深度學(xué)習(xí)大潮中的工業(yè)視覺(jué)檢測(cè)
深圳市聯(lián)優(yōu)視覺(jué)技術(shù)有限公司
在2010年以前，機(jī)器視覺(jué)技術(shù)廣泛應(yīng)用于工業(yè)檢測(cè)中。通常，算法工程師從自己對(duì)當(dāng)前問(wèn)題的理解和知識(shí)，對(duì)問(wèn)題進(jìn)行模型近似，然后結(jié)合自己的理論和技術(shù)進(jìn)行問(wèn)題求解。每個(gè)解決方案的性能與工程師的能力息息相關(guān)，很容易就可以看到解決方案的上限。而且，由于當(dāng)時(shí)圖像算法技術(shù)和理論所限，解決方案中通常會(huì)有很大一部分努力是在于如何通過(guò)光照（要求視覺(jué)光源）、相機(jī)和鏡頭選型（要求工業(yè)相機(jī)和工業(yè)鏡頭的性能）來(lái)優(yōu)化成像方案的方式來(lái)簡(jiǎn)化問(wèn)題，縮小問(wèn)題邊界，來(lái)降低算法適用性過(guò)小的不利影響。
進(jìn)入2010年后，深度學(xué)習(xí)理論席卷學(xué)術(shù)圈，也對(duì)機(jī)器視覺(jué)理論和技術(shù)帶來(lái)了深遠(yuǎn)的影響。很多機(jī)器視覺(jué)的領(lǐng)頭企業(yè)也在這個(gè)方面進(jìn)行發(fā)力，例如Cognex。深度學(xué)習(xí)的主要影響體現(xiàn)在以下方面：1.數(shù)據(jù)與模型的關(guān)系發(fā)生質(zhì)的變化。傳統(tǒng)理論和技術(shù)中，模型為主，數(shù)據(jù)為輔，模型在設(shè)計(jì)時(shí)通常都假定能夠適用大多數(shù)情況，例外發(fā)生時(shí)，收集數(shù)據(jù)，再由工程師進(jìn)行模型修正；基于深度學(xué)習(xí)的理論和技術(shù)，數(shù)據(jù)為主，模型隱藏于數(shù)據(jù)當(dāng)中，或者說(shuō)由數(shù)據(jù)訓(xùn)練而來(lái)。2.技術(shù)適用性大大增強(qiáng)。在數(shù)據(jù)足夠的情況下，基于深度學(xué)習(xí)的技術(shù)或者解決方案，具備很強(qiáng)的魯棒性，其所能帶來(lái)的性能大大超出算法工程師的能力邊界。因此，對(duì)于光照、成像環(huán)節(jié)的要求大大降低。3.系統(tǒng)行為的可預(yù)測(cè)性大大降低，由于訓(xùn)練數(shù)據(jù)的龐大與前向網(wǎng)絡(luò)的高度非線性，想要對(duì)該系統(tǒng)進(jìn)行較詳盡的分析已經(jīng)沒(méi)有可能。因此，使用中出現(xiàn)的問(wèn)題，很難分析其根由，不像傳統(tǒng)技術(shù)，review代碼即可知道在模型在哪一方面有不足或者是因?yàn)槭裁创aBUG引起的。
但是，需要指出的是，基于深度學(xué)習(xí)理論和技術(shù)也是有其邊界，也有其不擅長(zhǎng)的領(lǐng)域。深度學(xué)習(xí)理論和技術(shù)比較適合用來(lái)解決判斷邏輯，譬如“檢測(cè)當(dāng)前圖像是否有缺陷？”，“更像何種類型的缺陷？”等檢測(cè)與分類問(wèn)題。但是對(duì)于測(cè)量等應(yīng)用，則會(huì)不太適用。其根由在于，作為對(duì)標(biāo)人類智能的理論和技術(shù)，在大多數(shù)應(yīng)用領(lǐng)域中，深度學(xué)習(xí)理論技術(shù)還是以模仿或者逼近人類智能為其目標(biāo)。而人類智能對(duì)識(shí)別擅長(zhǎng)，但是對(duì)于測(cè)量等問(wèn)題并不擅長(zhǎng)，因此以學(xué)習(xí)人類為目標(biāo)的深度學(xué)習(xí)理論和技術(shù)也依然受此限制。同時(shí)，深度學(xué)習(xí)理論和技術(shù)的出現(xiàn)，并不意味著傳統(tǒng)打光、成像技術(shù)就沒(méi)有用武之地。而且，在比較大型的應(yīng)用中（例如人臉識(shí)別），也經(jīng)常能看到同時(shí)集成了傳統(tǒng)算法技術(shù)和深度學(xué)習(xí)理論技術(shù)的解決方案。一個(gè)設(shè)計(jì)合理的方案與系統(tǒng)，會(huì)大大簡(jiǎn)化我們待解決問(wèn)題的維度與復(fù)雜度，從而大大縮短我們訓(xùn)練網(wǎng)絡(luò)的數(shù)據(jù)量和時(shí)間，也同時(shí)大大降低網(wǎng)絡(luò)的復(fù)雜度（網(wǎng)絡(luò)規(guī)模和參數(shù)量），從而會(huì)大大降低我們解決方案所需的計(jì)算資源要求，這對(duì)于IOT等場(chǎng)合無(wú)疑是我們優(yōu)先考慮的選項(xiàng)。
總之，深度學(xué)習(xí)理論和技術(shù)給機(jī)器視覺(jué)領(lǐng)域帶來(lái)沖擊，并產(chǎn)生了深遠(yuǎn)的影響，這種技術(shù)與傳統(tǒng)技術(shù)之間的融合將會(huì)大大推進(jìn)機(jī)器視覺(jué)領(lǐng)域的發(fā)展。
上一篇：關(guān)于深圳聯(lián)優(yōu)視覺(jué)2020年春節(jié)放假通知
下一篇：有關(guān)Computar鏡頭 1.1英寸-1200萬(wàn)MPY系列型號(hào)升級(jí)說(shuō)明
相關(guān)推薦