作為專注于機(jī)器視覺系統(tǒng)的認(rèn)證視覺集成商，RVSTO使用深度學(xué)習(xí)來幫助工業(yè)客戶解決傳統(tǒng)機(jī)器視覺解決方案無法解決的挑戰(zhàn)。但這并不意味著深度學(xué)習(xí)對(duì)每個(gè)應(yīng)用程序來說都是靈丹妙藥。

深度學(xué)習(xí)使機(jī)器視覺系統(tǒng)可以基于對(duì)經(jīng)過專業(yè)標(biāo)記的圖像的統(tǒng)計(jì)分析來’學(xué)習(xí)’好壞部分，這類似于人類的學(xué)習(xí)方式。但是，如果應(yīng)用程序可以用傳統(tǒng)的機(jī)器視覺技術(shù)解決，那么它可能比深度學(xué)習(xí)解決方案運(yùn)行得更快，更便宜。

在某些人中間存在一個(gè)誤解，即深度學(xué)習(xí)意味著機(jī)器視覺系統(tǒng)會(huì)自我訓(xùn)練，但事實(shí)并非如此。深度學(xué)習(xí)有兩個(gè)階段：訓(xùn)練和推理。深度學(xué)習(xí)軟件使用大量計(jì)算能力來分析第三方專家標(biāo)記為“好”或“壞”的對(duì)象的圖像時(shí)，就會(huì)進(jìn)行培訓(xùn)。這通常是在云中或通過使用系統(tǒng)設(shè)計(jì)人員可用的大型PC來完成的。

然后，在訓(xùn)練之后，深度學(xué)習(xí)程序可以作為推理階段的一部分在本地主機(jī)上運(yùn)行。這是深度學(xué)習(xí)系統(tǒng)對(duì)新零件的質(zhì)量（即檢測(cè)步驟）做出判斷的時(shí)候。

深度學(xué)習(xí)擅長(zhǎng)識(shí)別難以定義的缺陷，例如手機(jī)外殼上的隨機(jī)劃痕。 但這對(duì)于傳統(tǒng)的機(jī)器視覺應(yīng)用（例如計(jì)量和測(cè)量）不利。

當(dāng)某個(gè)應(yīng)用程序看起來像是深度學(xué)習(xí)的理想選擇時(shí)，RVSTO可以幫助其客戶開發(fā)一個(gè)標(biāo)記圖像集來評(píng)估該應(yīng)用程序。

如果有機(jī)器視覺系統(tǒng)，我們可以讓操作員在圖像生成時(shí)對(duì)其進(jìn)行標(biāo)記， 如果沒有合適的系統(tǒng)，我們可能會(huì)安裝相機(jī)以獲取足夠的樣本圖像。盡管這似乎比使用傳統(tǒng)的機(jī)器視覺算法編程容易，但仍需要進(jìn)行工作。

受益于深度學(xué)習(xí)的一項(xiàng)新應(yīng)用是對(duì)制造汽車座椅泡沫墊的模具的檢測(cè)。每個(gè)模具都有數(shù)千種變體，其中包含任意數(shù)量的電線，線夾和其他組件。眾所周知，這些模具很難返工。單個(gè)有缺陷的焊盤可以消除下一組焊盤的利潤(rùn)。傳統(tǒng)的機(jī)器視覺系統(tǒng)已用于檢測(cè)模具的所有零件，確定零件是否有缺陷或缺失，如果零件缺失，則標(biāo)記模具以進(jìn)行返工。但是，不斷變化的墊片設(shè)計(jì)意味著機(jī)器視覺系統(tǒng)需要專職員工將每個(gè)新模具編程到系統(tǒng)中。

客戶發(fā)現(xiàn)他們現(xiàn)在可以使用識(shí)別夾子或組件的任何人員，將新的打擊墊模型添加到深度學(xué)習(xí)檢測(cè)系統(tǒng)中然后，系統(tǒng)會(huì)使用新模型訓(xùn)練自己，以繼續(xù)檢測(cè)，而無需全職員工的支持。

隨著自動(dòng)化領(lǐng)域涌現(xiàn)出許多新技術(shù)，RVSTO致力于為每種應(yīng)用選擇技術(shù)，以使客戶能夠充分利用先進(jìn)技術(shù)來改善制造。