深度学习在自动视觉检测中的血泪史

相信大家都看过Andrew Ng的讲座《人工智能在生产制造业中的实践与应用》,我读了后,很受启发,其中有一页PPT讲了,人工智能在生产制造中的实践与应用: 自动视觉检测该页PPT指明人工智能在视觉检测,尤其是瑕疵检测中的应用方向,读了后,的确信心满满;但实践起来,确是无比痛苦,血泪满眶!先说一下结论:基于深度学习自动化视觉检测项目大约亏损50万人民币近一年的视觉项目中,基于深度学习的两个视觉检测,都没有完成最终验收交付,而其余基于机器算法工具包的项目,比如NI公司的Vision Development Module 或者MVTec公司的Halcon,都能按时完成交付和验收,并收回货款。简单来说,基于深度学习算法的案子就是严重亏损:物料成本、人力成本和客户信心。给大家一个具体的数字:视觉自动检测机设计装配成本(6万)+ 半年人工(15万)+ 客户维护(5万)= 26万投入/项目 * 2 = 52万投入,到现在由于设备始终没有验收,一分钱没有收回。经过这个血泪教训,我们对深度学习的感情,由狂热变得理智!~~ 后来静下心来,认真学习Andrew Ng的Deap learning课程,听到Andrew Ng讲课的时候说了一句“Deep Learning是一个更多偏向于市场宣传的名字...方便媒体报道...方便传播...”。听完这句话后,引起了我深深的共鸣!~当然,这个血泪史不足以影响我对人工智能的信仰,“AI is the new electricity ”。我坚信人工智能将对行业有深刻的影响!~~~ 这个阶段就像当年汽车刚刚发明的时候,还没有马车跑的快,遭到了人们的怀疑和嘲笑,但这并不能影响汽车,这个伟大的发明,就此走向人类的历史。回过头来总结一下为什么基于深度学习的自动化视觉检测项目不能交付。原因1:缺乏一个给客户Easy-to-Use的图形化的人工智能算法工具。自动化视觉检测机的用户,都是产线上,为了量产顺利的作业员或者工程师,当前连BAT巨头都缺AI算法工程师的情况下,指望产线上的作业员或者工程师,能够用Python+Tensorflow去调试AI算法,简直是天方夜谭。所以,一遇到检测不准的问题,用户就停机,要求我们派工程师到现场拍图片、调试;若调试不了,则把图片带回公司,重新训练模型,如此反复,效率极其低下。解决方法:开发一个DLBuilder,一个深度学习图形化工具,类似NI Vision Builder for Automated Inspection (VBAI),让大专学习,懂计算机操作的人,都能通过图形化的工具实现神经网络的配置和训练,就像Windows让普通人都能用上计算机一样。若计算机还是命令行界面,我相信计算机不会如此普及。所以,必须开发一个图形化的深度学习算法工具,让普通人都能方便的设计和训练神经网络。原因2:把深度学习理解为无所不能了。先说一下项目中的结论,我们发现,深度学习的确能把传统视觉算法不能很好识别的问题,识别的很好;但是,传统视觉算法识别的很好的问题,深度学习反而有这样那样的不稳定。当然,这有可能与我们设计和调参水平有关。所以,回过头来,认真学习Andrew Ng的Deap learning课程,认真推导每一个公式,理解里面的本质。但即便是一年后,成为了一个深度学习算法设计还不错的工程师,我认为:深度学习算法要顺利应用在制造业中,做机器视觉自动化检测设备,必须跟传统的机器视觉算法结合起来所谓顺利,是指设计的机器视觉自动化检测设备,要能稳定可靠完成检测任务,要能方便容易供客户使用,要能顺利完成客户验收,要能最终收到设备款项。传统机器视觉算法的开发平台通常是:LabVIEWVision Development Module 或者C# + Halcon。深度学习算法的开发平台通常是:Python+Tensorflow传统机器视觉算法通常处理容易提取,容易量化的特征:颜色、面积、圆度、角度、长度等深度学习算法用于处理很难提取的特征:瑕疵...实现策略:1,凡是能用传统机器视觉算法做稳定的检测,都不需要使用深度学习算法;2,深度学习算法需要依靠传统的图像处理算法,对图像进行预处理,消除由于拍摄、光源、对焦等一系列问题,带来的噪声和影响;增强图像的一致性。具体开发工作:借助LabVIEW图形化开发环境,用Vision Development Module先把训练数据做预处理,增强图像一致性,减少噪声的干扰;再用LabVIEW Python节点,调用Python开发的深度学习算法处理传统视觉算法不好处理的特征提取问题。

(0)

相关推荐

  • 再次拿到数亿融资,梅卡曼德的3D视觉+AI+机器人解决方案到底价值几何?

    梅卡曼德日前宣布完成美团领投的数亿元C轮融资,老股东红杉资本中国和源码资本跟投,泰合资本担任独家财务顾问.梅卡曼德表示,本轮融资将进一步提升公司的产品和服务能力,更好地助力机器人解决方案提供商/集成商 ...

  • 【学术论文】工业智能发展关键问题研究

    导读: 特约主编:林荣恒 博士,北京邮电大学网络与交换技术国家重点实验室副教授,中国计算机学会服务计算专委会专委委员.长期从事云计算与大数据等的研究,研究方向集中在行业特别是工业大数据等方面,先后完成 ...

  • 五年前AlphaGo都打败人类了,为何工业人工智能还困难重重?——对话陈妮亚博士

    " 人工智能是当前全社会最热门的话题之一,工业领域亦是如此.2016年,AlphaGo就战胜了人类顶尖棋手,使得全社会再次掀起人工智能的热潮. " 有人开始鼓吹人工智能是万能解药, ...

  • 报告 | 2021十大人工智能趋势

    AI与数字内容产业的深度耦合,将有望为行业释放更大的科技势能,构筑数字内容生成新范式. 6月5日,以"交叉.融合.相生.共赢"为主题的2021全球人工智能技术大会(GAITC 20 ...

  • 蔚来为什么会撞静止车辆?

    周彦武 蔚来事故是将辅助驾驶误用为自动驾驶,撞上了静止的公路养护车,责任不在蔚来,而在车主和销售人员.销售人员在介绍产品时必定会夸大宣传,厚厚的车主手册估计没几个人会仔细看.那么蔚来为什么会撞静止车辆 ...

  • BMW:深度学习在自动驾驶开发中的应用

    好书推荐: 1. Radar: <雷达手册> <推荐理由:中译本在原著的基础上增加了缩略语词汇总表等5个附录,便于读者查阅.原著是集合当今世界雷达各方面造诣最深的专家.学者编撰而成的 ...

  • 使用深度学习进行自动车牌检测和识别

    重磅干货,第一时间送达 介绍 在现代世界的不同方面,信息技术的大规模集成导致了将车辆视为信息系统中的概念资源.由于没有任何数据,自主信息系统就没有任何意义,因此需要在现实和信息系统之间改革车辆信息.这 ...

  • 【技术进展】人工智能、深度学习在嵌入式视觉和图像处理系统中的应用

    摘要 为嵌入式系统开发人工智能的企业,必须在开发其解决方案时考虑这个后加的软件层,并将其设计为与不同类型的硬件兼容. 近年来,人工智能(AI)已经成为了一种非常流行的表达方式.上个世纪是一个富有创新的 ...

  • 【隐创119期】基于深度学习的自动目标识别技术研究(一)

    编者按: 深度学习算法正重新定义目标检测和分类技术.算法训练需要大量数据集,而数据集搜集通常是复杂和耗时的.在国防和安全领域,如果数据具有敏感性,例如军用舰船红外图像,训练可能难以实现.算法开发和训练 ...

  • 实战:基于深度学习的道路损坏检测

    重磅干货,第一时间送达 1.简介 道路基础设施是一项重要的公共资产,因为它有助于经济发展和增长,同时带来重要的社会效益.路面检查主要基于人类的视觉观察和使用昂贵机器的定量分析.这些方法的最佳替代方案是 ...

  • 深度学习领域,你心目中 idea 最惊艳的论文是哪篇?

    前2个是NLP领域的基础工作,早已"走向世界",在CV,ASR中有了广泛应用.后3个基于前两项工作进行了创新和推广,在语义解析子任务Text2SQL上大放光彩. 提出Transfo ...

  • 综述|工业金属平面材料表面缺陷自动视觉检测的研究进展

    重磅干货,第一时间送达 摘要: 基于计算机视觉的金属材料表面缺陷检测是冶金工业领域的研究热点.在金属制造行业中,高标准的平面质量要求自动视觉检查系统及其算法的性能必须不断提高.本文基于对钢,铝,铜板和 ...

  • 深度学习在搜索排序业务中的应用

    文章作者:白博 内容来源:58技术 导读 深度学习得益于良好的深层特征表达性,目前在视觉.文本.语音等领域获得了广泛的应用.搜索领域紧贴用户需求,作为深度学习商业变现最成功的路径之一,众多头部企业发展 ...

  • 深度学习仍是视觉大数据领域的最好分析方法之一

    在这个数据为王的时代,深度学习擅于发掘多维数据中错综复杂的关系.基于大数据的深度学习算法在计算机视觉.自然语言处理以及信息检索等多个领域不断刷新着记录. 来源: AI科技评论 AI 科技评论注:本文作 ...