机器视觉技术更新| RoboticsTomorrow半岛app官网gydF4y2Ba

机器视觉技术可以使用基于cnn和深度学习盈利在各种不同的工业领域和应用程序,允许检测过程的自动化和显著加速电子行业,例如。gydF4y2Ba

机器视觉技术更新gydF4y2Ba

约翰内斯Hiltner |gydF4y2BaMVTec软件GmbH是一家gydF4y2Ba

02/01/18,09:18 |gydF4y2Babdapp安卓手机版 ,gydF4y2Ba工厂自动化gydF4y2Ba|gydF4y2BaMVTec有限责任公司gydF4y2Ba|gydF4y2Ba机器学习gydF4y2Ba

告诉我们一些关于MVTec和您提供的产品和服务。gydF4y2Ba

MVTec的开发商和供应商通用机器视觉软件产品HALCON MERLIC。公司成立于1996年11月作为副产品的慕尼黑工业大学和巴伐利亚为以知识为基础的系统研究中心(FORWISS)。今天,它是一个领先的国际制造商使用的机器视觉软件的要求方面的成像半导体行业、检查、光学质量控制、计量、医学或监控。特别是,软件通过MVTec使新的自动化工业物联网解决方案设置。gydF4y2Ba

MVTec HALCON是机器视觉的综合标准软件的集成开发环境(HDevelop)在全球范围内使用。HALCON优化需要的原始设备制造商和系统集成商,并允许工程师建立自己的一个特定的机器视觉解决方案的任务。它可以节约成本和改进上市时间。HALCON的灵活的架构促进任何类型的机器视觉应用程序的快速开发。软件提供了优秀的性能和多核平台的全面支持,特殊指令集AVX2、霓虹灯等以及GPU加速。它所有行业,图书馆中使用成千上万的安装在成像像团的所有领域分析、形态、匹配、测量和识别。软件提供了最新最先进的机器视觉技术,如全面的3 d视觉和深度学习算法。gydF4y2Ba

MERLIC是一个强大的、一体化的机器视觉软件产品,使用户能够快速构建和整合完整的解决方案。不需要编写一行代码同时与MERLIC合作。个人工具命名的任务而言,描述这些语言,用户可以很容易理解:如果用户想要测量的东西,他点击“测量”;如果他想数一数的对象在一个图像,他需要点击“计算”。MERLIC还授予容易接近所有的机器视觉的元素外围,提供无缝的PLC连接,使理想集成到生产环境中。gydF4y2Ba

此外,MVTec构建定制的机器视觉软件解决方案——从咨询公司研究,原型集成产品。软件解决方案可以基于标准PC或嵌入式硬件(例如,手臂®的系统)。MVTec也一个很好的背景处理不同类型的图像,包括3 d、红外、高光谱和x光图像。gydF4y2Ba

机与深度学习技术是机器视觉市场真正的时尚话题。你能解释一下为什么?gydF4y2Ba

数字化对工业生产有一个革命性的影响,与自动化变得越来越广泛的工业物联网(IIoT,也被称为工业4.0)。广泛的机器和机器人表现在日常生产中越来越多的任务。组装线,新的紧凑和移动机器人,如合作机器人(cobots),经常与人类的同事并肩工作。改善这些过程需要额外的安全性和效率,最先进的技术。机器视觉的技术和流程已成为自动化和加速生产流程的重要因素,起着核心作用,允许不同的物体识别,分配和可靠地处理整个价值链。gydF4y2Ba

进一步提高识别过程和优化它的需要灵活,网络IIoT流程,机器视觉开始合并方法用于人工智能(AI)。这里的标语是机器学习作为人工智能的一部分,深度学习是最有效的方法在机器学习,和卷积神经网络(cnn)作为最受欢迎的深度学习架构。共同之处:所有这些技术有一个关键的方面的能力,全面分析和评估大量的数据(大数据)训练许多不同的类;这是更大的结果区分不同对象的效率。渐渐地,这些数据被IIoT内产生的形式或数字图像信息,另外,从扫描仪数据,传感器和其他流程组件。gydF4y2Ba

哪些行业将受益于这些技术最?什么是用例,你期待吗?gydF4y2Ba

机器视觉技术可以使用基于cnn和深度学习盈利在各种不同的工业领域和应用程序,允许检测过程的自动化和显著加速电子行业,例如。任何可能的产品缺陷检测的有效性从而可以大大提高使用自主学习方法,如上所述。即使是微小的划痕或裂纹在电路板,半导体,和其他组件可以可靠地确定,使自动删除相关的部分。食品和饮料行业也受益于深度学习技术。标准以下的水果和蔬菜,例如,可以更准确地确定之前打包或进一步处理。的过程也被用于汽车工程——一个行业以其非常高水平的自动化;在这个部门,自学习算法用于完全识别极小的油漆缺陷肉眼看不见。另一个重要的应用领域是药物,药物可能非常类似的外部特征包含不同的活性物质。深入学习和cnn让药物被识别,检查,和杰出的具有很高的精确度,从而确保它们与正确的泡罩包装。gydF4y2Ba

公司面临着什么挑战当他们计划实现深度学习技术呢?gydF4y2Ba

由于其复杂性,基于ai技术,如深度学习需要高素质的开发人员。大量样本的训练过程所需的图像通常是在一个对象可以被认可。一些类的对象可能需要多达100000比较图像识别率达到可接受的。即使必要的样本数据是可用的,培训过程非常耗时。编程工作需要确定不同的缺陷类故障期间检查通常也极其复杂。所有这一切需要高度熟练的和适当的训练有素的劳动力,和大多数公司没有这样的资源处理。正如前面提到的,然而,这是昨天的现状:我们的新软件发布提供了一个补救措施。gydF4y2Ba

现代软件解决方案如何支持深度学习技术的集成?gydF4y2Ba

当今最先进的视觉解决方案,也已经包含大量深度学习功能,可以帮助。用现成的软件解决方案的最新版本17.12 MVTec HALCON,公司可以训练卷积神经网络(CNN),无需投入大量时间和金钱。原因是软件的基本策略:它有两个网络优化pre-trained工业使用——一个,优化速度,另一方面,最大的认可率。因此,培训过程只需要几个样品图片是由客户提供的,因此根据客户的具体应用;结果是一个神经网络可以精确适应客户的独特需求。和一个简单的分类系统的新的图像数据,企业用户——通常缺乏深入的AI专家——现在可以大幅减少所涉及的编程工作,节省大量的时间和金钱。公司现有机器视觉的人员可以训练网络,没有任何故障引起。gydF4y2Ba

公司受益于这些解决方案在哪个方向呢?gydF4y2Ba

节省时间的潜力变得清晰的用例缺陷识别。的外观缺陷,如划痕在电子元件,永远无法事先准确地描述。因此,手动开发一个算法来检测所有可能的故障将是高度复杂的基于样本图像。专家会用手查看成千上万的图像,然后使用他们的观察来开发一个算法描述缺陷尽可能精确。这只会是耗时太长。gydF4y2Ba

相比之下,cnn和深度学习技术可以自主学习特定的缺陷特征,准确地定义相关的问题类。使用这些技术,这种技术只需要大约300到500每个类训练样本图像,验证,从而精确地检测出各种缺陷类型。这一过程耗时不超过几小时。它不仅最大限度地减少所需的时间,而且大大提高了识别利率相比,手动编程缺陷类。自学习算法从而帮助减少假阴性率,同时消除低效高错误率与手工编程。gydF4y2Ba

是所有机器视觉深度学习的一般治疗用例?如果不是这样,请解释为什么?gydF4y2Ba

深度学习不会改变机器视觉行业——这肯定不是圣杯,将解决我们所有的问题。它只是一个标识符。有很多应用程序在机器视觉领域,并非基于分类:数据代码阅读,例如,contour-based对象定位(shape-based匹配),或3 d匹配技术——所有的领域中,目前我们没有看到深度学习大有好处。这些将继续用于传统算法在未来10到20年。目前,我们认为深度学习是一个强大的工具,但明确关注分类问题。gydF4y2Ba

基于深度学习分类是一个技术,需要大量的计算能力。即使我们有一个很高性能实现与GPU的支持,这可能是“顶级”对于某些应用程序:当涉及到一个简单的应用程序,比如区分对象基于表单的地区,其他传统的技术要快得多,因为他们也高度优化这一任务。gydF4y2Ba

看看在未来5到10年,机器视觉的发展,深度学习我们看到MVTec是如何参与到这个行业的发展?gydF4y2Ba

我们确保机器视觉技术仍将只是作为过程自动化相关和迷人的展望未来。作为技术领导者,MVTec已经很长一段时间内专注于嵌入式视觉等热点话题,自动化和机器视觉的融合(视觉集成),以及深度学习等新技术。就在最近,例如,我们展示了在一个技术证明广泛深度学习函数也可以使用低成本的嵌入式董事会基于NVIDIA帕斯卡架构:为此,我们成功测试的深度学习推理HALCON 17.12英伟达杰森董事会与64位手臂®处理器,使一个重要的嵌入式设备上深度学习过程的加速度。gydF4y2Ba

其他领域,我们将继续专注于简化工业图像处理和改善我们的技术越来越广泛的可访问性目标群体。MERLIC软件,为用户提供了直观,符合人体工程学的所有常规视觉任务的工具快速,简单,健壮的编译和直接的端到端集成机器视觉应用程序——完善这种方法。这也将会影响我们基于深度学习功能的进一步发展。gydF4y2Ba

我们的主要目的是消除复杂性和对专业知识的需要,并提供一个更高的抽象层次深度学习。在接下来的几年中,MVTec将继续深入学习并提供高层次的接口。我们希望改善技术到了这样一种程度,我们的用户将不再需要数以百计,但只有数万样本图像每个类。gydF4y2Ba

深度学习仍然是一个年轻的技术;虽然它是复杂的,它提供了重要的投资机会。未来几年,是我们的使命——让这个任务复杂的技术更大范围的用户访问。gydF4y2Ba