13年开始接触深度学习,从最初判断其在工业检测不可落地(算力要求;图像相对Imagenet万物复杂度极低,可设计特征有限,用DL有点大材小用的感觉),到15~16年具体项目尝试,几年下来,得出一点点小结论:
在工业检测中,尤其是应用场景缺陷判别有尺寸基准情况下,建议是”图像处理+深度学习“相结合,图像处理主要负责旋转校正、图像滤波增强、准缺陷分割,深度学习主实现缺陷分类;准缺陷分割直接上深度学习分割,比如说Unet网络,目前看在线实施效率是一个关键瓶颈,可挑选小区域实施,其是背景复杂度比较高的情况下;
当然如果只是简单标示出缺陷,不涉及缺陷尺寸测量,深度学习分类也基本可达成项目目标;
深度学习在工业检测中的应用
最新推荐文章于 2024-04-13 16:22:22 发布