CN / EN
banner圖
掌握核心技術 駕馭光的運用

行業新聞

Technical Articles

傳統機器學習與深度學習

日期:2020-04-23 來源:币游国际

機器視覺是人工智能的一個分支,簡單來說,就是用機器代替人眼來做測試和判斷。運用機器視覺可以提高生產的靈活性和自動化程度,目前隨著核心技術的不斷完善,機器視覺下遊應用場景不斷拓展,包括消費電子、汽車、半導體、虛擬現實、智能安防、健康醫療等。

與人類視覺相比,機器視覺功能範圍不僅包括對信息的接受,同時還延伸至對信息的處理與判斷,整體包括相機、鏡頭、視覺控製器、圖像處理、傳感器、算法平台等。一個典型的機器視覺應用係統包括圖像捕捉模塊、圖像數字化模塊、圖像處理模塊、決策模塊、機械控製執行模塊以及光源係統等。

機器視覺在實際應用中,還存在很多問題,比如缺陷樣本太少怎麽辦,麵對未知缺陷混入有沒有更好的解決方案等等。機器視覺領域專業人士就機器視覺的工作流程細節、實際項目中遇到的問題及解決方案等做了詳細分享和解讀。

機器視覺的工作過程離不開深度學習,深度學習是機器學習研究中的一個新領域,其動機在於建立、模擬人腦進行分析學習的神經網絡,它模仿人腦的機製來解釋數據,例如圖像、聲音和文本,深度學習的概念源於人工智能神經網絡的研究。

深度學習的工作流程大致可概括為標注、訓練和推理。首先,人工收集和采集圖像,標注特征,形成數據;然後,將這些數據喂給計算機,讓計算機進行訓練,生成網絡進行評估,如果這個網絡的性能符合要求,就可以上線,實現檢測。網絡在上線之後,會產生大量的數據,這些數據又可以變成新的樣本,通過加入數據,進行迭代優化,讓網絡和檢測係統越來越好。

在深度學習的過程中,建立一個高質量的訓練數據集非常關鍵。高質量訓練數據集對於成功部署深度學習解決方案至關重要,邊緣情況或者標記不當的數據集會使網絡混亂,而標記良好、內部一致的數據集的效果會更佳,訓練圖像必須在其所代表的類別中具備典型,訓練圖像樣式必須盡量貼近係統部署時會遇到的圖像。

深度學習對於機器視覺的應用大致可以分成三種,一是分類,即可以將產品分為合格和不合格,這是深度學習最大的一個應用;二是定位,即幫助使用者定位物體的位置和數量;三是分割,即可以找到缺陷的輪廓,基於缺陷的輪廓和大小,對產品進行更精細的判別。

相對於傳統機器學習,深度學習對於機器視覺的作用更顯著,在應對無規律圖像方麵,深度學習機器視覺解決方案,即使圖像複雜,通過深度學習算法,軟件可以自動學習瑕疵的特征,使得無規律圖像的分析變得可能;而傳統機器視覺解決方案,當圖像不規則、無規律時,缺陷的特征很難通過手動設定,無法分析圖像。在精確度方麵,深度學習機器視覺解決方案,可通過深度學習算法和製造業特有的數據提高檢測的精確度;傳統機器視覺解決方案,如果缺陷部分和之前設定好的缺陷有輕微的出入,傳統視覺都無法檢測出這樣的缺陷,導致檢測的精確度低。

雖然深度學習在很多方麵具有優勢,不過也並不是所有任務都適用。在項目中遇到的幾個問題以及解決方案,這幾個問題分別是:

一、缺陷樣本太少的問題,比如iWatch,因為蘋果的產品品控非常高、良品率高、缺陷量很少,它能提供的缺陷樣品就非常少,這樣就沒有足夠多的缺陷數據可以進行訓練。

二、標注工作量大的問題,對於缺陷檢測和分割來說,標注的時候需要把缺陷都描出來,如果對於圖像覆蓋比較大,缺陷比較多的話,工作量就比較大。

三、混入未知缺陷的問題,在生產過程中已經知道了幾種缺陷,但是不知道將來會出現哪些缺陷,比如生產過程,突然混入異物、其他料,事先不知道會混入什麽料,沒有進行訓練,機器就檢測不出來,會將不合格產品作為合格產品輸出。

麵對這些問題,大恒圖像嚐試讓機器隻學習好的樣本,沒有壞的樣本,因為隻學習好的樣本,就不需要標注,隻需要少量好的樣本。如果給機器輸入一張不好的圖片,它就會給出缺陷的區域,因為隻訓練好的樣品,任何缺陷都可以檢測出來,而且運行過程也會很快。

對於混入未知缺陷的問題,將傳統機器學習和深度學習搭配使用也是一種可行方案。傳統機器學習和深度學習各具優劣勢,外觀檢測有一種情況,可以看出對比度非常高,用傳統方法處理,會非常的穩定和快速。而深度學習對瑕疵分類則會更有優勢,比如客戶需要分出缺陷種類,他們用傳統方法花了兩個月時間調好之後,如果換另外一種物料,又得重新調,這種情況便適合使用深度學習。然而對於沒有進行訓練的缺陷出現,深度學習就沒有辦法檢測出來。如果生產的過程中出現這種情況,用傳統的方法和深度學習一起應用,傳統的方法解決傳統的、快速的問題,甚至把合格品分出來,再用深度工具去做一些瑕疵的分類。

隨著智能化水平不斷提高,機器視覺已經進入高速發展期,中國機器視覺市場需求也將不斷增長,報告顯示,2018年中國機器視覺市場規模超過100億元,預計2019年市場規模將接近125億,麵對日益擴大的市場需求,不斷發現實際應用中的問題,並優化產品解決方案是企業能夠站穩市場位置的一個重要關鍵點。


返回列表