從功能上來(lái)說(shuō)，你這個(gè)應(yīng)用非常適合采用深度學(xué)習(xí)，事實(shí)上，深度學(xué)習(xí)本質(zhì)上就是用來(lái)做分類識(shí)別的，尤其是針對(duì)零件與零件之間，圖像上差異比較小的時(shí)候（比如你需要自動(dòng)分揀A,B,C三種零件，但其形狀差別很?。舆m合用深度學(xué)習(xí)。

不過深度學(xué)習(xí)也存在它的問題：

訓(xùn)練的樣本要足夠大，具體多大合適，要看你對(duì)圖像區(qū)分度的要求。如果樣本不是很充分的情況下，比如數(shù)千張或更少，其實(shí)也可以考慮用傳統(tǒng)方式，比如SVM。我用傳統(tǒng)方式做過寶馬車標(biāo)，安全帽等的識(shí)別，準(zhǔn)確度相當(dāng)高了，尤其是車標(biāo)識(shí)別，接近100%準(zhǔn)確，而我只用了不到100張做訓(xùn)練，而且無(wú)論算法還是模型庫(kù)都不大，很適合做嵌入式，而且可以做到實(shí)時(shí)。

對(duì)深度學(xué)習(xí)而言，速度/性能是個(gè)很大的問題，不知道題主的機(jī)器性能如何，以及對(duì)應(yīng)的圖片分辨率，是否要實(shí)時(shí)處理？我估計(jì)題主應(yīng)該是那種實(shí)時(shí)高清識(shí)別，而且有可能是嵌入式設(shè)備，我們姑且認(rèn)為視頻是直接從本機(jī)采集，不需要做解碼，即便如此，基于深度學(xué)習(xí)的運(yùn)算量也是很高的，尤其是resnet這種，一般而言，層數(shù)越多越精準(zhǔn)，運(yùn)算量也會(huì)越高。高清情況下（機(jī)器視覺應(yīng)用一般會(huì)1080P或更高），我個(gè)人認(rèn)為單張圖片的識(shí)別時(shí)間會(huì)超過1秒，很難做實(shí)時(shí)。有朋友在256核的TX1上測(cè)試過標(biāo)清的FAST RCNN，單張?zhí)幚頃r(shí)間為0.6秒左右，我本人測(cè)試過googlenet，在一臺(tái)阿里云E5的機(jī)器上(無(wú)GPU)，識(shí)別一張720p的圖片，估計(jì)約0.3 - 0.5秒左右（我的應(yīng)用需要考慮網(wǎng)絡(luò)傳輸?shù)臅r(shí)間，沒打log，只是通過返回結(jié)果大致估計(jì)）。無(wú)論哪種情況，離每秒25幀的實(shí)時(shí)要求都差得太遠(yuǎn)。

結(jié)論：

嵌入式設(shè)備，個(gè)人不建議用深度學(xué)習(xí)，除非你能將密集運(yùn)算部分移植到FPGA上，否則性能會(huì)是個(gè)很大的問題。

高清和實(shí)時(shí)的應(yīng)用，一般而言也不建議用深度學(xué)習(xí)，理由同上。

對(duì)于區(qū)分度要求很高（種類很多，很相近），非實(shí)時(shí)的應(yīng)用，基于后端或云端的業(yè)務(wù)，有足夠的運(yùn)算資源。特別適合用深度學(xué)習(xí)。

能解決問題才是王道，傳統(tǒng)方式未必不可以。

強(qiáng)烈建議題主關(guān)注一下，深度學(xué)習(xí)領(lǐng)域芯片相關(guān)技術(shù)的進(jìn)展，比如谷歌的TPU，國(guó)內(nèi)的寒武紀(jì)，以及輕量級(jí)框架mxnet等。

舉一個(gè)具體的實(shí)例：

深度學(xué)習(xí)應(yīng)用于工業(yè)機(jī)械臂的控制，這也是 Industry 4.0 的發(fā)展方向。

將深度學(xué)習(xí)算法應(yīng)用到工業(yè)機(jī)器人上，拿來(lái)做商品或者零件分揀，大概可以分為「分類」和「撿起」兩步：

(1) 對(duì)商品或者零件進(jìn)行「分類」

這個(gè)步驟非常適合使用深度學(xué)習(xí)，因?yàn)樯疃葘W(xué)習(xí)本質(zhì)上就是用來(lái)做分類識(shí)別的。

(2) 將商品或者零件「成功撿起」

對(duì)于單個(gè)商品或者零件，要想將其成功撿起，關(guān)鍵是選擇合適的把持位置，通俗的將，就是機(jī)器人夾零件的哪個(gè)地方，可以使零件不下滑，從而成功地被撿起來(lái)。比較典型的算法，一個(gè)是採(cǎi)用兩階段的深度學(xué)習(xí)算法，第一階段通過小型的Neural Network，檢測(cè)出數(shù)個(gè)可以把持的位置，第二階段採(cǎi)用大型的Neural Network，對(duì)第一階段得到的各個(gè)把持位置候選進(jìn)行評(píng)估，選擇最終的一個(gè)把持位置。這種算法的成功率大概能達(dá)到65%。

（上圖顯示了第一個(gè)階段得到多個(gè)候選把持位置，第二階段得到最終把持位置）

另一個(gè)是結(jié)合了深度學(xué)習(xí)和Heterogeneous Learning，將把持位置的信息（width, height, x, y, θ）以及把持該位置時(shí)成功撿起零件的成功率“Graspability”用來(lái)訓(xùn)練模型，模型如下：

下圖表示的是把持位置的信息（width, height, x, y, θ）的定義，以及各把持位置對(duì)應(yīng)的Graspability Label。

下圖是Positive和Negetive教師信號(hào)的例子。

下圖是得到的最終把持位置，可以達(dá)到85%左右的成功率。

對(duì)于多個(gè)商品和零件堆積在一起的情形，除了把持位置的選擇，還需要選擇合適的抓取順序，即先抓取哪一個(gè)零件，后抓取哪一個(gè)零件，這時(shí)可以採(cǎi)用Reinforcement Learning算法，最終可以達(dá)到約90%的成功率，和熟練工人的水平相當(dāng)。當(dāng)然，要將這些成果大規(guī)模應(yīng)用到工業(yè)流水線上，還需要考慮到正確率要求更高（一般是99.9%），以及速度要求更快等，目前許多改進(jìn)就是圍繞滿足這兩點(diǎn)指標(biāo)來(lái)進(jìn)行的。