什么是深度學(xué)習？

　　深度學(xué)習是機器學(xué)習的一個(gè)子集，機器學(xué)習本身就是人工智能的一個(gè)分支。因此，深度學(xué)習提供了先進(jìn)的分析工具來(lái)處理在“智能”制造中部署傳感器和物聯(lián)網(wǎng)所產(chǎn)生的大量數據是有道理的。當它應用于機器視覺(jué)軟件時(shí)，深度學(xué)習允許機器從大量圖像中學(xué)習。

　　為了幫助機器執行特定任務(wù)，深度學(xué)習程序利用多層軟件神經(jīng)網(wǎng)絡(luò )來(lái)學(xué)習執行任務(wù)所需的要求。人類(lèi)訓練深度學(xué)習程序來(lái)獲取信息的方式與兒童學(xué)習的方式大致相同。隨著(zhù)時(shí)間的推移，程序通過(guò)標記產(chǎn)品示例查看數千張指定為此類(lèi)的圖像后，學(xué)會(huì )區分“好”和“壞”模式。

　　深度學(xué)習與機器視覺(jué)有何不同？

　　機器視覺(jué)軟件可靠地檢查一致、制作精良的組件，因為它采用基于規則的算法和基于其特征的逐步過(guò)濾。由于組件在空間中的位置和方向的縮放、旋轉和扭曲，它可以容忍組件外觀(guān)的一些變化。

　　但是圖像質(zhì)量問(wèn)題和復雜的表面紋理給檢測過(guò)程帶來(lái)了嚴峻的挑戰，機器視覺(jué)系統通常難以區分彼此非常相似的零件之間的可變性和偏差。雖然“功能性”偏差通常會(huì )被機器視覺(jué)系統捕獲并拒絕，但外觀(guān)偏差可能不會(huì )，因為這些系統可能無(wú)法區分它們。

　　由于照明、顏色變化、曲率和視野等變量難以區分，機器視覺(jué)系統在總裝檢測中也受到嚴重限制。對于這種檢查，深度學(xué)習要有效得多。

　　與機器視覺(jué)相比，深度學(xué)習程序最適合沒(méi)有預定義形狀的檢測應用。發(fā)現諸如劃痕之類(lèi)的外觀(guān)缺陷或定位具有預定義形狀的對象是深度學(xué)習程序執行得非常好的任務(wù)。這些程序還可以通過(guò)確認所有組件正確且就位來(lái)簡(jiǎn)化包裝和驗證。深度學(xué)習的缺點(diǎn)是，由于收集和學(xué)習了所有數據，處理有關(guān)對象的信息有時(shí)會(huì )相當慢，因此機器視覺(jué)的更高處理速度為其帶來(lái)了明顯的優(yōu)勢。

　　深度學(xué)習對機器視覺(jué)的未來(lái)有何影響？

　　深度學(xué)習程序在檢查不規則或異常物體方面表現出色，并且具有在總裝檢查中對變量進(jìn)行分類(lèi)的粒度。這些功能擴展了機器視覺(jué)系統的功能范圍，使這兩種技術(shù)互補。盡管這些系統需要“人在循環(huán)中”來(lái)訓練和標記產(chǎn)品，但機器視覺(jué)和深度學(xué)習在一致性、可靠性和速度方面遠遠超過(guò)了人工檢查的能力。深度學(xué)習具有擴展的潛力，并且由于這種潛力才剛剛開(kāi)始實(shí)現，它有望擴大制造業(yè)的能力范圍。