VisionBank Ai深度學習視覺軟件

VisionBank AI是搭載在“VisionBank通用機器視覺開發(fā)平臺”上的一種圖像處理工具，它采用深度學習 技術解決機器視覺應用場景中傳統(tǒng)算法難以解決的問題（四大應用場景）：

傳統(tǒng)圖像處理是人工分析圖像的特征，再通過圖像處理算法提取特征，然后通過特征的關鍵參數來區(qū)分對象；

深度學習是采集大量圖像，然后標注圖像數據并訓練神經網絡，通過訓練好的神經網絡進行對象類型推理；

（1）訓練及測試數據采集：利用工廠搭建好的機器視覺硬件系統(tǒng)，基于VisionBank平臺自動存儲500~10000張包含“正負樣本”的圖像數據；

（2）訓練及測試數據分類：將自動采集到的圖片按分類要求區(qū)分到不同文件夾進行分類；

（3）數據標記及神經網絡模型訓練：利用VisionBank AI標記工具將分類好的圖像進行自動（手動）標記，并訓練神經網絡模型；

（4）神經網絡模型推理及在線檢測：訓練完畢后利用分類好的測試數據測試模型的準確性，然后加載到VisionBank工程文件中進行在線檢測

 深度學習圖像處理是通過搭建“類腦神經網絡”，借鑒人腦處理數據的方法去解決圖像處理問題，所以凡是涉及到深度學習的場景，都需要兩個必要條件：一是大數據支持——各種有代表性的圖片；二是強大的算力平臺——一般采用GPU運算平臺。而在實際工業(yè)應用場景，這兩個條件都是極難實現(xiàn)，且實現(xiàn)成本的。VisionBank AI是在VisionBank通用開發(fā)平臺基礎上推出的深度學習功能，它結合VisionBank本身強大的傳統(tǒng)圖像處理算法，解決了以上兩個難題的大部分實現(xiàn)問題。

（1）神經網絡推理基于CPU實現(xiàn)：VisionBank AI訓練的神經網絡模型推理基于CPU實現(xiàn)，而且神經網絡模型訓練同時支持CPU和GPU。用戶可以根據項目所需模型的復雜程度靈活選擇算力平臺，從而節(jié)省不必要的算力平臺硬件支出； 

（2）創(chuàng)新的“深度學習缺陷過濾”算法：利用傳統(tǒng)算法找出所有可能的缺陷區(qū)域，僅用深度學習解決缺陷區(qū)域的OK和NG判別，從而很好的解決了訓練圖像數據獲取的問題； 

（3）支持神經網絡模型再訓練：根據工業(yè)場景應用的復雜性，支持模型的繼續(xù)訓練，從而可以形成行業(yè)專用神經網絡模型。