眾所周知,一名優(yōu)秀的質(zhì)檢員不僅要技術(shù)過硬、知識面廣,還要觸類旁通、舉一反三,對于過去存在的缺陷、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)品缺陷這個看似簡單的過程中,他的大腦卻經(jīng)歷了一場極其復(fù)雜的運(yùn)算。廣東利元亨智能裝備股份有限公司(以下簡稱“利元亨”)致力于成為“全球一流的工廠自動化整體解決方案供應(yīng)商”,可以在深度學(xué)習(xí)人工智能技術(shù)中定位缺陷位置及缺陷類別分類等。利元亨擅長熟練高效地將機(jī)器人技術(shù)、多軸可編程控制技術(shù)、自學(xué)習(xí)智能控制技術(shù)、機(jī)器視覺與人工智能技術(shù)、激光加工技術(shù)、基于點(diǎn)云的機(jī)器人軌跡規(guī)劃技術(shù)、機(jī)電聯(lián)合仿真技術(shù)、柔性輸送技術(shù)、云端數(shù)據(jù)采集和遠(yuǎn)程運(yùn)維技術(shù)、力與位移采集系統(tǒng)精準(zhǔn)控制技術(shù)等10余項先進(jìn)技術(shù)應(yīng)用于各行業(yè)的自動化生產(chǎn)線中,幫助合作伙伴搶先占據(jù)競爭優(yōu)勢。

　　什么是深度學(xué)習(xí)?

　　深度學(xué)習(xí)是一門專門研究計算機(jī)怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為,以獲取新的知識或技能,重新組織已有的知識結(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,由于深度學(xué)習(xí)在圖像識別、自然語言理解、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)代社會正在掀起一場技術(shù)變革,從網(wǎng)絡(luò)搜索到社交網(wǎng)絡(luò)中的內(nèi)容過濾、電子商務(wù)網(wǎng)站的個性化推薦,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)自動化領(lǐng)域的應(yīng)用:在工業(yè)自動化領(lǐng)域,過去人們一直在思考如何教計算機(jī)執(zhí)行工業(yè)產(chǎn)品的自動檢查任務(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)自動化環(huán)境中具有很大優(yōu)勢。

　　在生產(chǎn)線上,機(jī)器視覺系統(tǒng)可以輕松檢測人眼難以看到的物體細(xì)節(jié),機(jī)器視覺系統(tǒng)可以可靠且重復(fù)地每分鐘檢查數(shù)百或數(shù)千個部件,遠(yuǎn)遠(yuǎn)超過人類的檢測能力。雖然傳統(tǒng)機(jī)器視覺系統(tǒng)在處理一些零部件時能夠可靠地運(yùn)行,有效提高了檢測的效率,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)雜度將變得越來越高。

　　除此之外,復(fù)雜的表面紋理和圖像質(zhì)量問題還會帶來嚴(yán)重的檢測挑戰(zhàn),傳統(tǒng)機(jī)器視覺系統(tǒng)在復(fù)雜零件面前往往束手無策。與傳統(tǒng)的機(jī)器視覺不同,雖然人類檢查缺陷的速度有限,但人類擅長發(fā)現(xiàn)缺陷的特征,能夠聯(lián)系上下文信息進(jìn)行推斷。人類通過一定量的實例學(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)融合了人工視覺檢測的靈活性與計算機(jī)系統(tǒng)的高可靠性、一致性和時效性等優(yōu)點(diǎn),越來越多的先進(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)雜的自動化挑戰(zhàn)。

　　▲利元亨外觀缺陷全自動檢測設(shè)備

　　利元亨研發(fā)的外觀缺陷全自動檢測設(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難題:

　　? 檢測涵蓋主要缺陷和一般缺陷,可檢測出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,實現(xiàn)一鍵換型

　　? 可對檢測結(jié)果進(jìn)行梯度分類,實現(xiàn)最后的質(zhì)量把關(guān),杜絕殘次品流向市場

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

　　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,大腦包含數(shù)十億個神經(jīng)元,它們之間有數(shù)萬個連接。

　　在許多情況下,深度學(xué)習(xí)算法類似于大腦,因為大腦和深度學(xué)習(xí)模型都涉及大量的計算單元(神經(jīng)元),這些單元在未激活時并不是活躍的,它們彼此交互時會變得智能化。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)大的計算單元,具有加權(quán)輸入信號并使用激活功能產(chǎn)生輸出信號。這些神經(jīng)元分布在神經(jīng)網(wǎng)絡(luò)的幾個層中。

　　▲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)通過這個人工網(wǎng)格時,每個層處理數(shù)據(jù)的一個方面,過濾異常值,找到合適的實體,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)者對品質(zhì)越來越高的要求,融合深度學(xué)習(xí)技術(shù)的外觀缺陷檢測設(shè)備將在越來越多的企業(yè)中得到廣泛應(yīng)用。而在制造業(yè)產(chǎn)品同質(zhì)化、競爭白熱化的今天,擁有先進(jìn)的裝備就等同于擁有核心競爭力,利元亨智能裝備將為您進(jìn)入“新藍(lán)?！北ｑ{護(hù)航。