镭晨AOI深度学习算法逻辑介绍.pdf - 第13页
一种分类的深度神经网络 在工业检测领域应用深度学习算 法，使用大数据优化 ，智能极简编程，一 键自动识别已训练 元器件及焊锡，智能判定不良， 解决编程时间长、误 报率高两大传统算法 痛点
传统方法 VS 深度学习
• 提取框选区域的颜色，分析颜色占比
• 框选&配置颜色参数，高度依赖经验
• 元件库，减少工作量
• 无法泛化，经验积累
• 检出率依赖于工程师经验
• 卷积神经网络
• 大量样本数据训练模型
• 自动元件搜索，一键编程
• 高泛化性
• 可增加负样本训练提升
传统方法 深度学习
VS
一种分类的深度神经网络
在工业检测领域应用深度学习算法，使用大数据优化，智能极简编程，一键自动识别已训练
元器件及焊锡，智能判定不良，解决编程时间长、误报率高两大传统算法痛点
深度学习应用
1. 缺陷分类/检测
2. 元件自动识别，实现自动编程
3. 模型训练工具