机器视觉深度学习是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。
机器视觉深度学习是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳、综合而不是演绎。
机器视觉深度学习最基本的做法,是使用算法来解析数据、从中学习,然后对真实世界中的事件做出决策和预测。
与传统的为解决特定任务、硬编码的软件程序不同,机器视觉深度学习是用大量的数据来“训练”,通过各种算法从数据中学习如何完成任务。
最近我司的软件结合AI技术做深度学习,航天磁的外观缺陷检测的这次的项目是我司的视觉软件朝AI深度学习的方向延伸的第一步,在检测外观缺陷的过程中通过不断的训练,收集和输入缺陷数据来进一步提高检测缺陷结果的数据,所以机器视觉深度学习首先需要通过收集大量的样品检测图片为学习的样品库,其中里面包含良品和不良品,样品库中的样本越多,学习效果就越好,检测结果也会越来越准确。