电子表格，网关，持续培训:深度学习变得更容易

深度学习使机器视觉解决方案应用于缺陷或检查标准无法轻松量化或数学定义的应用。它为机器视觉设计人员提供了一个强大的新工具，用于高级检测、装配和质量保证应用程序，因为该软件本质上帮助设计人员开发最佳可能的算法。但直到最近，创建深度学习软件还需要传统的编程技能，最好结合统计学和传统机器视觉系统设计方面的扎实基础。

如今，得益于支持深度学习的智能相机、网关和特定于应用程序的编码，大众的深度学习可能只需点击几下鼠标。

智能相机深入
深度学习过程分为两部分:训练和推理。训练包括通过向神经网络输入“好”产品和“坏”产品的图像来优化神经网络。操作员将图像标记为好或坏，深度学习软件进行统计分析，创建一个加权表。培训过程的计算非常密集，促使许多设计师在培训步骤中使用高端工作站或利用云资源。

深度学习软件生成的统计矩阵是深度学习第二步的核心:推理。推理涉及使用深度学习算法来解决现实世界的问题。深度学习软件的这一部分可以在更广泛的计算机平台上运行，从高端个人电脑到智能相机。现在，用户无需使用TensorFlow、Caffe或其他复杂的深度学习数据可视化程序来训练深度学习算法，而是可以转向其他解决方案。例如，康耐视最新的智能摄像头In-Sight D900使深度学习编程像创建电子表格一样简单。

Cognex的In-Sight系列视觉系统率先使用电子表格编程来简化使用智能摄像头平台的机器视觉解决方案的设计和部署。通过将其ViDi深度学习软件与In-Sight平台相结合，Cognex希望将深度学习解决方案不仅应用于缺陷检测和光学字符识别（OCR）应用，还应用于更复杂的装配验证。

“D900是第一个不需要PC部署的深度学习机器视觉系统，”康耐视产品营销高级经理Brian Benoit解释说。用户可以通过PC上的In-Sight软件界面来训练深度学习软件。一旦完成了训练步骤，就可以将任务加载到摄像机上，准备部署。”

据Benoit介绍，D900适用于每分钟检测150-200次的应用场合。康耐视通过升级In-Sight的内部处理能力，同时利用嵌入式解决方案固有的速度来实现这一性能。

Gateway为每台相机带来了深度学习
然而，并非所有希望利用深度学习的机器视觉客户都愿意用新平台取代现有的机器视觉硬件。为了将深度学习引入现有设备，同时简化对深度学习成功至关重要的图像采集和标记，机器视觉网络专家Pleora推出了其AI网关。基于英伟达GPU框架，AI网关像摄像机和处理器或其他计算引擎之间的帧抓取器一样。Gateway提供Pleora的界面专业知识，包括GigE Vision、USB3 Vision、Camera Link、MIPI等，以及TensorFlow深度学习软件、OpenCV传统机器视觉图像处理库和一些Python，以将解决方案绑定在一起。

Pleora首席技术官Jonathan Hou表示，通过一个网关，Pleora可以为多个“哑”摄像头提供深度学习机器视觉功能。“客户可能拥有最好的深度学习算法，但他们如何将其部署到工厂？我们的解决方案允许他们保留已安装的机器视觉硬件基础，而无需强迫客户选择任何特定制造商的深度学习解决方案路径。”

对于那些想要利用Pleora的深度学习能力而不需要编写代码的客户，该公司已经与Neurocle(工业机器视觉检测应用软件解决方案提供商)和perClass(高光谱成像专家)合作。侯教授说，例如，使用perClass插件，一个新手可以从密集的高光谱数据立方体中提取智能，而无需任何先前的光谱专业知识。工业应用包括在制药生产中区分视觉上相同的药丸。Pleora还与军事成像应用领域的其他人工智能专家合作，包括车辆侧翻检测系统，以应对不断变化的路况，基于新耕土的IED检测，以及迷彩服与树叶的区分。

永远不要停止学习
虽然大多数深度学习系统在训练和推理步骤之间都有一个很难的停顿，这样算法的有效性就不会被没有经过人类专业标记或分级的图像所迷惑，但如果它们从不停止学习，一些解决方案可能会得到改进。

例如，Datalogic的条形码和可追溯性专家首先将深度学习技术应用于基于图像的识别系统。Datalogic的产品营销经理布拉德利·韦伯（Bradley Weber）解释说：“我们非常关注可追溯性，因此我们将深度学习应用于识别、代码读取和一些模式识别。”。“当我们查看包装上的标签时，显然我们想要读取条形码。但最强大的解决方案也会读取条形码下的数字，以及进出装运信息——包装箱上的任何和所有标记。您在包装上收集的每一点数据都会增加您追踪包装的机会，即使条形码上有任何标记e或标签损坏。”

此外，韦伯说，Datalogic的重点一直是在其产品中嵌入深度学习的功能，以便客户不需要访问底层代码。“当我们看到谁安装了可追溯性解决方案时，他们不会是一名视觉工程师，”韦伯说。“因此，解决方案需要简单且防错。例如，我们将很快发布Smart VS，一种使用人工智能的视觉传感器。无需编程，用户可以按一个按钮来设定好项目，再按一次按钮来设定坏项目，并让传感器学习如何拒绝或排序项目。”188金宝搏下载界面

根据韦伯的说法，代码读取和OCR等可追溯性应用程序可以从不断了解客户包装随时间的变化中获益。该系统可以学习OCR的新字体，甚至可能是手写字体。

韦伯说:“目前，处理成本非常低，因此我们专注于将计算能力发挥到最尖端，这使得深度学习成为可能，但也限制了我们的飞行训练能力。”“随着5G技术的推出，我们可以想象势头将从微处理器转向网络。我认为，更强大的计算机系统和更快的网络之间的交互将继续指导我们如何在机器视觉应用程序中部署和使用深度学习。任何让我们能够自动化运输和追溯的东西——尤其是在COVID-19的疯狂时期——都是非常好的东西。”