九游体育,九游体育官网入口,九游体育官网

CN / EN
banner图
Master The Core Technology Control The Use Of Light

Industry News

Traditional machine learning vs. deep learning

Date:2020-04-23 Source:Samsun Technology

机器视觉是人工智能的一个分支,简单来说,就是用机器代替人眼来做测试和判断。运用机器视觉可以提高生产的灵活性和自动化程度,目前随着核心技术的不断完善,机器视觉下游应用场景不断拓展,包括消费电子、汽车、半导体、虚拟现实、智能安防、健康医疗等。

与人类视觉相比,机器视觉功能范围不仅包括对信息的接受,同时还延伸至对信息的处理与判断,整体包括相机、镜头、视觉控制器、图像处理、传感器、算法平台等。一个典型的机器视觉应用系统包括图像捕捉模块、图像数字化模块、图像处理模块、决策模块、机械控制执行模块以及光源系统等。

机器视觉在实际应用中,还存在很多问题,比如缺陷样本太少怎么办,面对未知缺陷混入有没有更好的解决方案等等。机器视觉领域专业人士就机器视觉的工作流程细节、实际项目中遇到的问题及解决方案等做了详细分享和解读。

机器视觉的工作过程离不开深度学习,深度学习是机器学习研究中的一个新领域,其动机在于建立、模拟人脑进行分析学习的神经网络,它模仿人脑的机制来解释数据,例如图像、声音和文本,深度学习的概念源于人工智能神经网络的研究。

深度学习的工作流程大致可概括为标注、训练和推理。首先,人工收集和采集图像,标注特征,形成数据;然后,将这些数据喂给计算机,让计算机进行训练,生成网络进行评估,如果这个网络的性能符合要求,就可以上线,实现检测。网络在上线之后,会产生大量的数据,这些数据又可以变成新的样本,通过加入数据,进行迭代优化,让网络和检测系统越来越好。

在深度学习的过程中,建立一个高质量的训练数据集非常关键。高质量训练数据集对于成功部署深度学习解决方案至关重要,边缘情况或者标记不当的数据集会使网络混乱,而标记良好、内部一致的数据集的效果会更佳,训练图像必须在其所代表的类别中具备典型,训练图像样式必须尽量贴近系统部署时会遇到的图像。

深度学习对于机器视觉的应用大致可以分成三种,一是分类,即可以将产品分为合格和不合格,这是深度学习最大的一个应用;二是定位,即帮助使用者定位物体的位置和数量;三是分割,即可以找到缺陷的轮廓,基于缺陷的轮廓和大小,对产品进行更精细的判别。

相对于传统机器学习,深度学习对于机器视觉的作用更显著,在应对无规律图像方面,深度学习机器视觉解决方案,即使图像复杂,通过深度学习算法,软件可以自动学习瑕疵的特征,使得无规律图像的分析变得可能;而传统机器视觉解决方案,当图像不规则、无规律时,缺陷的特征很难通过手动设定,无法分析图像。在精确度方面,深度学习机器视觉解决方案,可通过深度学习算法和制造业特有的数据提高检测的精确度;传统机器视觉解决方案,如果缺陷部分和之前设定好的缺陷有轻微的出入,传统视觉都无法检测出这样的缺陷,导致检测的精确度低。

虽然深度学习在很多方面具有优势,不过也并不是所有任务都适用。在项目中遇到的几个问题以及解决方案,这几个问题分别是:

一、缺陷样本太少的问题,比如iWatch,因为苹果的产品品控非常高、良品率高、缺陷量很少,它能提供的缺陷样品就非常少,这样就没有足够多的缺陷数据可以进行训练。

二、标注工作量大的问题,对于缺陷检测和分割来说,标注的时候需要把缺陷都描出来,如果对于图像覆盖比较大,缺陷比较多的话,工作量就比较大。

三、混入未知缺陷的问题,在生产过程中已经知道了几种缺陷,但是不知道将来会出现哪些缺陷,比如生产过程,突然混入异物、其他料,事先不知道会混入什么料,没有进行训练,机器就检测不出来,会将不合格产品作为合格产品输出。

面对这些问题,大恒图像尝试让机器只学习好的样本,没有坏的样本,因为只学习好的样本,就不需要标注,只需要少量好的样本。如果给机器输入一张不好的图片,它就会给出缺陷的区域,因为只训练好的样品,任何缺陷都可以检测出来,而且运行过程也会很快。

对于混入未知缺陷的问题,将传统机器学习和深度学习搭配使用也是一种可行方案。传统机器学习和深度学习各具优劣势,外观检测有一种情况,可以看出对比度非常高,用传统方法处理,会非常的稳定和快速。而深度学习对瑕疵分类则会更有优势,比如客户需要分出缺陷种类,他们用传统方法花了两个月时间调好之后,如果换另外一种物料,又得重新调,这种情况便适合使用深度学习。然而对于没有进行训练的缺陷出现,深度学习就没有办法检测出来。如果生产的过程中出现这种情况,用传统的方法和深度学习一起应用,传统的方法解决传统的、快速的问题,甚至把合格品分出来,再用深度工具去做一些瑕疵的分类。

随着智能化水平不断提高,机器视觉已经进入高速发展期,中国机器视觉市场需求也将不断增长,报告显示,2018年中国机器视觉市场规模超过100亿元,预计2019年市场规模将接近125亿,面对日益扩大的市场需求,不断发现实际应用中的问题,并优化产品解决方案是企业能够站稳市场位置的一个重要关键点。


Returns List
九游体育