| 品牌 | 其他品牌 | 產(chǎn)地類(lèi)別 | 進(jìn)口 |
|---|---|---|---|
| 應用領(lǐng)域 | 醫療衛生,生物產(chǎn)業(yè),電子,航天 |
人工智能機器視覺(jué)識別軟件
運用深度學(xué)習讓機器仿如人腦一樣能自我學(xué)習，可輕易的辨識傳統光學(xué)檢測(AOI)難以檢測的不規律瑕疵及特征，如臟污、刮痕、裂縫、毛邊等等。亦可用來(lái)實(shí)時(shí)又正確地將物件分類(lèi)及分級，及引導機器人自動(dòng)找尋正確工作路徑。無(wú)論是「監督式學(xué)習」或較*進(jìn)的「非監督式學(xué)習」，使用者僅需提供少量樣本自我學(xué)習，即能省去耗時(shí)并需客制化的軟件編寫(xiě)，大幅降低導入機器視覺(jué)的門(mén)坎。除了辨識外，已與機器人串聯(lián)，當軟件辨識完畢，其后續所需的取放動(dòng)作，均能透過(guò)機器人輕松自如地完成任務(wù)，充份達成產(chǎn)線(xiàn)*自動(dòng)化的完美境界。
人工智能機器視覺(jué)與傳統視覺(jué)的比較
高效率：
例如用傳統算法去評估一個(gè)棋局的優(yōu)劣，可能需要專(zhuān)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，而且還不一定準確。而利用深度學(xué)習技術(shù)只要設計好網(wǎng)絡(luò )框架，就不需要考慮繁瑣的特征提取的過(guò)程。這也是 DeepMind公司的AlphaGo 能夠強大到輕松擊敗專(zhuān)業(yè)的人類(lèi)棋手的原因，它節省了大量的特征提取的時(shí)間，使得本來(lái)不可行的事情變?yōu)榭尚小?/span>
可塑性：
在利用傳統算法去解決一個(gè)問(wèn)題時(shí)，調整模型的代價(jià)可能是把代碼重新寫(xiě)一遍，這使得改進(jìn)的成本巨大。深度學(xué)習只需要調整參數，就能改變模型。這使得它具有很強的靈活性和成長(cháng)性，一個(gè)程序可以持續改進(jìn)，然后達到接近完美的程度。
普適性：
神經(jīng)網(wǎng)絡(luò )是通過(guò)學(xué)習來(lái)解決問(wèn)題，可以根據問(wèn)題自動(dòng)建立模型，所以能夠適用于各種問(wèn)題，而不是局限于某個(gè)固定的問(wèn)題。
應用領(lǐng)域
字體識別 瑕疵檢測
物件對比&升級
快速物件分類(lèi) 特征點(diǎn)辨識和定位
應用案例
多暇疵檢測：iphone充電頭測試，相機1只，優(yōu)點(diǎn)：多瑕疵檢測
PCB板檢測：相機1只，優(yōu)點(diǎn)：用Golden Sample教導系統，讓系統自行找出與Golden Sample不同的PCB板，不需要制造協(xié)暇來(lái)讓系統學(xué)習。
數量檢測：相機：1只(Fov內都可以算出數量) 優(yōu)點(diǎn)：使用深度學(xué)習的方式來(lái)做，可提高辨視率，即使產(chǎn)品靠的很緊都可以正確辨視
隱形眼鏡瑕疵檢測
人工智能機器視覺(jué)識別軟件
上海市徐匯區虹梅路2007號6號樓3樓
info@auniontech.com
