复杂检查深度学习
深度学习将人类检查员的自我学习与计算机系统的速度和一致性结合起来
无论是用于定位、阅读、检查或分类感兴趣的特征，基于深度学习的图像分析与传统机器视觉的不同之处在于，它能够根据零件的区别特征来概念化和概括零件的外观——即使这些特征细微变化或有时偏离。德国必威
基于深度学习的图像分析特别适合于复杂的外观表面检查:模式以细微但可容忍的方式变化，位置变化可能妨碍基于空间频率的方法的使用。深度学习擅长处理复杂的表面和外观缺陷，比如被转动、拉丝或有光泽的部件上的划痕和凹痕。
深度学习技术使用模拟人类智能的神经网络来区分外观异常，同时容忍复杂模式的自然变化。与传统机器视觉方法相比，深度学习具有优势，传统机器视觉方法很难识别视觉上非常相似的部件之间的变化和偏差德国必威。基于深度学习的软件Cognex深度学习现在可以比人类或传统机器视觉解决方案更有效地执行基于判断的检查挑战。德国必威
