深度学习赋能传统机器视觉--机器视觉网

机器视觉是人工智能正在快速发展的一个分支。根据美国制造工程师协会(SME)机器视觉分会和美国机器人工业协会(RIA)自动化视觉分会关于机器视觉的定义：机器视觉是通过光学的装置和非接触的传感器，自动地接收和处理一个真实物体的图像，以获得所需信息或用于控制机器人运动的装置。

通俗地说，机器视觉就是用机器代替人眼。机器视觉模拟眼睛进行图像采集，经过图像识别和处理提取信息，最终通过执行装置完成操作。

深度学习赋能机器视觉

传统的机器视觉技术需要将数据表示为一组特征，或输入到预测模型，从而得出预测结果，这是完成制定动作，较难适应未来柔性化的生产需求，尤其是在缺陷类型复杂化、细微化、背景噪声复杂等场景越来越难适用。

搭载AI 深度学习功能后，机器视觉将原始的数据特征通过多步的特征转换得到一种更高层次、更抽象的特征表示，并进一步输入到预测函数得到最终结果。

基于深度学习的机器视觉在理想状态下可以结合机器视觉的效率与人类视觉的灵活性，从而完成日趋复杂环境下的检测，尤其是涉及偏差或极端环境，满足更多下游对瑕疵精度、通用性的严苛要求。

（文章来源于未来智库，如有侵权，请联系删文）