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(shí)候，大家是否會(huì)想到擊敗人類的阿爾法狗，超乎想象的特斯拉無(wú)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(jī)器學(xué)習(xí)和深度學(xué)習(xí)是近年來(lái)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(jī)器學(xué)習(xí)，稍晚一點(diǎn)；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(dòng)。

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(jī)器學(xué)習(xí)中的一個(gè)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(gè)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?；谌斯ど窠?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(xiàng)。深度學(xué)習(xí)為機(jī)器視覺(jué)技術(shù)帶來(lái)了長(zhǎng)足的發(fā)展，通過(guò)圖像分類、目標(biāo)檢測(cè)及圖像分割等技術(shù)，為機(jī)器視覺(jué)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(shí)候，我們都覺(jué)得,這些都是Google、Face Book、騰訊、阿里巴巴這樣的巨頭才會(huì)能玩得起這樣的State of the Art的技術(shù)。其實(shí)在西克中國(guó)技術(shù)服務(wù)部也有一支Deep Learner的小分隊(duì)，結(jié)合SICK在FA領(lǐng)域的領(lǐng)導(dǎo)者地位和視覺(jué)產(chǎn)品的多年的經(jīng)驗(yàn)，采用深度學(xué)習(xí)技術(shù)，解決傳統(tǒng)技術(shù)難以實(shí)現(xiàn)的功能。目前我們的Deep Learner小分隊(duì)已經(jīng)搭建好了深度學(xué)習(xí)的平臺(tái)，并將深度學(xué)習(xí)應(yīng)用于定制化系統(tǒng)的測(cè)試及開(kāi)發(fā)中。

深度學(xué)習(xí)應(yīng)用分享

02、分類檢測(cè)

深度學(xué)習(xí)通過(guò)針對(duì)樣板的信息采集及特征學(xué)習(xí)，對(duì)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(duì)樣板的數(shù)量及標(biāo)準(zhǔn)。

包裹分類檢測(cè)

工件裝配正反檢測(cè)

多包裹檢測(cè)

在物流行業(yè)，包裹檢測(cè)時(shí)經(jīng)常會(huì)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(guò)包裹的大數(shù)據(jù)采集來(lái)區(qū)分“長(zhǎng)包裹”和“多包裹”，減少錯(cuò)誤判斷，提高包裹讀碼率。

 深度學(xué)習(xí)的未來(lái)發(fā)展

03、深度學(xué)習(xí)不是口號(hào)，而是已經(jīng)來(lái)到。西克集團(tuán)也把深度學(xué)習(xí)作為一種重點(diǎn)業(yè)務(wù)開(kāi)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(dòng)化行業(yè)落地發(fā)芽。技術(shù)服務(wù)部也會(huì)繼續(xù)在這些基礎(chǔ)上開(kāi)發(fā)推廣更多的Deep Learning應(yīng)用。