站点地图|联系我们 维视智造集团|维视图像|智能视觉|远心光学|视觉商城
工业相机|智能视觉软件|工业智能相机|视觉检测欣维视觉联系方式
您当前的位置:首页 > 智能视觉产品 > 智能视觉软件

VisionBank Ai深度学习视觉软件

 

深度学习视觉解决方案

 

 

 

VisionBank AI是搭载在“VisionBank通用机器视觉开发平台”上的一种图像处理工具,它采用深度学习 技术解决机器视觉应用场景中传统算法难以解决的问题(四大应用场景):

微信截图_20220420111124

微信截图_20220420111135

 

传统图像处理原理

 

 

 

传统图像处理是人工分析图像的特征,再通过图像处理算法提取特征,然后通过特征的关键参数来区分对象

8888888888

 

深度学习图像处理原理

 

 

 

深度学习是采集大量图像,然后标注图像数据并训练神经网络,通过训练好的神经网络进行对象类型推理;

999999999999999

 

VisionBank AI项目开发四步骤

 

 

 

(1)训练及测试数据采集:利用工厂搭建好的机器视觉硬件系统,基于VisionBank平台自动存储500~10000张包含“正负样本”的图像数据;

微信截图_20220420112919

(2)训练及测试数据分类:将自动采集到的图片按分类要求区分到不同文件夹进行分类;

11111111111111111

(3)数据标记及神经网络模型训练:利用VisionBank AI标记工具将分类好的图像进行自动(手动)标记,并训练神经网络模型;

 

222222222222222

(4)神经网络模型推理及在线检测:训练完毕后利用分类好的测试数据测试模型的准确性,然后加载到VisionBank工程文件中进行在线检测

4444444444441111111111111111111111111

 

VisionBank AI优势特点

 

 

 深度学习图像处理是通过搭建“类脑神经网络”,借鉴人脑处理数据的方法去解决图像处理问题,所以凡是涉及到深度学习的场景,都需要两个必要条件:一是大数据支持——各种有代表性的图片;二是强大的算力平台——一般采用GPU运算平台。而在实际工业应用场景,这两个条件都是极难实现,且实现成本极高的。VisionBank AI是在VisionBank通用开发平台基础上推出的深度学习功能,它结合VisionBank本身强大的传统图像处理算法,解决了以上两个难题的大部分实现问题。

(1)神经网络推理完全基于CPU实现:VisionBank AI训练的神经网络模型推理完全基于CPU实现,而且神经网络模型训练同时支持CPU和GPU。用户可以根据项目所需模型的复杂程度灵活选择算力平台,从而节省不必要的算力平台硬件支出; 

(2)创新的“深度学习缺陷过滤”算法:利用传统算法找出所有可能的缺陷区域,仅用深度学习解决缺陷区域的OK和NG判别,从而很好的解决了训练图像数据获取的问题; 

(3)支持神经网络模型再训练:根据工业场景应用的复杂性,支持模型的继续训练,从而可以形成行业专用神经网络模型。

上一篇:VisionBank智能视觉软件

下一篇:很抱歉没有了