CN
EN DE JP
 

企业动态

OPT(壹定发)深度学习软件SciDeepVision的技术原理及应用

分享到:
宣布时间:2022-12-02 来源 :

12月1日,OPT(壹定发)举办主题为“基于深度学习的机械视觉应用”线上研讨会,分享深度学习软件SciDeepVision的图像剖析焦点技术及应用案例,如异常缺陷检测算法小样本学习、自适应训练、迁移学习等。本次专题研讨会由OPT(壹定发)研发中心高红超博士主讲



深度学习软件SciDeepVision

自动提取特征信息

深度学习是人工智能的焦点技术,结合了深度学习的机械视觉系统,能让机械像人一样具有剖析学习能力,从而识别文字、图像等数据信息,解决多种庞大的模式识别问题。




深度学习在机械视觉的应用


深度学习的三要素划分为算法、算力、数据,在机械视觉应用中,需要强大的算力支撑并依赖大宗数据。在这历程中,深度学习应用通常会遇到样本数据缺乏、太过依赖硬件性能等问题,进而影响图像剖析效率与准确率。


OPT(壹定发)推出的深度学习软件SciDeepVision ,突破了古板深度学习的瓶颈,集标注 、训练、评估为一体, 具有无需编程、操作便当等特性,自动进行特征提取,囊括 20 余项要害技术和功效,涵盖数据规整标注、AI 基础模型、模型性能提升、模型训练、评估可视化等。


深度学习算法流程可视化


集成小样本学习、迁移学习等技术

降低对数据的依赖


SciDeepVision 软件在异常检测、文字识别、小样本学习、迁移学习、?模型轻量化等图像剖析方面实现要害技术立异,例如解决了太过依赖大宗缺陷样本数据和硬件设备性能等问题,AI 检测模型的鲁棒性更好,能节约大宗人力实时间本钱。


SciDeepVision 软件接纳异常缺陷检测算法,仅需正常样本,无需标注缺陷位置,检测模型能自动识别带有缺陷的图像,并精准定位缺陷位置;同时,通过小样本文字识别算法,使用少量带有字符标注信息的图片,就能生成大规模高质量的带有源域作风的文字图像。


小样本文字识别算法检测比照


深度学习软件在生成检测模型历程中,通常会由于缺陷样本少、形态差别大、换型频繁等原因,泛起鲁棒性、泛化性差等问题,为解决此类难题,OPT(壹定发)对SciDeepVision软件进行了三大技术立异,即小样本学习框架、自适应训练技术和迁移学习技术

其中,自适应训练技术,能从历史数据中,推荐对目今检测有价值的数据,并进行人工标注和优化模型,数据整理事情量降低一半,大幅提升AI模型检测准确率,训练本钱低。


自适应训练技术


别的,SciDeepVision 软件的迁移学习技术,能在不影响AI检测模型鲁棒性和泛化性的前提下,缩短模型训练周期,相近工艺的质检甚至能实现一键换型,产品换型时间缩短。

?


迁移学习技术




基于深度学习的视觉应用

笼罩锂电池制程多个工序


SciDeepVision 软件目前已广泛应用于锂电、3C等行业,如在锂离子电池制造历程中,爆发的外观缺陷种类繁多、形态各异,无法用古板的界说规则来实现检测。而SciDeepVision软件已应用于锂电池制程的十多个要害工序,包括涂布、模切、激光分切、叠片、卷绕、焊接、包装等各环节。


SciDeepVision软件在锂电池工序的应用


以锂电池极耳焊接缺陷检测为例,焊接缺陷形态富厚,难以界定其形态边沿,缺陷位置具有随机性,利用SciDeepVision软件,能利用卷积神经网络进行特征提取,快速输有缺陷支解的类别信息。


SciDeepVision软件在极耳缺陷检测的应用


别的,OPT(壹定发)还基于深度学习,设计壹定发、轻量型的条形码定位算法,对条形码图像进行增强、矫正,能在仅有少量条形码数据的情况下,实现高速高精度的条形码定位。


了解深度学习在机械视觉应用的更多详情,请扫二维码,寓目直播回放!