应用于工业检测的深度学习软件DeepAI

视觉检测的应用场景

视觉检测的工作流程

传统图像处理vs深度学习

视觉检测的场景特性

不同于经典AI领域，工业检测场景有一些独有的特点。

深度学习可以数据增强

1、增加样本数量，提高模型准确性及泛化能力

2、增加噪声，提高模型鲁棒性

“{:?PL.9O射变换增强

特殊增强方法

数据增强可以降低错误率

迁移学习

1、利用大量工业数据生成预训练模型

2、减少具体问题训练时间，提升模型泛化能力

模型压缩

1、降低模型参数量即模型文件尺寸

2、提高推理速度

模型剪枝

模型蒸馏

DeepAI深度学习软件

DeepAI是一款集图像标注、模型训练与验证、在线检测等功能于一身的智能检测软件，包含多种实用的检测工具。

常用的检测模型

常用的 络结构

标准模型vs轻量化模型

考虑到问题的复杂程度，兼顾训练时间及模型精度，每种模型都提供轻量化版本，轻量化模型的训练速度平均提升5倍

训练时间

系统部署

应用案例

药瓶 / 字符有无检测

检测需求：

1、药瓶是否缺失

2、表面字符是否缺失

难点：

1、易反光，成像质量差

2、字符特征不明显

绿色：OK， 红色：药瓶缺失 ， 黄色：字符缺失

手机玻璃缺陷检测与分类

检测需求：

1、表面外观缺陷

2、缺陷准确分类

难点：

1、缺陷种类多

2、部分缺陷相似度高

手机CG缺陷

电子元器件表面缺陷检测

检测需求：

1、表面外观缺陷

2、缺陷分类

难点：

1、缺陷种类多

2、特征复杂

复杂背景缺陷检测

激光焊点完整性检测

检测需求：

1、焊点完整性

2、焊点的位置偏移

难点：

1、特征对比度低

2、外部干扰多

OCR字符识别案例

一维/二维码检测与识别

无监督模型检测案例

【AOI机器视觉】

2021/10/24-OpenCV 图像处理入门：模块，滤波，阈值，模板匹配，边缘检测…