什么是深度學(xué)習(xí)應(yīng)用

01、工業(yè)4.0中，人工智能是其中重要的組成部分，當(dāng)談及人工智能的時候，大家是否會想到擊敗人類的阿爾法狗，超乎想象的特斯拉無人駕駛技術(shù)，以及一度引起了熱議的AI換臉技術(shù)，這些應(yīng)用的背后都是深度學(xué)習(xí)的技術(shù)在發(fā)揮著重要的作用。

AI、機器學(xué)習(xí)和深度學(xué)習(xí)是近年來比較熱門的技術(shù)，他們有著密切的聯(lián)系。

人工智能是最早出現(xiàn)的，也是涉及范圍最廣的；其次是機器學(xué)習(xí)，稍晚一點；而最內(nèi)側(cè)最新的就是深度學(xué)習(xí)，它也是當(dāng)今人工智能大爆炸的核心驅(qū)動。

在深度學(xué)習(xí)領(lǐng)域中，人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks）是機器學(xué)習(xí)中的一個重要的算法，歷經(jīng)數(shù)十年的發(fā)展，現(xiàn)在它已經(jīng)是主流的深度學(xué)習(xí)的算法。神經(jīng)網(wǎng)絡(luò)的原理是受我們大腦的生理結(jié)構(gòu)——互相交叉相連的神經(jīng)元啟發(fā)，但與大腦中一個神經(jīng)元可以連接一定距離內(nèi)的任意神經(jīng)元不同，人工神經(jīng)網(wǎng)絡(luò)具有離散的層、連接和數(shù)據(jù)傳播的方向。基于人工神經(jīng)網(wǎng)絡(luò)的算法，深度學(xué)習(xí)為相關(guān)應(yīng)用提供了更多的信息處理方式及判斷選項。深度學(xué)習(xí)為機器視覺技術(shù)帶來了長足的發(fā)展，通過圖像分類、目標(biāo)檢測及圖像分割等技術(shù)，為機器視覺相關(guān)應(yīng)用提供了更有力的支持。

當(dāng)討論深度學(xué)習(xí)或者是神經(jīng)網(wǎng)絡(luò)的時候，我們都覺得,這些都是Google、Face Book、騰訊、阿里巴巴這樣的巨頭才會能玩得起這樣的State of the Art的技術(shù)。其實在西克中國技術(shù)服務(wù)部也有一支Deep Learner的小分隊，結(jié)合SICK在FA領(lǐng)域的領(lǐng)導(dǎo)者地位和視覺產(chǎn)品的多年的經(jīng)驗，采用深度學(xué)習(xí)技術(shù)，解決傳統(tǒng)技術(shù)難以實現(xiàn)的功能。目前我們的Deep Learner小分隊已經(jīng)搭建好了深度學(xué)習(xí)的平臺，并將深度學(xué)習(xí)應(yīng)用于定制化系統(tǒng)的測試及開發(fā)中。

深度學(xué)習(xí)應(yīng)用分享

02、分類檢測

深度學(xué)習(xí)通過針對樣板的信息采集及特征學(xué)習(xí)，對相關(guān)行業(yè)應(yīng)用中的目標(biāo)物分類進(jìn)行準(zhǔn)確判斷，提升分類準(zhǔn)確率，且不完全依賴于比對樣板的數(shù)量及標(biāo)準(zhǔn)。

包裹分類檢測

工件裝配正反檢測

多包裹檢測

在物流行業(yè)，包裹檢測時經(jīng)常會出現(xiàn)由于距離較近造成包裹No-read影響分揀。深度學(xué)習(xí)通過包裹的大數(shù)據(jù)采集來區(qū)分“長包裹”和“多包裹”，減少錯誤判斷，提高包裹讀碼率。

 深度學(xué)習(xí)的未來發(fā)展

03、深度學(xué)習(xí)不是口號，而是已經(jīng)來到。西克集團(tuán)也把深度學(xué)習(xí)作為一種重點業(yè)務(wù)開始推廣。除了上述提供的應(yīng)用分享，還有更多的Deep Learning應(yīng)用在廣泛的自動化行業(yè)落地發(fā)芽。技術(shù)服務(wù)部也會繼續(xù)在這些基礎(chǔ)上開發(fā)推廣更多的Deep Learning應(yīng)用。