“中國(guó)制造2025”是我國(guó)實(shí)施制造強(qiáng)國(guó)戰(zhàn)略的第一步，是中國(guó)版的工業(yè)4.0（智能制造）。機(jī)器視覺(jué)是工業(yè)實(shí)現(xiàn)智能制造必不可少的重要技術(shù)。
機(jī)器視覺(jué)相當(dāng)于人類視覺(jué)在機(jī)器上的延伸，讓機(jī)器能夠通過(guò)“眼睛”獲取信息，通過(guò)智能算法做出判斷，從而自適應(yīng)工作環(huán)境中的非標(biāo)準(zhǔn)因素，實(shí)現(xiàn)工業(yè)非標(biāo)自動(dòng)化的流程。
然而，隨著工業(yè)自動(dòng)化水平的不斷提高， 傳統(tǒng)機(jī)器視覺(jué)已經(jīng)不能夠滿足一些更加復(fù)雜的應(yīng)用場(chǎng)景：
無(wú)法預(yù)測(cè)模板中不存在的樣本
當(dāng)圖像模板不足以覆蓋可能出現(xiàn)的所有樣本時(shí)，缺陷特征就很難通過(guò)提前設(shè)定的方式實(shí)現(xiàn)。
無(wú)法分析不規(guī)則、無(wú)規(guī)律的圖像
當(dāng)圖像不規(guī)則、無(wú)規(guī)律時(shí)，很難按照經(jīng)驗(yàn)手動(dòng)設(shè)計(jì)特征，直接輸出映射關(guān)系。
為更好的滿足工業(yè)領(lǐng)域的各種行業(yè)需求，華?？萍荚贛VP智能算法平臺(tái)中加入了強(qiáng)大的深度學(xué)習(xí)功能，可針對(duì)復(fù)雜多變的應(yīng)用場(chǎng)景進(jìn)行字符識(shí)別、缺陷檢測(cè)、圖像分類等功能。
深度學(xué)習(xí)OCR識(shí)別
字符檢測(cè)涉及兩個(gè)步驟，一是字符區(qū)域的提取，二是字符內(nèi)容的識(shí)別。采用檢測(cè)網(wǎng)絡(luò)結(jié)合端到端的識(shí)別深度學(xué)習(xí)模型結(jié)合文字語(yǔ)義信息，可以實(shí)現(xiàn)對(duì)通用場(chǎng)景的識(shí)別，包括中文、字母、數(shù)字等。對(duì)于扭曲、形變、破損、過(guò)曝等具有較好的魯棒性。在圖像像素缺失時(shí)的字符檢測(cè)率，通過(guò)對(duì)比，在檢測(cè)背景下深度學(xué)習(xí)的字符識(shí)別準(zhǔn)確率能比傳統(tǒng)算法上升15%-20%，而復(fù)雜背景下的識(shí)別率能提升50%以上。
業(yè)界難題，輕松讀取
對(duì)于傳統(tǒng)的字符識(shí)別方法來(lái)說(shuō)，點(diǎn)陣字符很難分割，無(wú)疑是字符識(shí)別的業(yè)界難題。應(yīng)用華?？萍糓VP智能算法平臺(tái)深度學(xué)習(xí)OCR識(shí)別算子，可以輕松解決點(diǎn)陣OCR識(shí)別的難題。
惡劣環(huán)境，毫無(wú)畏懼
在實(shí)際應(yīng)用場(chǎng)景中，還會(huì)經(jīng)常遇到字符質(zhì)量較差，圖像環(huán)境較為惡劣的情況，應(yīng)用深度學(xué)習(xí)OCR識(shí)別，可以自適應(yīng)字符的放縮、變形、扭曲、遮蓋、殘缺等各種變化。
多行字符，語(yǔ)義識(shí)別
將深度學(xué)習(xí)在復(fù)雜背景下自適應(yīng)學(xué)習(xí)能力，應(yīng)用于環(huán)境復(fù)雜的物流面單字符識(shí)別的應(yīng)用場(chǎng)景中，可以在字符粘連、傾斜、褶皺等多種情況下進(jìn)行識(shí)別，完成文本行定位，實(shí)現(xiàn)多行字符同時(shí)識(shí)別的功能。華睿科技經(jīng)過(guò)多年在物流、郵政行業(yè)的深耕，積累了大量的語(yǔ)料庫(kù)，可以識(shí)別出快遞面單中各個(gè)地址的語(yǔ)義信息、電話信息以及各種非主流的網(wǎng)絡(luò)用戶名，輕松將面單信息錄入系統(tǒng)。
深度學(xué)習(xí)缺陷檢測(cè)、定位檢測(cè)
將深度學(xué)習(xí)在復(fù)雜背景下的自適應(yīng)學(xué)習(xí)能力，應(yīng)用于不同物體表面的缺陷檢測(cè)。首先將已知缺陷數(shù)據(jù)放入深度學(xué)習(xí)模型用于學(xué)習(xí)缺陷的基礎(chǔ)特征和語(yǔ)義特征，接著利用上述模型區(qū)分缺陷區(qū)域和正常區(qū)域，最后標(biāo)記出缺陷區(qū)域。這類模型只依賴于缺陷和背景的差異，具有良好的遷移能力，能應(yīng)用于紙箱表面，金屬表面和玻璃表面等不同場(chǎng)景。
像素分類
深度學(xué)習(xí)在分割任務(wù)上要求對(duì)目標(biāo)區(qū)域進(jìn)行精細(xì)的區(qū)分，在像素上對(duì)目標(biāo)和背景進(jìn)行分類，輸出熱度圖。在工業(yè)領(lǐng)域具有較廣泛的應(yīng)用，如織物、布匹、液晶等表面的臟污、破損，劃痕等。
分類
目前深度學(xué)習(xí)應(yīng)用于分類任務(wù)上，主要是通過(guò)物體之間的差異得出特征差異。然而物體的數(shù)量判斷無(wú)法直接利用上述經(jīng)驗(yàn)。設(shè)計(jì)一種自帶空間特征的深度學(xué)習(xí)模型應(yīng)用于物體的單雙判斷可以有效解決此類分類任務(wù)，場(chǎng)景復(fù)雜多變，包裹形態(tài)多樣，存在相互交疊等情況，相比傳統(tǒng)方法準(zhǔn)確率從80%提升至99%以上。
深度學(xué)習(xí)應(yīng)用于機(jī)器視覺(jué)系統(tǒng)，不僅需要對(duì)現(xiàn)有方法的研究和改進(jìn)，還需要針對(duì)不同的使用場(chǎng)景，設(shè)計(jì)通用深度學(xué)習(xí)模型，一方面可以提高檢測(cè)率并降低錯(cuò)誤率，另一方面可以將模型遷移到不同場(chǎng)景。在物流，汽車，火車和智能制造領(lǐng)域，字符識(shí)別和缺陷檢測(cè)已經(jīng)取得比較滿意的效果，而在其他領(lǐng)域，深度學(xué)習(xí)還有廣闊發(fā)展的空間。
蘇州深淺優(yōu)視智能科技有限公司是以高精度在線檢測(cè)3D相機(jī)及配套檢測(cè)識(shí)別軟件為核心的產(chǎn)品公司，我們圍繞高精度和在線檢測(cè)兩個(gè)核心方向發(fā)展，針對(duì)不同材料、尺寸、形狀的工件，拓展產(chǎn)品系列，在兼容二次元測(cè)量能力的同時(shí)，完善三維測(cè)量功能，為客戶創(chuàng)造價(jià)值。我們要做智能制造的智慧之眼，看清工業(yè)的深深淺淺，成為中國(guó)3D視覺(jué)核心產(chǎn)品的頭部公司。
產(chǎn)品的主要技術(shù)路線是融合深度學(xué)習(xí)的相移結(jié)構(gòu)光技術(shù)，主要特為“準(zhǔn)”和“快”！從精度上來(lái)說(shuō)，我們與國(guó)外同類產(chǎn)品相當(dāng)，uDeeper系列產(chǎn)品的重復(fù)精度達(dá)到0.5微米。從測(cè)量速度上來(lái)講，我們?nèi)鎯?yōu)于國(guó)內(nèi)外產(chǎn)品，500萬(wàn)個(gè)點(diǎn)云一蹴而就，對(duì)于一般產(chǎn)線來(lái)說(shuō)，基本上可以做到我們產(chǎn)品等運(yùn)動(dòng)機(jī)構(gòu)，由于不需要復(fù)雜機(jī)構(gòu)配合，解決了在有限空間、有限成本下高效產(chǎn)出的難題。針對(duì)大型客戶和集成商，我們還提供功能豐富的軟件平臺(tái)，可以不依賴收費(fèi)分析軟件，大大降低客戶的二次投入和長(zhǎng)期維護(hù)成本。