传统视觉算法在处理需要明确、可量化的特征提取和识别时有较大应用优势,适合在大部分应用场景下使用;
深度学习技术则在处理复杂场景、光照变化和遮挡等问题上的效果更优秀。尽管深度学习模型在数据获取和标注、计算资源需求等方面有硬性要求,但其自动学习的能力,能有效提高视觉检测的准确性和鲁棒性,因此深度学习在视觉检测领域中扮演着越来越重要的角色。
在工业场景中,往往需要对一些目标物进行分类。然而客户不但无法提供大量样本,也不愿意耗费太多时间用于专用模型的训练,因此推动了边缘学习(注册学习)的诞生,它是专门为工业自动化量身定制的深度学习方法,即兼容了深度学习的准确性又具备传统算法的易用性。
深度学习需要大量的图像训练,注册学习则相对简化很多,注册类算法工具在前期已经内置了训练的工业应用AI大模型,在使用时通过与特征模型的比对确定输入样本的所属类别信息。通过这种方式,避免了训练专用模型的时间耗费和样本需求,能够让用户在现场快速建立方案并投入适用。
简单理解,深度学习需要用户从0开始进行学习训练,注册学习则是前期80%的工作已经帮用户做完了,用户只需要在此基础上进行使用即可。
注册AI学习本身是人工智能 (AI) 的一个子集,它使用一组经过预训练的算法在设备上进行处理。与基于 AI 的其他解决方案(如深度学习)相比,该技术易于设置,并且进行训练所需的时间和图像更少。
对于要求操作简单,以及项目难度大、调试不方便,同时缺乏特定 AI 或深度学习专业知识的技术人员,注册学习是最佳选择。此技术无需经验,任何人都可以快速轻松地完成视觉方案的搭建。
我们将注册类算法模块放入到设备内部,用户可以快速完成项目的测试验证,下面以一个操作视频为例展示注册分类模块的应用。OK和NG仅需要3张图片,1min内即可完成模型训练,对产品位置、景深、形态、大小变化等都具备较强的兼容性和优异的检测准确性。
SC智能相机注册分类操作流程.mp4
----此视频可在附件处观看
注册类工具在产品分类\有无检测\正反判断\定位检测\计数等场景下有非常优秀的表现,由于不涉及复杂训练,也不需要调整复杂参数,仅需注册1~10张图片即可快速完成视觉方案的搭建,特别适合频繁换型的场景,用户可以在对应的场景下选择该模块进行测试部署,大幅度降低AI项目实施周期和难度。
五、SC智能相机能力集
SC系列智能相机产品不仅集成了注册学习模块,同步内置AI深度学习模块,方便用户根据应用场景进行灵活选择。
后续还将持续丰富注册学习类模块,例如注册OCR、注册分割、无监督分割等算法,帮助用户完成视觉项目的快速搭建,大幅度降低AI项目实施周期和难度。