实现基于规则的机器视觉和基于深度学习的图像分析之间的互补,具备强大的图像识别与处理能力,能够辨别各种工业复杂环境,实现智造升级。
iSense AI视觉检测软件是华汉伟业基于深度学习开发的端到端全流程AI工业质检平台,旨在解决工业复杂缺陷检测及工程管理核心难题,实现跨产品型号模型快速迁移,满足多个细分行业场景的视觉应用需求。通过在“多模态学习、实例分割、3D+2D分割、3D+2D分类、旋转目标检测、对比学习、缺陷样本自动生成、无监督学习”等8大产品特色工具的开发,实现了算法平台化,助力工业产线快速部署,辅助企业提升产品质量和制造工艺改善。

深度学习助力缺陷检测应用
缺陷检测主要是指对工业产品表面瑕疵的识别,目前缺陷检测应用最多,且对外观有严格要求的产品包括金属、玻璃、电子元器件等。
传统机器视觉系统面对复杂多变的缺陷类型,需要根据实际的场景搭建不同的算法模块,由专业的人员对机器进行大量的调试,繁复的调试工作不仅需要大量的工时,同时还需要品管人员进行反复的校核,最终进入产线检测。
而深度学习将人工智能和基于规则的传统机器视觉可扩展性的优势结合在一起。华汉伟业将传统的2D/2.5D/3D检测算法与AI深度学习算法深度融合,支持多种模态组合。
在方壳电池六面检案例中,华汉伟业通过对缺陷图像的大量识别训练,能够更快的构建出算法模型,通过算法实现快速响应,自动且全面地检测产品表面各种形状和大小的缺陷,包括划痕、裂纹、凹凸、气泡等,实现对产品的质量控制以及对制造工业生产线的智能化升级。
Copyright 版权所有 Copyright 2013-2020 福建省云创集成科技服务有限公司 共建合作:中国协同创新网
All Rights Reserved. 运营维护:三明市明网网络信息技术有限公司 业务咨询:0598-8233595 0598-5831286 技术咨询:0598-8915168