（傳統(tǒng)機器視覺工作 VS 深度學習工作）

深度學習是基于神經(jīng)網(wǎng)絡(luò)的機器學習方法，其核心是神經(jīng)網(wǎng)絡(luò)模型，該模型由多層神經(jīng)元構(gòu)成，每層神經(jīng)元將接收上一層的輸入并進行處理，然后將輸出傳遞到下一層。

深度學習模型則通常由多層神經(jīng)網(wǎng)絡(luò)組成，每一層都包含許多計算單元，這些計算單元之間具有權(quán)值連接。深度神經(jīng)網(wǎng)絡(luò)模型具備從原始數(shù)據(jù)中自動抽取特征、構(gòu)建復雜特征、學習映射并輸出結(jié)果的能力，還能在訓練過程中不斷優(yōu)化所有層級。

傳統(tǒng)的機器視覺技術(shù)需要將數(shù)據(jù)表示為一組特征，或輸入到預測模型，從而得出預測結(jié)果，這是完成制定動作，較難適應未來柔性化的生產(chǎn)需求，尤其是在缺陷類型復雜化、細微化、背景噪聲復雜等場景越來越難適用。

搭載 AI 深度學習功能后，機器視覺將原始的數(shù)據(jù)特征通過多步的特征轉(zhuǎn)換得到一種更高層次、更抽象的特征表示，并進一步輸入到預測函數(shù)得到最終結(jié)果，基于深度學習的機器視覺在理想狀態(tài)下可以結(jié)合機器視覺的效率與人類視覺的靈活性，從而完成日趨復雜環(huán)境下的檢 測，尤其是涉及偏差或極端環(huán)境，滿足更多下游對瑕疵精度、通用性的嚴苛要求。

隨著卷積神經(jīng)網(wǎng)絡(luò)技術(shù)的不斷進步，人工智能的應用領(lǐng)域正日益拓寬，其影響力已滲透到各行各業(yè)的方方面面。依托豐富的技術(shù)積累，華漢偉業(yè)自研深度學習算法，實現(xiàn)基于規(guī)則的機器視覺和基于深度學習的圖像分析之間的互補，具備強大的圖像識別與處理能力，能夠辨別各種工業(yè)復雜環(huán)境，實現(xiàn)智造升級。

iSense AI視覺檢測軟件是華漢偉業(yè)基于深度學習開發(fā)的端到端全流程AI工業(yè)質(zhì)檢平臺，旨在解決工業(yè)復雜缺陷檢測及工程管理核心難題，實現(xiàn)跨產(chǎn)品型號模型快速遷移，滿足多個細分行業(yè)場景的視覺應用需求。通過在“多模態(tài)學習、實例分割、3D+2D分割、3D+2D分類、旋轉(zhuǎn)目標檢測、對比學習、缺陷樣本自動生成、無監(jiān)督學習”等8大產(chǎn)品特色工具的開發(fā)，實現(xiàn)了算法平臺化，助力工業(yè)產(chǎn)線快速部署，輔助企業(yè)提升產(chǎn)品質(zhì)量和制造工藝改善。

AI的核心算法功能支持零代碼的編程，簡化了開發(fā)流程。同時，搭載2D、3D軟件，可以實現(xiàn)多種模態(tài)的融合檢測，完成各種復雜表面的質(zhì)量檢測，在新能源、3C電子制造、汽車電子等領(lǐng)域有著廣泛的應用場景。

字符識別是借助基于神經(jīng)網(wǎng)絡(luò)的深度學習算法對已知類型的數(shù)字、字母類字符進行標記訓練，在生產(chǎn)流程中，該技術(shù)能夠自動檢測并識別圖像中是否存在這些字符，輸出精確的結(jié)果。這一過程實現(xiàn)了機器無需人工干預，即可自行解讀字符信息的能力。

華漢偉業(yè)采用2D+AI視覺技術(shù)中的字符識別工具對零部件的有無以及字符進行檢測，能夠有效地處理圖像中的噪聲和干擾，突出具有刻印深度的產(chǎn)品特征信息，大幅度提升產(chǎn)品不良品的檢出，準確率高，計算速度快。

例如在二維碼飛拍讀取應用中，融入深度學習，基于海量的樣本數(shù)據(jù)，動態(tài)判斷產(chǎn)品內(nèi)容，滿足高速檢測需求，能夠捕捉到更復雜的字符特征和模式，高效識別各種疑難碼。

缺陷檢測主要是指對工業(yè)產(chǎn)品表面瑕疵的識別，目前缺陷檢測應用最多，且對外觀有嚴格要求的產(chǎn)品包括金屬、玻璃、電子元器件等。

傳統(tǒng)機器視覺系統(tǒng)面對復雜多變的缺陷類型，需要根據(jù)實際的場景搭建不同的算法模塊，由專業(yè)的人員對機器進行大量的調(diào)試，繁復的調(diào)試工作不僅需要大量的工時，同時還需要品管人員進行反復的校核，最終進入產(chǎn)線檢測。

而深度學習將人工智能和基于規(guī)則的傳統(tǒng)機器視覺可擴展性的優(yōu)勢結(jié)合在一起。華漢偉業(yè)將傳統(tǒng)的2D/2.5D/3D檢測算法與AI深度學習算法深度融合，支持多種模態(tài)組合。

在方殼電池六面檢案例中，華漢偉業(yè)通過對缺陷圖像的大量識別訓練，能夠更快的構(gòu)建出算法模型，通過算法實現(xiàn)快速響應，自動且全面地檢測產(chǎn)品表面各種形狀和大小的缺陷，包括劃痕、裂紋、凹凸、氣泡等，實現(xiàn)對產(chǎn)品的質(zhì)量控制以及對制造工業(yè)生產(chǎn)線的智能化升級。

與人眼相比，機器視覺在效率、精度、環(huán)境要求、安全性等各因素上都有明顯的優(yōu)勢。同時，在AI深度學習+機器視覺的升級趨勢下，在工業(yè)自動化、數(shù)字化、柔性化、復雜性生產(chǎn)上貢獻了更高的適配度。

華漢偉業(yè)將深度學習算法引入機器視覺系統(tǒng)，通過神經(jīng)網(wǎng)絡(luò)學習不同場景的特征，建立不同的深度學習模型，從而實現(xiàn)分析更加復雜的圖像并提高圖像分析能力與檢測效果。自研的深度學習不僅能夠適應不同的應用場景，還可以自動提取數(shù)據(jù)中的特征，在處理各種不同的數(shù)據(jù)時取得良好的效果。

通過搭載人工智能發(fā)展東風實現(xiàn)機器視覺的再一次迭代升級，華漢偉業(yè)打破傳統(tǒng)機器視覺壁壘，以創(chuàng)新技術(shù)發(fā)展新質(zhì)生產(chǎn)力，持續(xù)賦能產(chǎn)業(yè)升級。