成本上涨近10倍深度学习如何让传统机器视觉企业买单？( 二 ) 电子发烧友网报道（文/黄山明

此外，对于传统机器视觉而言，检测具有复杂表面纹理和外观变化的视觉相似部件是一个困难的挑战。同时检测现场还存在多个变量，如光照、颜色变化、曲率等，一些缺陷检测用传统的机器视觉很难做到，而深度学习为解决这些问题带来了可能。
传统机器视觉检测在面对这些问题时，需要不断的进行调试，以及外部环境的配合，检测准确率的提升是一个繁琐的工作，但通过深度学习，只需要持续的进行样品数据的训练，便能不断的提高机器视觉检测的准确度。
不过瞿剑飞也提出了一个观点，虽然深度学习可以帮助企业更好的解决传统机器视觉的检测难点问题，但这些问题很多可以通过外部调试进行完善，比如可以通过加强光照解决现场灯光复杂的问题。而对于企业而言，很难完全利用到深度学习中的所有功能，那么对于这个企业而言，那些多余的功能就是一种浪费。因此，选择深度学习还是传统机器视觉，需要企业自己去衡量。
深度学习能替代传统机器视觉吗？
需要注意的是，深度学习并非适合所有检测场景，如在流水生产线中，产线不停的情况下进行快速检测。刘墨表示这种情况可以使用传统机器视觉方案解决。
广东广源智能科技有限公司便是一家通用智能高速机器视觉平台，据其销售工程师王吕森介绍，其平台正是适用于产线高速机器视觉检测的，不过高速检测必须具备几项条件，一个是缺陷种类少，另一个是产品形状规范，如对塑料瓶的检测。
王吕森表示，他们也尝试过深度学习的机器视觉，但发现其中还存在一个问题，深度学习可以快速形成对缺陷的认知是建立在大量数据的基础上的。但对于许多企业而言，前期缺陷数据的收集比较欠缺，这时就需要厂商进行协助。
刘墨对此还举了一个案例，今年疫情期间，某家LED芯片半导体公司返工困难，质检人员稀缺，为厂商带来了极大地困难。康耐视通过深度学习产品，陪同客户在现场做了将近一个月的验证，对放大200倍的芯片图片进行分析判断，成功的将之前由人工判断的缺陷检测出来，而且检测稳定性远远高于人工。
特殊时期可以理解，但对于普通工厂而言，如果要求原厂派人员在现场进行长时间的调试，其成本显然不低。
对此，武栓弟提出，可以通过多设备联机质检进行大数据分析，即采用联网的方式，能有效节省人力成本。但这种情况只适用于可以联网的深度学习机器视觉设备中，而对于不可联网的设备，只能由工程师进行现场调试。
刘墨提出了一个较为完善的解决方案，即厂商自己学习建模，检测新的产品。康耐视也倾向让客户自己学习，一个是客户对自己的工艺更加熟悉，可以更准确的把握自己的需求。另一个则是厂商可能在生产中产生一些随机的要求，设备商可能需要时间前往现场才能满足客户的相关需求，但客户如果能够熟悉产品能够自己很快的进行重新调试。
此外，深度学习的机器视觉并不针对单一产品。武栓弟表示，深度学习最大的优势便是体现在其灵活性上。通过重新建模，可以很快将这套设备应用到其他产品的检测当中。
从这一点来看，对比传统机器视觉，深度学习可以通过训练，很快适应新产品的检测，意味着买一套方案可以适应所有的解决场所，这是过去很难做到的。但针对特殊场景，如生产线的快速检测，还是传统视觉的强项。可以认为深度学习是过去机器视觉的有利补充，双方并非替代的关系。
小结
总体而言，深度学习是机器视觉的一种延伸。企业向智能工厂的转变推动了机器视觉的发展，而对检测提出更高的要求，加上如今电脑技术的发展，让深度学习有了用武之地。需要注意的是，传统机器视觉与深度学习是互补而非替代的关系，深度学习的出现，可以为厂商带来最重要的差异化以及更丰厚的利润，在传统机器视觉已经高度成熟的今天，新的可行性技术也意味着新的财富密码。
文章插图
文章插图
声明：本文由电子发烧友原创，转载请注明以上来源。如需入群交流，请添加微信elecfans999 ，投稿爆料采访需求，请发邮箱huangjingjing@elecfans.com 。
更多热点文章阅读

成本上涨近10倍 深度学习如何让传统机器视觉企业买单？( 二 )

成本上涨近10倍深度学习如何让传统机器视觉企业买单？( 二 )