如今，工業(yè)自動(dòng)化快速發(fā)展，工業(yè)4.0的概念已經(jīng)被提上日程。在產(chǎn)品生產(chǎn)流水線上，對(duì)于產(chǎn)品的質(zhì)量檢測(cè)，許多企業(yè)也逐漸嘗試用機(jī)器視覺(jué)代替人工肉眼進(jìn)行檢測(cè)，但時(shí)代瞬息萬(wàn)變，神經(jīng)網(wǎng)絡(luò)之深度學(xué)習(xí)這項(xiàng)技術(shù)的不斷成熟，為產(chǎn)品外觀檢測(cè)帶來(lái)更多的可能。那么它與傳統(tǒng)視覺(jué)檢測(cè)有什么區(qū)別呢?國(guó)辰機(jī)器人帶你瞧一瞧。

雖然傳統(tǒng)的機(jī)器視覺(jué)系統(tǒng)在處理一致且制造精良的部件時(shí)能夠可靠地運(yùn)行，但隨著例外和缺陷庫(kù)的增大，算法也會(huì)變得越來(lái)越有挑戰(zhàn)性。換句話說(shuō)，到了特定的時(shí)候，工廠自動(dòng)化中需要的某些應(yīng)用將無(wú)法再依靠基于規(guī)則的機(jī)器視覺(jué)。某些傳統(tǒng)的機(jī)器視覺(jué)檢測(cè)，因?yàn)橛性S多不易被機(jī)器識(shí)別的變量，所以編程也比較困難，例如：照明、顏色變化、曲面、或視野。

因此，深度學(xué)習(xí)這項(xiàng)技術(shù)在產(chǎn)品外觀缺陷視覺(jué)檢測(cè)中便發(fā)揮了極大的效用，借助深度學(xué)習(xí)這樣的工具，便可以在生產(chǎn)線上更加一致、更加可靠、且更加快速地完成這些任務(wù)。人類擅長(zhǎng)分類不同但相似的東西，我們幾秒內(nèi)就能理解某一組物體間的差異。在這個(gè)意義上，深度學(xué)習(xí)將人類進(jìn)化的智能和基于規(guī)則的傳統(tǒng)機(jī)器視覺(jué)的一致性、可重復(fù)性和可擴(kuò)展性這兩種優(yōu)勢(shì)結(jié)合在一起。

視覺(jué)檢測(cè)在實(shí)際應(yīng)用中，通過(guò)對(duì)缺陷圖片的不斷訓(xùn)練以及優(yōu)化，諸如布匹、薄膜、金屬、鋁箔、銅箔等的表面缺陷都可精準(zhǔn)地檢測(cè)出來(lái)，國(guó)辰基于深度學(xué)習(xí)的在線缺陷檢測(cè)系統(tǒng)還能實(shí)時(shí)監(jiān)控產(chǎn)品表面質(zhì)量，提供全面的表面缺陷分類，幫助管理者對(duì)缺陷成因及時(shí)分析，從根源處進(jìn)行防范。