2012年，多倫多大學(xué)首次使用深度學(xué)習(xí)訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)模型在ImageNet的測(cè)試表現(xiàn)中取得突破性進(jìn)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(cè)試表現(xiàn)。在2015年，通過(guò)深度學(xué)習(xí)訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)模型，在ImageNet的測(cè)試表現(xiàn)中，錯(cuò)誤率已經(jīng)降到了2．3％，超越了人類(lèi)的識(shí)別準(zhǔn)確率，就此推動(dòng)了在圖像識(shí)別領(lǐng)域進(jìn)行深度學(xué)習(xí)的大規(guī)模產(chǎn)業(yè)化應(yīng)用的熱潮。

以2012年為起點(diǎn)，各大互聯(lián)網(wǎng)巨頭開(kāi)始落地深度學(xué)習(xí)技術(shù)。2013年，Google通過(guò)深度學(xué)習(xí)來(lái)進(jìn)行街景地圖的門(mén)牌號(hào)OCR識(shí)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(shí)別技術(shù)DeepFace大規(guī)模地應(yīng)用于其照片應(yīng)用之中，識(shí)別準(zhǔn)確率達(dá)到97．3％。目前深度學(xué)習(xí)被大規(guī)模應(yīng)用于人臉識(shí)別、自動(dòng)駕駛汽車(chē)等領(lǐng)域，取得了非常矚目的成績(jī)。作為一種首先在消費(fèi)互聯(lián)網(wǎng)領(lǐng)域廣泛應(yīng)用的技術(shù)，是否可以有效融入到工業(yè)視覺(jué)領(lǐng)域呢？

工業(yè)機(jī)器視覺(jué)需要處理什么任務(wù)

機(jī)器視覺(jué)作為一種基于2D或者3D相機(jī)傳感器的工業(yè)自動(dòng)化技術(shù)，在工業(yè)視覺(jué)領(lǐng)域具有廣泛而成熟的應(yīng)用。3C、半導(dǎo)體、汽車(chē)等行業(yè)大量使用機(jī)器視覺(jué)技術(shù)進(jìn)行異常識(shí)別、標(biāo)簽識(shí)別等、物料定位等工作。

工業(yè)自動(dòng)化離不開(kāi)感知技術(shù)和運(yùn)動(dòng)控制技術(shù)，就像人離不開(kāi)眼和手。而人體所獲得的信息，80％來(lái)自于視覺(jué)，可想而知，視覺(jué)感知技術(shù)一定是工業(yè)自動(dòng)化領(lǐng)域最重要的技術(shù)之一。

而傳統(tǒng)機(jī)器視覺(jué)，是存在明顯局限的。

傳統(tǒng)機(jī)器視覺(jué)存在什么局限

傳統(tǒng)機(jī)器視覺(jué)的圖像處理系統(tǒng)，其工作原理簡(jiǎn)單理解起來(lái)是這樣：

1、在圖像中找到邊、角等人為定義的目標(biāo)特征；

2、基于目標(biāo)特征在圖像中存在與否、多個(gè)目標(biāo)特征之間的距離的數(shù)值進(jìn)行邏輯判斷來(lái)完成視覺(jué)任務(wù)。

使用這套技術(shù)，需要由視覺(jué)工程師基于視覺(jué)任務(wù)的特定需求，進(jìn)行目標(biāo)特征的定義以及數(shù)值判斷的閥值定義，設(shè)計(jì)好了之后形成程序由機(jī)器執(zhí)行。

而傳統(tǒng)機(jī)器視覺(jué)邏輯簡(jiǎn)單的局限性，則體現(xiàn)在無(wú)法適用于隨機(jī)性強(qiáng)、特征復(fù)雜的工作任務(wù)。

由于只能從有限的特征中進(jìn)行排列組合，視覺(jué)工程師無(wú)法通過(guò)”邊“、”角”來(lái)表達(dá)“密集的點(diǎn)狀凹凸不平”這種綜合的、復(fù)雜的判斷目標(biāo)。或者表達(dá)能力很差，導(dǎo)致識(shí)別準(zhǔn)確度不好。因此，傳統(tǒng)機(jī)器視覺(jué)是無(wú)法解決以上問(wèn)題的。

而這樣的復(fù)雜特征問(wèn)題，恰恰是深度學(xué)習(xí)技術(shù)最擅長(zhǎng)解決的問(wèn)題。

深度學(xué)習(xí)如何解決復(fù)雜特征問(wèn)題

相比傳統(tǒng)機(jī)器視覺(jué)通過(guò)視覺(jué)工程師來(lái)設(shè)計(jì)算法模型，深度學(xué)習(xí)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(guò)什么樣的邏輯關(guān)系來(lái)完成圖像分析任務(wù)，實(shí)現(xiàn)由程序來(lái)設(shè)計(jì)算法模型。

以樂(lè)高積木來(lái)類(lèi)比的話，在傳統(tǒng)機(jī)器視覺(jué)里，人類(lèi)的工作是從100個(gè)樂(lè)高元素里挑出數(shù)十個(gè)，組裝起來(lái)執(zhí)行人類(lèi)設(shè)計(jì)好的邏輯動(dòng)作，完成相關(guān)任務(wù)；而深度學(xué)習(xí)里，人類(lèi)告訴機(jī)器需要完成的任務(wù)，由機(jī)器從1億個(gè)樂(lè)高元素里，挑出數(shù)萬(wàn)個(gè)，組裝起來(lái)并選擇需要執(zhí)行的邏輯動(dòng)作來(lái)完成該任務(wù)。其表達(dá)能力遠(yuǎn)遠(yuǎn)高于人類(lèi)專(zhuān)家。

由于深度學(xué)習(xí)可以從更多的特征可能性中進(jìn)行選擇，并自行決定特征之間的邏輯關(guān)系，深度學(xué)習(xí)就具備了通過(guò)從海量像素點(diǎn)中，選擇一組特征，并通過(guò)這組特征表達(dá)‘密集的點(diǎn)狀凹凸不平’的能力。

在實(shí)際應(yīng)用中，使用深度學(xué)習(xí)訓(xùn)練的模型可以準(zhǔn)確地對(duì)圖片中的隨機(jī)缺陷進(jìn)行識(shí)別，并可以準(zhǔn)確地將指定的缺陷有效地標(biāo)識(shí)出來(lái)，真正實(shí)現(xiàn)了隨機(jī)性強(qiáng)、特征復(fù)雜的隨機(jī)缺陷的檢測(cè)。

（通過(guò)深度學(xué)習(xí)可以識(shí)別并標(biāo)識(shí)圖像中的隨機(jī)缺陷）

正是由于具備了處理這種隨機(jī)性強(qiáng)、特征復(fù)雜的圖像識(shí)別問(wèn)題的能力，深度學(xué)習(xí)就具備了突破傳統(tǒng)機(jī)器視覺(jué)技術(shù)的局限的可能性。

深度學(xué)習(xí)能否達(dá)到工業(yè)精度要求

我們通常會(huì)認(rèn)為，工業(yè)應(yīng)用對(duì)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(fèi)領(lǐng)域火熱的深度學(xué)習(xí)技術(shù)，是否能夠滿足工業(yè)指標(biāo)呢？我們以外觀缺陷檢測(cè)為例，看看工業(yè)檢測(cè)具體需要考慮哪些指標(biāo)。

漏判率：漏判會(huì)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(huì)直接對(duì)工業(yè)企業(yè)的良率造成影響，會(huì)造成物料的浪費(fèi)。企業(yè)對(duì)誤判率的要求通常要求在1％－5％之間。在漏判率達(dá)標(biāo)的前提下，只有大幅降低誤判率，才能達(dá)到減人的目標(biāo)。

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?xún)?nèi)，機(jī)械加工行業(yè)的節(jié)拍要求在幾十秒以?xún)?nèi)。

一方面，深度學(xué)習(xí)目前的行業(yè)普遍技術(shù)水平已經(jīng)能夠達(dá)到95％以上的判定準(zhǔn)確率。通過(guò)平衡漏判率和誤判率，更加嚴(yán)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(duì)節(jié)拍的要求，由于目前GPU顯卡可以達(dá)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?xún)?nèi)的照片就可以完成產(chǎn)品的覆蓋，比如大的機(jī)加工產(chǎn)品，也只需不到100張圖片進(jìn)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(lái)看，我們認(rèn)為深度學(xué)習(xí)技術(shù)已經(jīng)成熟到可以完成復(fù)雜工業(yè)視覺(jué)任務(wù)。

審核編輯 黃昊宇