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)歷了一場極其復雜的運算。

“老虎總有打盹的時候”，再優(yōu)秀的質(zhì)檢員也總有疲倦的時候，在制造業(yè)因質(zhì)檢員疲倦走神而導致的品質(zhì)事件比比皆是。如今，國家大力提倡“機器換人”，將機器訓練成一名永不疲倦的優(yōu)秀質(zhì)檢員變得尤為重要，而這其中的核心技術(shù)就是我們今天的主題——深度學習。

利元亨的石博士專注于深度學習領(lǐng)域的研究10余年，他這樣說道：“就拿蘋果來說，我們不管看到一個紅的、黃的、青的、大的、小的蘋果都能準確辨認出這個物體是蘋果；甚至是被咬過一口的、只剩果殼的、削皮切塊的都能輕松地判斷出這是蘋果。但要機器達到這個效果，就需要用到深度學習。”

什么是深度學習？

深度學習是一門專門研究計算機怎樣模擬或?qū)崿F(xiàn)人類的學習行為，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科。深度學習是一類人工智能算法的集合，是機器學習的一個分支，是當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器人，其主要工作原理就是“深度學習”。

深度學習有哪些應用？

近些年來，由于深度學習在圖像識別、自然語言理解、網(wǎng)絡(luò)檢索、信息安全等領(lǐng)域表現(xiàn)出了驚人的準確性，在當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、電子商務網(wǎng)站的個性化推薦，深度學習正在快速的出現(xiàn)在我們的生活中。

深度學習在工業(yè)自動化領(lǐng)域的應用：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執(zhí)行工業(yè)產(chǎn)品的自動檢查任務，例如產(chǎn)品中的缺陷、污染物、功能缺陷等。機器視覺因其速度快、準確性高和可重復性好等優(yōu)點而在特定的工業(yè)自動化環(huán)境中具有很大優(yōu)勢。

在生產(chǎn)線上，機器視覺系統(tǒng)可以輕松檢測人眼難以看到的物體細節(jié)，機器視覺系統(tǒng)可以可靠且重復地每分鐘檢查數(shù)百或數(shù)千個部件，遠遠超過人類的檢測能力。雖然傳統(tǒng)機器視覺系統(tǒng)在處理一些零部件時能夠可靠地運行，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，算法的復雜度將變得越來越高。

除此之外，復雜的表面紋理和圖像質(zhì)量問題還會帶來嚴重的檢測挑戰(zhàn)，傳統(tǒng)機器視覺系統(tǒng)在復雜零件面前往往束手無策。與傳統(tǒng)的機器視覺不同，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)系上下文信息進行推斷。人類通過一定量的實例學習后，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雜產(chǎn)品缺陷的理想選擇。

深度學習融合了人工視覺檢測的靈活性與計算機系統(tǒng)的高可靠性、一致性和時效性等優(yōu)點，越來越多的先進制造企業(yè)正在轉(zhuǎn)向深度學習方案，以解決其復雜的自動化挑戰(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)備就運用了深度學習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

·機構(gòu)的相機、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

深度學習的工作原理是什么？

深度學習背后的主要原理是從大腦中汲取靈感。這種觀點產(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，深度學習算法類似于大腦，因為大腦和深度學習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

深度學習由人工神經(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“機器換人”進程的持續(xù)推進和終端消費者對品質(zhì)越來越高的要求，融合深度學習技術(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入“新藍海”保駕護航。