导语

一名优秀的质检员不仅要技术过硬、知识面广，还要触类旁通、举一反三，对于过去存在的缺陷、不存在的缺陷都能做出准确的判断。在质检员判断产品缺陷这个看似简单的过程中，他的大脑却经历了一场极其复杂的运算。

“老虎总有打盹的时候”，再优秀的质检员也总有疲倦的时候，在制造业因质检员疲倦走神而导致的品质事件比比皆是。如今，国家大力提倡“机器换人”，将机器训练成一名永不疲倦的优秀质检员变得尤为重要，而这其中的核心技术就是我们今天的主题——深度学习。

利元亨的石博士专注于深度学习领域的研究10余年，他这样说道：“就拿苹果来说，我们不管看到一个红的、黄的、青的、大的、小的苹果都能准确辨认出这个物体是苹果；甚至是被咬过一口的、只剩果壳的、削皮切块的都能轻松地判断出这是苹果。但要机器达到这个效果，就需要用到深度学习。”

什么是深度学习？

深度学习是一门专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能的学科。深度学习是一类人工智能算法的集合，是机器学习的一个分支，是当今世界最具魅力的技术之一。2016年3月，由谷歌旗下DeepMind公司开发的AlphaGo，成为第一个战胜围棋世界冠军的人工智能机器人，其主要工作原理就是“深度学习”。

▲AlphaGo对战围棋世界冠军

深度学习有哪些应用？

近些年来，由于深度学习在图像识别、自然语言理解、网络检索、信息安全等领域表现出了惊人的准确性，在当代社会正在掀起一场技术变革，从网络搜索到社交网络中的内容过滤、电子商务网站的个性化推荐，深度学习正在快速的出现在我们的生活中。

深度学习在工业自动化领域的应用：在工业自动化领域，过去人们一直在思考如何教计算机执行工业产品的自动检查任务，例如产品中的缺陷、污染物、功能缺陷等。机器视觉因其速度快、准确性高和可重复性好等优点而在特定的工业自动化环境中具有很大优势。

在生产线上，机器视觉系统可以轻松检测人眼难以看到的物体细节，机器视觉系统可以可靠且重复地每分钟检查数百或数千个部件，远远超过人类的检测能力。虽然传统机器视觉系统在处理一些零部件时能够可靠地运行，有效提高了检测的效率，为制造业降低了人工成本。但随着缺陷类别变得更加多样性，算法的复杂度将变得越来越高。

除此之外，复杂的表面纹理和图像质量问题还会带来严重的检测挑战，传统机器视觉系统在复杂零件面前往往束手无策。与传统的机器视觉不同，虽然人类检查缺陷的速度有限，但人类擅长发现缺陷的特征，能够联系上下文信息进行推断。人类通过一定量的实例学习后，就能够区分真正重要的部分。在很多情况下，这使人类视觉成为检查复杂产品缺陷的理想选择。

深度学习融合了人工视觉检测的灵活性与计算机系统的高可靠性、一致性和时效性等优点，越来越多的先进制造企业正在转向深度学习方案，以解决其复杂的自动化挑战。

▲利元亨外观缺陷全自动检测设备

利元亨研发的外观缺陷全自动检测设备就运用了深度学习算法成功解决电芯外观缺陷的检测难题：

▪ 检测涵盖主要缺陷和一般缺陷，可检测出96种电芯外观缺陷

▪ 机构的相机、光源可多维度调节，能够多款兼容电芯的外观检测，实现一键换型

▪ 可对检测结果进行梯度分类，实现最后的质量把关，杜绝残次品流向市场

▪ 设备适用于多领域产品的表面缺陷检测

深度学习的工作原理是什么？

深度学习背后的主要原理是从大脑中汲取灵感。这种观点产生了“神经网络”术语，大脑包含数十亿个神经元，它们之间有数万个连接。 

在许多情况下，深度学习算法类似于大脑，因为大脑和深度学习模型都涉及大量的计算单元（神经元），这些单元在未激活时并不是活跃的，它们彼此交互时会变得智能化。神经网络的基本构建模块是人工神经元--模仿人类大脑神经元。这些是强大的计算单元，具有加权输入信号并使用激活功能产生输出信号。这些神经元分布在神经网络的几个层中。

▲类脑神经元

深度学习由人工神经网络组成，这些网络以人脑中存在的类似网络为模型。当数据通过这个人工网格时，每个层处理数据的一个方面，过滤异常值，找到合适的实体，并产生最终输出。

▲神经元网络

随着“机器换人”进程的持续推进和终端消费者对品质越来越高的要求，融合深度学习技术的外观缺陷检测设备将在越来越多的企业中得到广泛应用。而在制造业产品同质化、竞争白热化的今天，拥有先进的装备就等同于拥有核心竞争力，利元亨智能装备将为您进入“新蓝海”保驾护航。