人工智能機(jī)器視覺識別軟件

運(yùn)用深度學(xué)習(xí)讓機(jī)器仿如人腦一樣能自我學(xué)習(xí)退个，可輕易的辨識傳統(tǒng)光學(xué)檢測(AOI)難以檢測的不規(guī)律瑕疵及特征，如臟污调炬、刮痕语盈、裂縫、毛邊等等缰泡。亦可用來實(shí)時(shí)又正確地將物件分類及分級刀荒，及引導(dǎo)機(jī)器人自動找尋正確工作路徑。無論是「監(jiān)督式學(xué)習(xí)」或較先進(jìn)的「非監(jiān)督式學(xué)習(xí)」棘钞，使用者僅需提供少量樣本自我學(xué)習(xí)缠借，即能省去耗時(shí)并需客制化的軟件編寫，大幅降低導(dǎo)入機(jī)器視覺的門坎武翎。除了辨識外烈炭，已與知名品牌機(jī)器人串聯(lián)溶锭，當(dāng)軟件辨識完畢宝恶，其后續(xù)所需的取放動作，均能透過機(jī)器人輕松自如地完成任務(wù)趴捅，充份達(dá)成產(chǎn)線完全自動化的完美境界垫毙。

人工智能機(jī)器視覺與傳統(tǒng)視覺的比較

高效率：

例如用傳統(tǒng)算法去評估一個(gè)棋局的優(yōu)劣，可能需要專業(yè)的棋手花大量的時(shí)間去研究影響棋局的每一個(gè)因素拱绑，而且還不一定準(zhǔn)確综芥。而利用深度學(xué)習(xí)技術(shù)只要設(shè)計(jì)好網(wǎng)絡(luò)框架，就不需要考慮繁瑣的特征提取的過程猎拨。這也是 DeepMind公司的AlphaGo 能夠強(qiáng)大到輕松擊敗專業(yè)的人類棋手的原因膀藐，它節(jié)省了大量的特征提取的時(shí)間，使得本來不可行的事情變?yōu)榭尚小?/span>

可塑性：

在利用傳統(tǒng)算法去解決一個(gè)問題時(shí)红省，調(diào)整模型的代價(jià)可能是把代碼重新寫一遍额各，這使得改進(jìn)的成本巨大。深度學(xué)習(xí)只需要調(diào)整參數(shù)吧恃，就能改變模型虾啦。這使得它具有很強(qiáng)的靈活性和成長性，一個(gè)程序可以持續(xù)改進(jìn)，然后達(dá)到接近完美的程度傲醉。

普適性：

神經(jīng)網(wǎng)絡(luò)是通過學(xué)習(xí)來解決問題蝇闭，可以根據(jù)問題自動建立模型，所以能夠適用于各種問題硬毕，而不是局限于某個(gè)固定的問題呻引。

應(yīng)用領(lǐng)域

                                                   字體識別                                                             瑕疵檢測

物件對比&升級

                                                快速物件分類                                               特征點(diǎn)辨識和定位

應(yīng)用案例

多暇疵檢測：iphone充電頭測試，相機(jī)1只吐咳，優(yōu)點(diǎn)：多瑕疵檢測

PCB板檢測：相機(jī)1只苞七，優(yōu)點(diǎn)：用Golden Sample教導(dǎo)系統(tǒng)，讓系統(tǒng)自行找出與Golden Sample不同的PCB板挪丢，不需要制造協(xié)暇來讓系統(tǒng)學(xué)習(xí)蹂风。

數(shù)量檢測：相機(jī)：1只(Fov內(nèi)都可以算出數(shù)量) 優(yōu)點(diǎn)：使用深度學(xué)習(xí)的方式來做，可提高辨視率乾蓬，即使產(chǎn)品靠的很緊都可以正確辨視

隱形眼鏡瑕疵檢測