Deep Learning Add-on

Deep Learning Add-on

Deep Learning vs Traditional Machine Vision

Deep Learning is a new reliable solution for machine vision problems that could not have been solved before. There are, however, applications that still can only be realized with traditional methods. How do you know, which approach is better? Here is a quick guide:

Deep Learning

Traditional Machine Vision

Typical applications:

- Surface inspection (cracks, scratches)
- Food, plant, wood inspection
- Plastics, injection moulding
- Textile inspection
- Medical imaging

Typical applications:

- Dimensional measurements
- Code reading
- Presence or absence checking
- Robot guidance
- Print inspection

Typical characteristics:

- Deformable objects
- Variable orientation
- Customer provides vague specification with examples of Good and Bad parts
- Reliability 99%

Typical characteristics:

- Rigid objects
- Fixed orientation
- Customer provides formal specification with tolerances
- Reliability 100%

Deep Learning vs Traditional Machine Vision

Deep Learning

Traditional Machine Vision

訓練程序

1.收集圖像並進行歸一化

採集從20到50張圖像，其中包括具有被測物的代表性的正例與反例。保存到磁盤。

確認圖像上被測物的尺寸，方向，照明儘可能保持一致性。

2.訓練

使用DeepLearning_ClassifyFeatures或DeepLearning_DetectAnomalies的過濾器

打開深度學習的編輯器

加載訓練圖像

將圖像標記為正例或反例（非監督式模式），或使用繪圖工具（監督式模式）標記缺陷

點擊“訓練”

3.執行

運行程序並查看結果

訓練與驗證集

Deep Learning vs Traditional Machine Vision

Deep Learning

Traditional Machine Vision

訓練程序

1.收集圖像並進行歸一化

採集從20到50張圖像，其中包括具有被測物的代表性的正例與反例。保存到磁盤。 確認圖像上被測物的尺寸，方向，照明儘可能保持一致性。

2.訓練

使用DeepLearning_ClassifyFeatures或DeepLearning_DetectAnomalies的過濾器 打開深度學習的編輯器 加載訓練圖像 將圖像標記為正例或反例 （非監督式模式），或使用繪圖工具（監督式模式）標記缺陷 點擊“訓練”

3.執行

運行程序並查看結果

訓練與驗證集

採集從20到50張圖像，其中包括具有被測物的代表性的正例與反例。保存到磁盤。

確認圖像上被測物的尺寸，方向，照明儘可能保持一致性。

使用DeepLearning_ClassifyFeatures或DeepLearning_DetectAnomalies的過濾器

打開深度學習的編輯器

加載訓練圖像

將圖像標記為正例或反例（非監督式模式），或使用繪圖工具（監督式模式）標記缺陷

點擊“訓練”