從理論起步到工業(yè)實(shí)踐，中國工業(yè)視覺發(fā)展分為四個階段，當(dāng)前正處于機(jī)器視覺向各行業(yè)應(yīng)用滲透的時期。科技自主化成為國家戰(zhàn)略，工業(yè)視覺應(yīng)用的廣度與深度實(shí)現(xiàn)快速發(fā)展，廣度體現(xiàn)在2D向3D遞進(jìn)，深度體現(xiàn)在算法層的深度應(yīng)用，如深度學(xué)習(xí)、AI認(rèn)知逐步建立，應(yīng)用滲透率提高，國產(chǎn)化應(yīng)用需求逐漸增加，自研比例不斷提升。

在機(jī)器視覺軟件開發(fā)領(lǐng)域，大部分廠家面向市場上檢測精度越來越高、檢測速度越來越快、成本越來越低、場景適應(yīng)面越來越廣等的需求趨勢，已經(jīng)將深度學(xué)習(xí)作為研發(fā)的重要方向，事實(shí)也證明，為機(jī)器視覺系統(tǒng)配置深度學(xué)習(xí)的算法軟件，確實(shí)可以處理很多制造行業(yè)產(chǎn)線的新問題。

然而，深度學(xué)習(xí)算法也并非“萬能藥”。一方面，很多機(jī)器視覺提供商在研發(fā)軟件平臺時，直接從深度學(xué)習(xí)起步，缺乏傳統(tǒng)算法的基礎(chǔ)積累，導(dǎo)致遇到需要傳統(tǒng)算法解決的場景，就舉步維艱，需要再進(jìn)行定制開發(fā)；另一方面，深度學(xué)習(xí)對平臺算力要求高，當(dāng)前工業(yè)制造產(chǎn)線中仍有大量的僅需要傳統(tǒng)算法就可解決的機(jī)器視覺場景，如果一概使用深度學(xué)習(xí)，則在某種程度上也是一種成本浪費(fèi)。

傳統(tǒng)算法融合深度學(xué)習(xí) 維視獨(dú)辟蹊徑的最優(yōu)解

多年的研發(fā)和一線實(shí)踐，維視團(tuán)隊深諳傳統(tǒng)算法的優(yōu)勢和邊界，因此開創(chuàng)性地將傳統(tǒng)算法融合深度學(xué)習(xí)，為機(jī)器視覺帶來了針對軟件平臺的最佳答案。

相對于當(dāng)前行業(yè)內(nèi)以傳統(tǒng)算法或以深度學(xué)習(xí)為核心的軟件，維視智造推出的VisionBank AI通用智能工業(yè)視覺算法平臺，將維視20年的傳統(tǒng)算法積累和深度學(xué)習(xí)有效融合，最新版本幾乎可以完成任何行業(yè)內(nèi)任何場景下的圖像處理任務(wù)。同時，隨著新算法、新技術(shù)和創(chuàng)新應(yīng)用方法的不斷發(fā)展，VisionBank AI將在其優(yōu)秀的項(xiàng)目開發(fā)架構(gòu)及系統(tǒng)架構(gòu)之上快速完成升級迭代，從而解決更多的場景問題。

VisionBank AI的功能特色包括：

（1）創(chuàng)新的“深度學(xué)習(xí)過濾”工具。先以傳統(tǒng)算法實(shí)現(xiàn)“0漏檢，高過檢”，再用“深度學(xué)習(xí)”過濾“過檢”中誤判情況。該方案不僅能實(shí)現(xiàn)“0漏檢”下極低的“過檢率”指標(biāo)，還具備以下優(yōu)勢特點(diǎn)：

任何需要進(jìn)一步“智能判定”的工具都支持“深度學(xué)習(xí)過濾”

對訓(xùn)練數(shù)據(jù)量要求降低——“過檢”情況下，提高檢測指標(biāo)，即可快速獲取大量負(fù)樣本數(shù)據(jù)，“NG”產(chǎn)品數(shù)據(jù)獲取不再是問題。

對算力平臺要求降低——“深度學(xué)習(xí)過濾”工具基于OpenVINO硬件加速引擎優(yōu)化，可以完全基于CPU完成在線推理。

嚴(yán)謹(jǐn)、清晰的判定原理過程展示——“深度學(xué)習(xí)過濾”工具是傳統(tǒng)算法和深度學(xué)習(xí)深度融合的典型應(yīng)用，在深度學(xué)習(xí)的加持，依舊保留了傳統(tǒng)算法的嚴(yán)謹(jǐn)邏輯。

更自由的檢測方案設(shè)計——“深度學(xué)習(xí)過濾”工具不僅僅用于傳統(tǒng)算法和深度學(xué)習(xí)相融合，還可以先用深度學(xué)習(xí)“過檢”，再用“深度學(xué)習(xí)過濾”的創(chuàng)新用法。

（2）深度學(xué)習(xí)技術(shù)在圖像處理細(xì)節(jié)流程中的創(chuàng)新應(yīng)用。維視智造不僅把深度學(xué)習(xí)技術(shù)用來直接解決一些復(fù)雜檢測問題，更把深度學(xué)習(xí)技術(shù)應(yīng)用在圖像處理流程中的各個環(huán)節(jié)。比如：深度學(xué)習(xí)圖像增強(qiáng)、深度學(xué)習(xí)掩膜、深度學(xué)習(xí)定位、深度學(xué)習(xí)模板訓(xùn)練等。在使用VisionBank AI的工具時，會經(jīng)常發(fā)現(xiàn)深度學(xué)習(xí)技術(shù)給傳統(tǒng)算法帶來的驚喜。

深度學(xué)習(xí)圖像增強(qiáng)”可以只輸出你感興趣的“鋼筋區(qū)域”

（3）前沿的“遷移學(xué)習(xí)”技術(shù)應(yīng)用。眾所周知，“遷移學(xué)習(xí)”技術(shù)應(yīng)用需要大量數(shù)據(jù)積累，通過“預(yù)訓(xùn)練模型”來實(shí)現(xiàn)。維視智造在深度學(xué)習(xí)圖像增強(qiáng)、深度學(xué)習(xí)二值圖后處理等流程上使用了各種“預(yù)訓(xùn)練”模型，可以在不獲取用戶任何訓(xùn)練數(shù)據(jù)的前提下，“提前想到”用戶的預(yù)期目的。

（4）完善、易用的平臺應(yīng)用架構(gòu)。VisionBank AI不是深度學(xué)習(xí)技術(shù)火熱后的新產(chǎn)品，而是將深度學(xué)習(xí)技術(shù)深度融合到一個具有二十余年應(yīng)用積淀的軟件中的升級產(chǎn)品。其在相機(jī)、通訊、數(shù)據(jù)存儲、IO、用戶管理、流程處理邏輯等模塊的功能經(jīng)受住了大量各行業(yè)用戶的驗(yàn)證和認(rèn)可。

除此之外，VisionBank AI還擁有多項(xiàng)面對具體難題的技術(shù)突破：

（1）傳統(tǒng)算法的極致應(yīng)用。VisionBank AI將傳統(tǒng)算法的能力幾乎應(yīng)用到了極致，凡是傳統(tǒng)算法能夠解決的應(yīng)用場景，VisionBank AI全部觸達(dá)。VisionBank AI只把深度學(xué)習(xí)技術(shù)應(yīng)用在兩個方面：其一、傳統(tǒng)算法無法解決的場景；其二、采用深度學(xué)習(xí)技術(shù)時效率和穩(wěn)定性更高的場景。

VisionBank AI傳統(tǒng)算法可檢出的“隱裂”缺陷

（2）智能高速定位算法的突破。高分辨率圖像下的高精度、高速度智能特征匹配一直都是是行業(yè)難點(diǎn)問題。VisionBank AI最新開發(fā)的第四代“特征匹配算法”相對于第一代算法，匹配速度提升了11倍，支持以下異常特征匹配：特征被部分遮擋、特征大小有縮放、特征扭曲變形以及特征顯示不全等。VisionBank AI的核心圖像處理算法始終看齊國內(nèi)外最前沿技術(shù)。

（3）神經(jīng)網(wǎng)絡(luò)模型的深度優(yōu)化。VisionBank AI在線推理的神經(jīng)網(wǎng)絡(luò)模型均基于OpenVINO進(jìn)行了模型優(yōu)化。優(yōu)化后的模型，對算力平臺的要求最高可降低16倍（不同類型的模型優(yōu)化結(jié)果有差異）。VisionBank AI的在線推理可以全部基于CPU完成。

案例實(shí)踐 實(shí)力賦能

VisionBank AI可以更好的適應(yīng)客戶現(xiàn)場的各種復(fù)雜檢測要求，目前也已有了典型實(shí)踐案例：

螺紋裂紋檢測

在螺紋的生產(chǎn)加工過程中，因?yàn)楦鞣N原因會產(chǎn)生一定比例的不合格品，如果不能夠?qū)⒉缓细衿窓z測出來，會對產(chǎn)品本身的強(qiáng)度造成嚴(yán)重影響。采用傳統(tǒng)的視覺檢測方法對螺紋進(jìn)行檢測，因?yàn)槁菁y本身的紋理干擾等因素，在檢測的過程中無法檢測或者誤判率非常高，采用VisionBank AI的深度學(xué)習(xí)功能，可將誤判率大大的降低，良品率能夠達(dá)到99.9%以上。

鍵盤缺陷檢測

在電腦鍵盤字符印刷的過程中，經(jīng)常會產(chǎn)生各種印刷不良，采用傳統(tǒng)的視覺檢測方法進(jìn)行檢測，粉塵、毛屑、指紋等如果殘留在鍵盤上，就會對視覺檢測造成干擾。在檢測過程中將其誤檢為字符的印刷不良，使合格品被誤檢為不合格品，從而影響產(chǎn)線的生產(chǎn)效率。針對以上存在的問題，用VisionBank AI的深度學(xué)習(xí)功能對鍵盤進(jìn)行檢測，可使產(chǎn)線的誤檢率大大的降低，從而提高產(chǎn)線的檢測生產(chǎn)效率和產(chǎn)品質(zhì)量。

大棗分選

在大棗的分類檢測項(xiàng)目的要求中，需要對多種大棗產(chǎn)品進(jìn)行分類，其中每一類之間有著明顯的差異，采用傳統(tǒng)算法進(jìn)行特征提取來判斷，無法實(shí)現(xiàn)批量生產(chǎn)檢測；同時，相同類別的大棗之間又存在共性，通過傳統(tǒng)的檢測方法難以穩(wěn)定的獲取到相同的元素。為了能夠?qū)崿F(xiàn)大棗的檢測分類要求，使用VisionBank 深度學(xué)習(xí)功能對大棗進(jìn)行分類和檢測，就達(dá)到了很好的檢測效果。

維視智造作為國內(nèi)專業(yè)的人工智能與機(jī)器視覺解決方案供應(yīng)商，面向制造業(yè)企業(yè)及行業(yè)系統(tǒng)集成商，搭載完備且具有行業(yè)領(lǐng)先水平的產(chǎn)品矩陣，將持續(xù)以客戶需求為導(dǎo)向，以行業(yè)發(fā)展為前瞻，以精細(xì)化服務(wù)為抓手，成為智能制造浪潮之下，客戶優(yōu)質(zhì)可靠的合作伙伴。

審核編輯：湯梓紅