IC693CHS399 学习算法主要是数据驱动进行特征提取和分类决策，根据大量样本的学习能够得到深层的、数据集特定的特征表示，其对数据集的表达更和准确，所提取的抽象特征鲁棒性更强，泛化能力但检测结果受样本集的影响较大。深度学习通过大量的缺陷照片数据样本训练而得到缺陷判别的模型参数， 建立出一套缺陷判别模型， 目标是让机器能够像人一样具有分析学习能力，能够识别缺陷。
总体来讲，传统图像算法是人工认知驱动的方法，深度学习算法是数据驱动的方法。深度学习算法一直在不断拓展其应用的场景，但传统图像方法因其成熟、稳定特征仍具有应用价值。
应用案例
某主机厂应用了漆面缺陷检测系统，系统安装在 1 条面漆存储线上，可同时满足 2 条精修线车辆的漆面缺陷检测， 设计产能 40 JPH， 可检测的大车身尺寸为 5 000 mm×2 000 mm×1 800 mm， 检测速度 6 m/min。
系统采用红色LED灯带作为光源，主检测站配备39个500万像素高清相机，尾门检测站配备 9 个500 万像素高清相机，每分钟可采集近5 万张的车身照片，通过光纤传输给图像处理计算机，采用传统2D图像算法进行缺陷识别。
IC693CHS399
Foxboro I/A P0400VP
Foxboro I/A P0911PU
Foxboro I/A P0400QK
Foxboro I/A P0400QK
Foxboro I/A P0400QJ
Foxboro I/A P0400QA
Foxboro I/A P0400DL
Foxboro I/A P0902DZ
FOXBORO I/A 83W-D01S1SSTNA
Foxboro I/A PM400YP
Foxboro I/A PM700WB
Foxboro CFT10 I/A
Foxboro FPS400-24
Foxboro I/A P0903ZE
Foxboro DO117KP
Foxboro P0971FB
Foxboro P0940BR
Foxboro P0940DH
IC693CHS399
IC200UER508
IC200UEX009
IC200UEX009-24
IC200UEX010
IC200UEX010-24
IC200UEX011
IC200UEX011-24
IC200UEX012
IC200UEX012-24
IC200UEX013
IC200UEX014
IC200UEX015
IC200UEX064
IC200UEX122
IC200UEX164
IC200UEX209
豫公安备 41010502000017号