机器视觉面临的挑战德国必威
![基于规则的算法](http://m.czl106.com/library/media/intro-topics/deep-learning/rules-based-algorithm.png?sc_lang=en&h=316&w=350&la=en&hash=D9313E2ACC1C7B8EE2E7338D96440797)
基于规则的算法很难编写复杂的检查程序,包括偏差和不可预测的缺陷
传统的德国必威机器视觉系统性能可靠,部件一致,制造精良。它们通过逐步过滤和基于规则的算法进行操作,这比人工检查更具成本效益。但是,随着异常和缺陷库的增长,算法对编程变得具有挑战性。
德国必威机器视觉系统容忍零件外观的一些可变性,原因如下:- 规模
- 旋转
- 造成失真
然而,复杂的表面纹理和图像质量问题带来了严重的检测挑战。德国必威机器视觉系统很难识别视觉上非常相似的部件之间的变化和偏差。“功能”异常,影响零件的用途,几乎总是拒绝的原因,而外观异常可能不是,这取决于制造商的需求和偏好。这些缺陷是传统机器视觉系统难以区分的。德国必威
- 照明
- 颜色的变化
- 曲率
- 的视野
对于复杂的检测,包括偏差和不可预测的缺陷,这些可能过于复杂,无法编程和维护,基于深度学习的软件提供了一个很好的选择。