12月1日，OPT（奧普特）舉辦主題為“基于深度學(xué)習(xí)的機(jī)器視覺應(yīng)用”線上研討會，分享深度學(xué)習(xí)軟件SciDeepVision的圖像分析核心技術(shù)及應(yīng)用案例，如異常缺陷檢測算法、小樣本學(xué)習(xí)、自適應(yīng)訓(xùn)練、遷移學(xué)習(xí)等。本次專題研討會由OPT（奧普特）研發(fā)中心高紅超博士主講。

深度學(xué)習(xí)軟件SciDeepVision

自動提取特征信息

       深度學(xué)習(xí)是人工智能的核心技術(shù)，結(jié)合了深度學(xué)習(xí)的機(jī)器視覺系統(tǒng)，能讓機(jī)器像人一樣具有分析學(xué)習(xí)能力，從而識別文字、圖像等數(shù)據(jù)信息，解決多種復(fù)雜的模式識別問題。

深度學(xué)習(xí)在機(jī)器視覺的應(yīng)用

       深度學(xué)習(xí)的三要素分別為算法、算力、數(shù)據(jù)，在機(jī)器視覺應(yīng)用中，需要強(qiáng)大的算力支撐并依賴大量數(shù)據(jù)。在這過程中，深度學(xué)習(xí)應(yīng)用通常會遇到樣本數(shù)據(jù)不足、過度依賴硬件性能等問題，進(jìn)而影響圖像分析效率與準(zhǔn)確率。

      OPT（奧普特）推出的深度學(xué)習(xí)軟件SciDeepVision ，突破了傳統(tǒng)深度學(xué)習(xí)的瓶頸，集標(biāo)注 、訓(xùn)練、評估為一體， 具有無需編程、操作方便等特性，自動進(jìn)行特征提取，囊括 20 余項關(guān)鍵技術(shù)和功能，涵蓋數(shù)據(jù)規(guī)整標(biāo)注、AI 基礎(chǔ)模型、模型性能提升、模型訓(xùn)練、評估可視化等。

深度學(xué)習(xí)算法流程可視化

集成小樣本學(xué)習(xí)、遷移學(xué)習(xí)等技術(shù)

降低對數(shù)據(jù)的依賴

       SciDeepVision 軟件在異常檢測、文字識別、小樣本學(xué)習(xí)、遷移學(xué)習(xí)、 模型輕量化等圖像分析方面實現(xiàn)關(guān)鍵技術(shù)創(chuàng)新，例如解決了過度依賴大量缺陷樣本數(shù)據(jù)和硬件設(shè)備性能等問題，AI 檢測模型的魯棒性更好，能節(jié)約大量人力及時間成本。

       SciDeepVision 軟件采用異常缺陷檢測算法，僅需正常樣本，無需標(biāo)注缺陷位置，檢測模型能自動識別帶有缺陷的圖像，并精準(zhǔn)定位缺陷位置；同時，通過小樣本文字識別算法，使用少量帶有字符標(biāo)注信息的圖片，就能生成大規(guī)模高質(zhì)量的帶有源域風(fēng)格的文字圖像。

小樣本文字識別算法檢測對比

       深度學(xué)習(xí)軟件在生成檢測模型過程中，通常會由于缺陷樣本少、形態(tài)差異大、換型頻繁等原因，出現(xiàn)魯棒性、泛化性差等問題，為解決此類難題，OPT（奧普特）對SciDeepVision軟件進(jìn)行了三大技術(shù)創(chuàng)新，即小樣本學(xué)習(xí)框架、自適應(yīng)訓(xùn)練技術(shù)和遷移學(xué)習(xí)技術(shù)。

小樣本學(xué)習(xí)技術(shù)

       其中，自適應(yīng)訓(xùn)練技術(shù)，能從歷史數(shù)據(jù)中，推薦對當(dāng)前檢測有價值的數(shù)據(jù)，并進(jìn)行人工標(biāo)注和優(yōu)化模型，數(shù)據(jù)整理工作量降低一半，大幅提升AI模型檢測準(zhǔn)確率，訓(xùn)練成本低。

自適應(yīng)訓(xùn)練技術(shù)

       此外，SciDeepVision 軟件的遷移學(xué)習(xí)技術(shù)，能在不影響AI檢測模型魯棒性和泛化性的前提下，縮短模型訓(xùn)練周期，相近工藝的質(zhì)檢甚至能實現(xiàn)一鍵換型，產(chǎn)品換型時間縮短。

遷移學(xué)習(xí)技術(shù)

基于深度學(xué)習(xí)的視覺應(yīng)用

覆蓋鋰電池制程多個工序

       SciDeepVision 軟件目前已廣泛應(yīng)用于鋰電、3C等行業(yè)，如在鋰離子電池制造過程中，產(chǎn)生的外觀缺陷種類繁多、形態(tài)各異，無法用傳統(tǒng)的定義規(guī)則來實現(xiàn)檢測。而SciDeepVision軟件已應(yīng)用于鋰電池制程的十多個關(guān)鍵工序，包括涂布、模切、激光分切、疊片、卷繞、焊接、包裝等各環(huán)節(jié)。

SciDeepVision軟件在鋰電池工序的應(yīng)用

       以鋰電池極耳焊接缺陷檢測為例，焊接缺陷形態(tài)豐富，難以界定其形態(tài)邊緣，缺陷位置具有隨機(jī)性，利用SciDeepVision軟件，能利用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行特征提取，快速輸出缺陷分割的類別信息。

SciDeepVision軟件在極耳缺陷檢測的應(yīng)用

       此外，OPT（奧普特）還基于深度學(xué)習(xí)，設(shè)計通用、輕量型的條形碼定位算法，對條形碼圖像進(jìn)行增強(qiáng)、矯正，能在僅有少量條形碼數(shù)據(jù)的情況下，實現(xiàn)高速高精度的條形碼定位。