一名優(yōu)秀的質(zhì)檢員不僅要技術(shù)過(guò)硬、知識(shí)面廣，還要觸類旁通、舉一反三，對(duì)于過(guò)去存在的缺陷、不存在的缺陷都能做出準(zhǔn)確的判斷。在質(zhì)檢員判斷產(chǎn)品缺陷這個(gè)看似簡(jiǎn)單的過(guò)程中，他的大腦卻經(jīng)歷了一場(chǎng)極其復(fù)雜的運(yùn)算。

“老虎總有打盹的時(shí)候”，再優(yōu)秀的質(zhì)檢員也總有疲倦的時(shí)候，在制造業(yè)因質(zhì)檢員疲倦走神而導(dǎo)致的品質(zhì)事件比比皆是。如今，國(guó)家大力提倡“機(jī)器換人”，將機(jī)器訓(xùn)練成一名永不疲倦的優(yōu)秀質(zhì)檢員變得尤為重要，而這其中的核心技術(shù)就是我們今天的主題——深度學(xué)習(xí)。

利元亨的石博士專注于深度學(xué)習(xí)領(lǐng)域的研究10余年，他這樣說(shuō)道：“就拿蘋果來(lái)說(shuō)，我們不管看到一個(gè)紅的、黃的、青的、大的、小的蘋果都能準(zhǔn)確辨認(rèn)出這個(gè)物體是蘋果；甚至是被咬過(guò)一口的、只剩果殼的、削皮切塊的都能輕松地判斷出這是蘋果。但要機(jī)器達(dá)到這個(gè)效果，就需要用到深度學(xué)習(xí)。”

什么是深度學(xué)習(xí)？

深度學(xué)習(xí)是一門專門研究計(jì)算機(jī)怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以獲取新的知識(shí)或技能，重新組織已有的知識(shí)結(jié)構(gòu)使之不斷改善自身的性能的學(xué)科。深度學(xué)習(xí)是一類人工智能算法的集合，是機(jī)器學(xué)習(xí)的一個(gè)分支，是當(dāng)今世界最具魅力的技術(shù)之一。2016年3月，由谷歌旗下DeepMind公司開發(fā)的AlphaGo，成為第一個(gè)戰(zhàn)勝圍棋世界冠軍的人工智能機(jī)器人，其主要工作原理就是“深度學(xué)習(xí)”。

深度學(xué)習(xí)有哪些應(yīng)用？

近些年來(lái)，由于深度學(xué)習(xí)在圖像識(shí)別、自然語(yǔ)言理解、網(wǎng)絡(luò)檢索、信息安全等領(lǐng)域表現(xiàn)出了驚人的準(zhǔn)確性，在當(dāng)代社會(huì)正在掀起一場(chǎng)技術(shù)變革，從網(wǎng)絡(luò)搜索到社交網(wǎng)絡(luò)中的內(nèi)容過(guò)濾、電子商務(wù)網(wǎng)站的個(gè)性化推薦，深度學(xué)習(xí)正在快速的出現(xiàn)在我們的生活中。

深度學(xué)習(xí)在工業(yè)自動(dòng)化領(lǐng)域的應(yīng)用：在工業(yè)自動(dòng)化領(lǐng)域，過(guò)去人們一直在思考如何教計(jì)算機(jī)執(zhí)行工業(yè)產(chǎn)品的自動(dòng)檢查任務(wù)，例如產(chǎn)品中的缺陷、污染物、功能缺陷等。機(jī)器視覺(jué)因其速度快、準(zhǔn)確性高和可重復(fù)性好等優(yōu)點(diǎn)而在特定的工業(yè)自動(dòng)化環(huán)境中具有很大優(yōu)勢(shì)。

在生產(chǎn)線上，機(jī)器視覺(jué)系統(tǒng)可以輕松檢測(cè)人眼難以看到的物體細(xì)節(jié)，機(jī)器視覺(jué)系統(tǒng)可以可靠且重復(fù)地每分鐘檢查數(shù)百或數(shù)千個(gè)部件，遠(yuǎn)遠(yuǎn)超過(guò)人類的檢測(cè)能力。雖然傳統(tǒng)機(jī)器視覺(jué)系統(tǒng)在處理一些零部件時(shí)能夠可靠地運(yùn)行，有效提高了檢測(cè)的效率，為制造業(yè)降低了人工成本。但隨著缺陷類別變得更加多樣性，算法的復(fù)雜度將變得越來(lái)越高。

除此之外，復(fù)雜的表面紋理和圖像質(zhì)量問(wèn)題還會(huì)帶來(lái)嚴(yán)重的檢測(cè)挑戰(zhàn)，傳統(tǒng)機(jī)器視覺(jué)系統(tǒng)在復(fù)雜零件面前往往束手無(wú)策。與傳統(tǒng)的機(jī)器視覺(jué)不同，雖然人類檢查缺陷的速度有限，但人類擅長(zhǎng)發(fā)現(xiàn)缺陷的特征，能夠聯(lián)系上下文信息進(jìn)行推斷。人類通過(guò)一定量的實(shí)例學(xué)習(xí)后，就能夠區(qū)分真正重要的部分。在很多情況下，這使人類視覺(jué)成為檢查復(fù)雜產(chǎn)品缺陷的理想選擇。

深度學(xué)習(xí)融合了人工視覺(jué)檢測(cè)的靈活性與計(jì)算機(jī)系統(tǒng)的高可靠性、一致性和時(shí)效性等優(yōu)點(diǎn)，越來(lái)越多的先進(jìn)制造企業(yè)正在轉(zhuǎn)向深度學(xué)習(xí)方案，以解決其復(fù)雜的自動(dòng)化挑戰(zhàn)。

▲利元亨外觀缺陷全自動(dòng)檢測(cè)設(shè)備

利元亨研發(fā)的外觀缺陷全自動(dòng)檢測(cè)設(shè)備就運(yùn)用了深度學(xué)習(xí)算法成功解決電芯外觀缺陷的檢測(cè)難題：

·檢測(cè)涵蓋主要缺陷和一般缺陷，可檢測(cè)出96種電芯外觀缺陷

·機(jī)構(gòu)的相機(jī)、光源可多維度調(diào)節(jié)，能夠多款兼容電芯的外觀檢測(cè)，實(shí)現(xiàn)一鍵換型

·可對(duì)檢測(cè)結(jié)果進(jìn)行梯度分類，實(shí)現(xiàn)最后的質(zhì)量把關(guān)，杜絕殘次品流向市場(chǎng)

·設(shè)備適用于多領(lǐng)域產(chǎn)品的表面缺陷檢測(cè)

深度學(xué)習(xí)的工作原理是什么？

深度學(xué)習(xí)背后的主要原理是從大腦中汲取靈感。這種觀點(diǎn)產(chǎn)生了“神經(jīng)網(wǎng)絡(luò)”術(shù)語(yǔ)，大腦包含數(shù)十億個(gè)神經(jīng)元，它們之間有數(shù)萬(wàn)個(gè)連接。

在許多情況下，深度學(xué)習(xí)算法類似于大腦，因?yàn)榇竽X和深度學(xué)習(xí)模型都涉及大量的計(jì)算單元(神經(jīng)元)，這些單元在未激活時(shí)并不是活躍的，它們彼此交互時(shí)會(huì)變得智能化。神經(jīng)網(wǎng)絡(luò)的基本構(gòu)建模塊是人工神經(jīng)元--模仿人類大腦神經(jīng)元。這些是強(qiáng)大的計(jì)算單元，具有加權(quán)輸入信號(hào)并使用激活功能產(chǎn)生輸出信號(hào)。這些神經(jīng)元分布在神經(jīng)網(wǎng)絡(luò)的幾個(gè)層中。

▲類腦神經(jīng)元

深度學(xué)習(xí)由人工神經(jīng)網(wǎng)絡(luò)組成，這些網(wǎng)絡(luò)以人腦中存在的類似網(wǎng)絡(luò)為模型。當(dāng)數(shù)據(jù)通過(guò)這個(gè)人工網(wǎng)格時(shí)，每個(gè)層處理數(shù)據(jù)的一個(gè)方面，過(guò)濾異常值，找到合適的實(shí)體，并產(chǎn)生最終輸出。

▲神經(jīng)元網(wǎng)絡(luò)

隨著“機(jī)器換人”進(jìn)程的持續(xù)推進(jìn)和終端消費(fèi)者對(duì)品質(zhì)越來(lái)越高的要求，融合深度學(xué)習(xí)技術(shù)的外觀缺陷檢測(cè)設(shè)備將在越來(lái)越多的企業(yè)中得到廣泛應(yīng)用。而在制造業(yè)產(chǎn)品同質(zhì)化、競(jìng)爭(zhēng)白熱化的今天，擁有先進(jìn)的裝備就等同于擁有核心競(jìng)爭(zhēng)力，利元亨智能裝備將為您進(jìn)入“新藍(lán)?！北ｑ{護(hù)航。