隨著人工智能（AI）技術的飛速發展，機器視覺行業正在迎來新一輪技術變革。作為人工智能應用的主戰場，機器視覺是實現工業自動化和智能化的關鍵核心技術，是推進工業4.0及智能制造發展的重要技術支撐。

(資料圖片僅供參考)

工業生產環節流程繁多，工序復雜，從一小塊零件到最后組裝成成品，再到打包交付的整個過程中，有一道至關重要的環節，即產品質量檢測。傳統人工檢測，往往效率低下、誤檢率高，且很難保證一致性與穩定性，同時對質檢人員經驗要求和職業技能素養要求較高。

隨著視覺技術的發展和應用場景的深入，機器視覺已經成為制造行業的標配。在具體應用中，采用傳統視覺算法的企業不在少數，相較于人工檢測，傳統視覺算法在檢測效率上及成本優化方面固然有明顯優勢，但在缺陷檢測方面卻難以有質的飛躍。

面對復雜多變的生產環節、多種多樣的檢測對象，檢測環節往往會出現很多意想不到的畫面，例如，當缺陷與背景難以區分時；當壞的產品缺陷或瑕疵與好的產品只有微小或細微的差別時；當背景紋理復雜，對檢測算法產生噪聲干擾時等狀況，這些都會觸及傳統視覺算法的“知識盲區”，從而影響它的判斷和處理。針對規模龐大、情況復雜的檢測和識別任務，讓機器自己學習才是最優解。將深度學習算法引入機器視覺系統有效地解決了上述傳統視覺算法的痛點，訓練有素的AI視覺檢測系統不僅可以做到缺陷檢測，并且效率及正確率更高，極大地提升了制造業柔性化水平，受到越來越多行業的關注和重視。那么，有了AI加持的機器視覺究竟是如何做到快速、高效、精準的檢測呢？基于AI的視覺檢測主要依賴于人工智能的兩大優勢：計算機視覺和深度學習。AI可通過深度學習適應各種環境，使其適用于廣泛的行業，它具有無限的潛力，可以快速開發以滿足制造商的需求。之所以AI視覺檢測能夠做到比人眼更高效，是因為基于AI“大腦”中儲存了大量的信息，強大的計算能力可以快速解析捕獲的可用數據。該系統可以對照片和視頻中的對象進行分類，并執行復雜的視覺感知任務，如搜索圖像和字幕、檢測物體、識別和分類等。例如，針對汽車行業的視覺檢測，需要專門針對該行業開發出一套基于深度學習的算法，并使用它必須檢測的缺陷示例對其進行訓練，直到它儲備了足夠多的數據，足以支撐其神經網絡在沒有任何額外指令的情況下自主檢測出缺陷。從技術的角度來說，AI落地工業，需要的不僅僅是深度學習和圖像處理技術，還需要配套軟件算法的支持，幫助AI檢測系統高效精準地應對不同行業、不同產品的缺陷特點，縮短算法模型的開發周期，快速落地部署。可以說，計算機視覺和深度學習背后的軟件算法平臺是整個視覺檢測系統的核心所在。

在機器視覺與軟件算法融合方面，全球知名的視覺方案提供商Teledyne DALSA結合多年的技術積累和落地經驗，在AI視覺檢測領域擁有豐富的行業Know how。Sherlock8是Teledyne DALSA推出的最新一代AI (深度學習）視覺檢測軟件。AI檢測的高精度需要豐富的傳統視覺算法的補充，強大的Sherlock8 視覺平臺對AI檢測提供了完美的支撐。

技術優勢

1

Sherlock8 靈活的模塊化平臺、多線程平行處理，支持線掃、面陣、3D及紅外線相機；具有業界少有的幾個最豐富視覺算法的視覺平臺，兼容幾乎所有工業通訊標準，支持VB、VC及C++。

2

Sherlock8 包含 Astrocyte AI Trainer 培訓器，具有Classification分類、Anomaly異常、檢測Detection、分割Segmentation多種深度學習的神經網絡架構，已適用于不同場景檢測。

1?功能優勢

●? 極少的圖片就可以進行有效異常培訓；

●? 可以對新的圖片在Sherlock8里直接進行連續培訓，之前培訓過的圖片無需再培訓，極大節省了時間；

●? 分割架構里有豐富的圖繪工具，簡易省時；

●? 自動生成超級參數配置，方便無經驗用戶；

●? 詳細的診斷報告，簡化問題查找；

●? 靈活的Sherlock8平臺，加強了程序靈活度和控制，提高了檢測精確度，避免陷入過度培訓的泥潭。

???應用案例

將多向照明與先進的軟件算法相結合，消除噪聲或顏色等表面背景效應，并生成一個聚焦于與檢測最相關的特征的圖像。然后可以使用標準的Sherlock視覺工具檢測該圖像。

01 從輪胎側壁提取凸起字符

02 從金屬齒輪上提取沖壓字符

03 從包裝表面提取盲文標記

04 提取條形碼中的日期和批次字符

Sherlock8作為一種快速應用程序的開發工具，目前已助力視覺系統廣泛地應用于3C制造、汽車、物流、印刷紡織、新能源等各個行業，全面推動智能制造向更高水平發展。未來，Teledyne DALSA將憑借與時俱進的先進算法能力和軟硬一體化的解決方案為行業發展持續賦能。

來源：Teledyne Imaging

關鍵詞： 機器視覺 檢測系統 人工智能 計算機視覺 神經網絡