2012年，多倫多大學首次使用深度學習訓練的卷積神經(jīng)網(wǎng)絡(luò)模型在ImageNet的測試表現(xiàn)中取得突破性進展，并引發(fā)了一連串的基于卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)化并不斷大幅提升ImageNet的測試表現(xiàn)。在2015年，通過深度學習訓練的卷積神經(jīng)網(wǎng)絡(luò)模型，在ImageNet的測試表現(xiàn)中，錯誤率已經(jīng)降到了2．3％，超越了人類的識別準確率，就此推動了在圖像識別領(lǐng)域進行深度學習的大規(guī)模產(chǎn)業(yè)化應用的熱潮。

以2012年為起點，各大互聯(lián)網(wǎng)巨頭開始落地深度學習技術(shù)。2013年，Google通過深度學習來進行街景地圖的門牌號OCR識別；2014年，F(xiàn)acebook將其基于卷積神經(jīng)網(wǎng)絡(luò)模型的人臉識別技術(shù)DeepFace大規(guī)模地應用于其照片應用之中，識別準確率達到97．3％。目前深度學習被大規(guī)模應用于人臉識別、自動駕駛汽車等領(lǐng)域，取得了非常矚目的成績。作為一種首先在消費互聯(lián)網(wǎng)領(lǐng)域廣泛應用的技術(shù)，是否可以有效融入到工業(yè)視覺領(lǐng)域呢？

工業(yè)機器視覺需要處理什么任務

機器視覺作為一種基于2D或者3D相機傳感器的工業(yè)自動化技術(shù)，在工業(yè)視覺領(lǐng)域具有廣泛而成熟的應用。3C、半導體、汽車等行業(yè)大量使用機器視覺技術(shù)進行異常識別、標簽識別等、物料定位等工作。

工業(yè)自動化離不開感知技術(shù)和運動控制技術(shù)，就像人離不開眼和手。而人體所獲得的信息，80％來自于視覺，可想而知，視覺感知技術(shù)一定是工業(yè)自動化領(lǐng)域最重要的技術(shù)之一。

而傳統(tǒng)機器視覺，是存在明顯局限的。

傳統(tǒng)機器視覺存在什么局限

傳統(tǒng)機器視覺的圖像處理系統(tǒng)，其工作原理簡單理解起來是這樣：

1、在圖像中找到邊、角等人為定義的目標特征；

2、基于目標特征在圖像中存在與否、多個目標特征之間的距離的數(shù)值進行邏輯判斷來完成視覺任務。

使用這套技術(shù)，需要由視覺工程師基于視覺任務的特定需求，進行目標特征的定義以及數(shù)值判斷的閥值定義，設(shè)計好了之后形成程序由機器執(zhí)行。

而傳統(tǒng)機器視覺邏輯簡單的局限性，則體現(xiàn)在無法適用于隨機性強、特征復雜的工作任務。

由于只能從有限的特征中進行排列組合，視覺工程師無法通過”邊“、”角”來表達“密集的點狀凹凸不平”這種綜合的、復雜的判斷目標。或者表達能力很差，導致識別準確度不好。因此，傳統(tǒng)機器視覺是無法解決以上問題的。

而這樣的復雜特征問題，恰恰是深度學習技術(shù)最擅長解決的問題。

深度學習如何解決復雜特征問題

相比傳統(tǒng)機器視覺通過視覺工程師來設(shè)計算法模型，深度學習技術(shù)最大的不同在于，程序能夠自主發(fā)現(xiàn)需要用什么特征，通過什么樣的邏輯關(guān)系來完成圖像分析任務，實現(xiàn)由程序來設(shè)計算法模型。

以樂高積木來類比的話，在傳統(tǒng)機器視覺里，人類的工作是從100個樂高元素里挑出數(shù)十個，組裝起來執(zhí)行人類設(shè)計好的邏輯動作，完成相關(guān)任務；而深度學習里，人類告訴機器需要完成的任務，由機器從1億個樂高元素里，挑出數(shù)萬個，組裝起來并選擇需要執(zhí)行的邏輯動作來完成該任務。其表達能力遠遠高于人類專家。

由于深度學習可以從更多的特征可能性中進行選擇，并自行決定特征之間的邏輯關(guān)系，深度學習就具備了通過從海量像素點中，選擇一組特征，并通過這組特征表達‘密集的點狀凹凸不平’的能力。

在實際應用中，使用深度學習訓練的模型可以準確地對圖片中的隨機缺陷進行識別，并可以準確地將指定的缺陷有效地標識出來，真正實現(xiàn)了隨機性強、特征復雜的隨機缺陷的檢測。

（通過深度學習可以識別并標識圖像中的隨機缺陷）

正是由于具備了處理這種隨機性強、特征復雜的圖像識別問題的能力，深度學習就具備了突破傳統(tǒng)機器視覺技術(shù)的局限的可能性。

深度學習能否達到工業(yè)精度要求

我們通常會認為，工業(yè)應用對于技術(shù)精度和穩(wěn)定性的要求要高于民用技術(shù)。所以，在消費領(lǐng)域火熱的深度學習技術(shù)，是否能夠滿足工業(yè)指標呢？我們以外觀缺陷檢測為例，看看工業(yè)檢測具體需要考慮哪些指標。

漏判率：漏判會直接造成不良品流向終端客戶。所以漏判率要求通常低于 100 PPM。

誤判率：誤判會直接對工業(yè)企業(yè)的良率造成影響，會造成物料的浪費。企業(yè)對誤判率的要求通常要求在1％－5％之間。在漏判率達標的前提下，只有大幅降低誤判率，才能達到減人的目標。

節(jié)拍：不同行業(yè)有較大差異，如電子行業(yè)的節(jié)拍要求在5秒以內(nèi)，機械加工行業(yè)的節(jié)拍要求在幾十秒以內(nèi)。

一方面，深度學習目前的行業(yè)普遍技術(shù)水平已經(jīng)能夠達到95％以上的判定準確率。通過平衡漏判率和誤判率，更加嚴格地控制漏判，可以讓漏判率降到100PPM以下，而誤判率降到5％以下。

另一方面，針對節(jié)拍的要求，由于目前GPU顯卡可以達成每秒80禎的圖像處理速度，5秒內(nèi)可以完成400張圖片的判定。而一般3C行業(yè)的產(chǎn)品較小，只需要10張以內(nèi)的照片就可以完成產(chǎn)品的覆蓋，比如大的機加工產(chǎn)品，也只需不到100張圖片進行產(chǎn)品表面的全覆蓋。圖像處理的速度完成可以滿足節(jié)拍的要求。

所以總體來看，我們認為深度學習技術(shù)已經(jīng)成熟到可以完成復雜工業(yè)視覺任務。

審核編輯 黃昊宇