如今，工業(yè)自動化快速發(fā)展，工業(yè)4.0的概念已經(jīng)被提上日程。在產(chǎn)品生產(chǎn)流水線上，對于產(chǎn)品的質量檢測，許多企業(yè)也逐漸嘗試用機器視覺代替人工肉眼進行檢測，但時代瞬息萬變，神經(jīng)網(wǎng)絡之深度學習這項技術的不斷成熟，為產(chǎn)品外觀檢測帶來更多的可能。那么它與傳統(tǒng)視覺檢測有什么區(qū)別呢?國辰機器人帶你瞧一瞧。

雖然傳統(tǒng)的機器視覺系統(tǒng)在處理一致且制造精良的部件時能夠可靠地運行，但隨著例外和缺陷庫的增大，算法也會變得越來越有挑戰(zhàn)性。換句話說，到了特定的時候，工廠自動化中需要的某些應用將無法再依靠基于規(guī)則的機器視覺。某些傳統(tǒng)的機器視覺檢測，因為有許多不易被機器識別的變量，所以編程也比較困難，例如：照明、顏色變化、曲面、或視野。

因此，深度學習這項技術在產(chǎn)品外觀缺陷視覺檢測中便發(fā)揮了極大的效用，借助深度學習這樣的工具，便可以在生產(chǎn)線上更加一致、更加可靠、且更加快速地完成這些任務。人類擅長分類不同但相似的東西，我們幾秒內(nèi)就能理解某一組物體間的差異。在這個意義上，深度學習將人類進化的智能和基于規(guī)則的傳統(tǒng)機器視覺的一致性、可重復性和可擴展性這兩種優(yōu)勢結合在一起。

視覺檢測在實際應用中，通過對缺陷圖片的不斷訓練以及優(yōu)化，諸如布匹、薄膜、金屬、鋁箔、銅箔等的表面缺陷都可精準地檢測出來，國辰基于深度學習的在線缺陷檢測系統(tǒng)還能實時監(jiān)控產(chǎn)品表面質量，提供全面的表面缺陷分類，幫助管理者對缺陷成因及時分析，從根源處進行防范。