深度學習與傳統機器視覺有何不同 - Cognex
文章推薦指數: 80 %
進行工廠自動化檢測時,深度學習分析使用基於範例的檢測方法,而非傳統機器視覺基於規則的方法.
ThiswebsiteusescookiestoimproveyourbrowsingexperienceandforanalyticsandmetricspurposesasoutlinedandinaccordancewithourPrivacyPolicy .YoumaychangeyourcookiepreferencesatanytimeusingtheCookiePreferenceCenter.
AcceptAllCookies
CookiePreferenceCenter
CookiePreferenceCenter
YourPrivacy
StrictlyNecessaryCookies
PerformanceCookies
FunctionalCookies
MoreInformation
YourPrivacy
Whenyouvisitanywebsite,informationisoftenstoredorretrievedonyourbrowser,mostlyintheformofcookies.Thisinformationmaybeaboutyourbrowserordevicepreferencesandisprimarilyusedtoallowthesitetoworkasyouwouldexpectitto.Theinformationdoesnotdirectlyidentifyyoubutcanprovideyouwithamorepersonalizedwebexperience.Becausewerespectyourrighttoprivacy,youcanchoosenottoallowsometypesofcookies.Clickonthedifferentcategoryheadingstofindoutmoreinformationortochangeourdefaultsettings.Notethatblockingsometypesofcookiesmayimpactyourexperienceonoursiteandtheservicesweareabletooffer.
StrictlyNecessaryCookies
AlwaysActive
Thesecookiesarenecessaryforthewebsitetofunctionandcannotbeswitchedoffinoursystems.Theyareusuallyonlysetinresponsetoactionsmadebyyouwhichamounttoarequestforservices,suchassettingyourprivacypreferences,logginginorfillinginforms.
Youcansetyourbrowsertoblockoralertyouaboutthesecookies,butsomepartsofthesitewillnotthenwork.Thesecookiesdonotstoreanypersonallyidentifiableinformation.
PerformanceCookies
Active
Inactive
Thesecookiesenableustocountvisitsandtrafficsourcessowecanmeasureandimprovetheperformanceofourwebsite.Theyhelpustoknowwhichpagesarethemostandleastpopularandseehowvisitorsmovearoundthesite.
Allinformationthatthesecookiescollectisaggregatedandthereforeanonymous.Ifyoudonotallowthesecookieswewillnotknowwhenyouhavevisitedoursite,andwillnotbeabletomonitoritsperformance.
FunctionalCookies
Active
Inactive
Thesecookiesenablethewebsitetoprovideenhancedfunctionalityandpersonalization.Theymaybesetbyusorbythirdpartyproviderswhoseserviceswehaveaddedtoourpages.
Ifyoudonotallowthesecookiesthensomeoralloftheseservicesmaynotfunctionproperly.
done AcceptAll
SaveSettings
Blogs
機器視覺部落格
條碼驗證部落格
工業讀碼器部落格
深度學習部落格
欲瞭解更多資訊:
取得產品價格,聯絡業務,或要求產品示範
深度學習與傳統機器視覺有何不同
基本上,機器視覺系統仰賴工業相機內保護的數位感測器,利用專業光學件配置擷取圖像。
這些圖像隨後都會送到個人電腦,以便專業軟體處理、分析,以及測量各種不同特徵,以進行決策。
不過,這些視覺系統都非常死板,並只限工廠自動化環境內的應用使用。
傳統機器視覺系統在辨識一致且製造良好的組件時的表現穩定可靠。
這類系統透過逐步篩檢和基於規則的演算法來運作,比人工檢測更具成本效率。
生產線上基於規則的機器視覺系統每分鐘可檢測數百個,甚至數千個組件。
但依然根據基於規則的程式設計方法,解決這類視覺資料輸出的檢測問題,使得機器視覺適合用於:
引導:找到組件的位置與方向,和指定的誤差範圍比較,並確保所處的角度正確,以驗證裝配恰當。
用來為其他機器視覺工具找出組件的主要特徵。
識別:讀取條碼(一維)、DataMatrix碼(二維)、直接部件標識(DPM)以及印在組件、標籤及包裝上的字元。
還可根據色彩、形狀或大小來識別項目。
測量:計算物件上兩個以上單點或幾何位置之間的距離,並判定這些測量結果是否符合規格。
檢測:找出產品中的瑕疵或其他不規則處,例如標籤是否正確地黏貼,或安全密封、封蓋存在與否等。
深度學習使用基於範例的方法來解決某些工廠自動化難題。
運用神經網路,根據一組加上標籤的範例,教導電腦識別合格的圖像,深度學習將能分析缺陷、找到並分類物件,以及讀取列印的標識等。
實際上,這表示公司能嘗試檢測電子裝置螢幕,尋找掛擦、碎片或其他缺陷。
即使背景不同,缺陷的尺寸、範圍、位置也各異,或遍及螢幕各處,都不成問題。
使用深度學習,能考量那些預期的變化,進而辨識合格與有缺陷組件之間的差異。
再者,像是不同種類的螢幕,想針對這類新目標訓練神經網路,只要拍攝一組新的參考圖片即可,就是這麼簡單。
因此,深度學習特別擅長:
解決太難以使用基於規則的演算法撰寫程式的視覺應用
處理雜亂背景和組件外觀上的各種變化
維護應用和使用新的圖像資料在工廠現場預先訓練
採用新的範例,而不必重新設計核心神經網路
目前正逐漸採用深度學習的應用,過去常以人工完成檢測,像是最終裝配檢查。
過去曾認為這些工作難以自動化。
利用深度學習工具,現在能使用視覺系統,更為一致、可靠且迅速地在生產線完成這類工作。
人類擅長將類似但不同的物品分類。
我們只要幾秒的時間,便能理解一組特定物件間的變化。
就這個意義上,深度學習工具結合了人類進化智力與基於規則的傳統機器視覺所具備一致性、再現性及可擴充性的優點。
能否瞭解這些不同之處,就是公司邁向工廠自動化的關鍵。
因為這些不同之處,就是決定要在工廠自動化應用中運用哪項優點的關鍵。
雖然傳統機器視覺系統在辨識一致且製造良好的組件時的表現穩定可靠,但隨著例外與缺陷資料庫逐漸增長,演算法變得越來越難以程式化。
換句話說,工廠自動化所需的一些應用終究會不適合採用基於規則的機器視覺。
組件外觀的複雜表面特徵與變化引發艱鉅的檢測難題。
基於規則的機器視覺系統難以鑒別外表極為相似組件之間的變化與誤差。
「功能性」異常會影響組件的效用,向來是剔除主因,外觀異常卻可能不是,其取決於製造廠商的需求和偏好。
最大的問題是,傳統機器視覺系統根本難以分辨這些缺陷。
像是缺陷探測等有些傳統機器視覺檢測,眾所周知相當難以程式化,原因是有許多機器難以隔離的變數,例如:照明,還有色彩、曲面或視野方面的變化。
這本身並不是問題,但在有更適合的工具可用時,嘗試利用機器視覺來解決應用時,就會造成問題。
雖然傳統機器視覺系統在辨識一致且製造良好的組件時的表現穩定可靠,但隨著例外與缺陷資料庫逐漸增長,應用變得越來越難以程式化。
換句話說,工廠自動化所需的一些應用終究會不適合採用基於規則的機器視覺。
能否瞭解這些不同之處,對於公司是否邁向工廠自動化的至關重要。
因為這些不同之處,就是決定要在工廠自動化應用中運用哪項優點的關鍵。
雖然我們知道,深度學習可促進工廠自動化轉型,但這只不過是作業人員可用來完成工作的另一項工具。
對於特定工作類型,基於規則的傳統機器視覺是有效的工具。
面對複雜的情況時,則需要有人類般的視覺和電腦般的速度與可靠性,選擇深度學習將可真正扭轉競爭局面。
如需深入瞭解製造業的深度學習技術,請下載免費電子書:比較深度學習與機器視覺。
Tags:
深度學習
訂閱
JamesFurbush|08-19-2019
其他文章
運用AI、機器學習及深度學習進行工業自動化檢測,各有何差異呢?
康耐視為什麼收購SUALAB:亞洲深度學習專業技術的中流砥柱
為什麼適當訓練深度學習檢測應用是成功的關鍵
mail_outline聯絡業務
settings要求產品示範
pricing取得產品價格
產品指南
瞭解In-Sight全系列視覺系統
立即下載
白皮書
機器視覺簡介—自動化流程與品質提升
立即下載
讀碼器產品指南
瞭解康耐視全系列讀碼器
即刻下載
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
arrow_drop_up
延伸文章資訊
- 1小心,快掉下去了!-兒童也有深度知覺-Let's Play 親子好好玩
這是因為隨著視覺的發展,嬰兒能獲得的環境線索也隨之增加,因此得以判斷不同情況的景物位置,已經具有「深度知覺」。 愈靠近愈清楚 剛出生不久的寶寶,視力很模糊,也 ...
- 2深度知覺 - A+醫學百科
根據自己的經驗和有關線索,單憑一隻眼睛觀察物體也可以產生深度知覺。用視覺來知覺深度,是以視覺和觸摸覺在個體發展過程中形成的聯繫為基礎的。通過大腦的整合活動就 ...
- 3深度學習與傳統機器視覺有何不同 - Cognex
進行工廠自動化檢測時,深度學習分析使用基於範例的檢測方法,而非傳統機器視覺基於規則的方法.
- 4深度知觉_百度百科
深度知觉(depth perception),亦称“立体知觉”或“距离知觉”。对物体的立体或对不同物体的远近的知觉。视网膜只能接受两维空间的刺激,对三维空间的反映主要依靠双眼 ...
- 5【Fun科學】視覺深度(片尾遊戲你敢挑戰嗎?) - YouTube