深度学习如何实现机器视觉解决方案

深度学习使机器视觉解决方案适用于缺陷或检查标准无法轻松量化或数学定义的应用。它为机器视觉设计人员提供了一个强大的新工具，用于高级检测、组装和质量保证应用，因为该软件本质上帮助设计人员开发最佳算法。但直到最近，创建深度学习软件还需要传统的编程技能，最好是结合扎实的统计学基础和传统机器视觉系统设计。

今天，多亏了支持深度学习的智能摄像头、网关和特定应用程序编码，大众的深度学习可能只需要点击几下鼠标。

智能相机深入人心

深度学习过程分为两部分:训练和推理。训练包括通过向神经网络输入“好”产品和“坏”产品的图像来优化神经网络。人工操作员将图像标记为好或坏，深度学习软件进行统计分析，以创建一个加权表。培训过程的计算量非常大，这促使许多设计人员在培训步骤中使用高端工作站或利用云资源。

从深度学习软件得到的统计矩阵是深度学习第二步的核心:推理。推理包括使用深度学习算法来解决现实世界的问题。这部分深度学习软件可以在更广泛的计算机平台上运行，从高端个人电脑到智能相机。现在，用户无需使用TensorFlow、Caffe或其他复杂的深度学习数据可视化程序来训练深度学习算法，而是可以转向其他解决方案。例如，康耐视最新的智能相机In-Sight D900使深度学习编程像创建电子表格一样简单。

康耐视的In-Sight系列视觉系统率先使用电子表格编程，通过智能相机平台简化机器视觉解决方案的设计和部署。通过将其ViDi深度学习软件与In-Sight平台相结合，康耐视希望带来能够执行更复杂装配验证的深度学习解决方案。

康耐视产品营销高级经理Brian Benoit解释说:“D900是第一个不需要PC部署的深度学习机器视觉系统。“用户可以通过PC上的In-Sight软件界面来训练深度学习软件。一旦培训步骤完成，作业就会被加载到摄像头上，你就可以准备好部署了。”

据Benoit介绍，D900适用于每分钟检查150-200次的应用。康耐视通过升级In-Sight的内部处理能力，同时利用嵌入式解决方案固有的速度，实现了这一性能。

Gateway为每台相机带来了深度学习

然而，并不是每个想要利用深度学习的机器视觉客户都愿意用新的平台取代现有的机器视觉硬件。为了将深度学习引入现有设备，同时简化对深度学习成功至关重要的图像采集和标记，机器视觉网络专家Pleora推出了AI Gateway。基于NVIDIA GPU框架，AI Gateway就像相机和处理器或其他计算引擎之间的帧抓取器。

Pleora首席技术官Jonathan Hou表示，通过一个网关，Pleora可以为多个“哑”摄像头提供深度学习机器视觉能力。“客户可能拥有最好的深度学习算法，但他们如何将其部署到工厂车间呢?我们的解决方案使他们能够保持已安装的机器视觉硬件基础，而无需强迫客户选择任何特定制造商的深度学习解决方案路径。”

永远不要停止学习

虽然大多数深度学习系统在训练和推理步骤之间都有一个硬停，因此算法的有效性不会被未经人类专业标记或分级的图像所欺骗，但如果它们从不停止学习，一些解决方案可能会得到改进。

例如，Datalogic的条形码和可追溯性专家首次将深度学习技术应用于基于图像的识别系统。Datalogic产品营销经理布拉德利•韦伯(Bradley Weber)表示:“我们非常关注可追溯性，所以我们已经将深度学习应用于识别、代码阅读和一些模式识别。”“当我们看包装上的标签时，显然我们想读条形码。但最强大的解决方案还将读取条形码下的数字，进出运输信息-盒子上的任何和所有标记。你在包裹上收集的每一点数据都增加了你追踪包裹的机会，即使条形码或标签损坏了。”

Weber表示，Datalogic一直致力于将深度学习的强大功能嵌入到其产品中，这样客户就不需要访问底层代码。他说:“当我们考察谁安装可追溯性解决方案时，他们不会是视觉工程师。”“所以解决方案需要简单和防错。例如，我们将很快发布我们的Smart-VS，一种使用人工智能的视觉传感器。无需编程，用户可以按下按钮告诉用户什么是好的商品，再按下按钮告诉用户什么是坏的商品，传感器就会学习如何拒绝或分类商品。”

根据Weber的说法，像代码读取和OCR这样的可追溯性应用程序可以受益于不断了解客户的包装如何随着时间的推移而变化。系统可以学习OCR的新字体——甚至可能是手写。

韦伯说:“现在，处理是如此便宜，我们专注于将计算能力放在边缘，这使得深度学习成为可能，但也限制了我们在飞行中训练的能力。”“随着5G技术的推出，我们可以想象，这股势头将从微处理器转向网络。我怀疑，更强大的计算机系统和更快的网络之间的反复将继续指导我们如何在机器视觉应用中部署和使用深度学习。任何让我们能够自动化运输和追溯的东西——尤其是在COVID-19的疯狂时期——都是一件非常好的事情。”

韦恩哈丁是AIA的特约编辑。本文最初发表于视觉在线。AIA是先进自动化协会(A3)的一部分，是CFE媒体的内容合作伙伴。由CFE媒体制作编辑克里斯·瓦夫拉编辑，cvavra@cfemedia.com。

原始内容可以在www.visiononline.org。

您是否具有本内容中提到的主题的经验和专业知识?你应该考虑为我们的CFE媒体编辑团队做出贡献，并获得你和你的公司应得的认可。点击在这里开始这个过程。