镭晨AOI算法和传统算法对比报告.pdf - 第4页
颜色算法 1 、 框选元件 （定位） 2 、 提取图片中 R 、 G 、 B 各颜色分量的占比 3 、 设置各颜色分量的占比阀值 4 、 检测时 ，如果实际元件区域某个颜色超过设置的范围 ，即报错 优点 & 缺点 优点： 1 、灵活：没有器件限制 2 、主动权全部交给工程师 3 、 直 观： 是 否 能 检 测很 好 理 解 ， 工 程 师总 以 为 可 以找到参数调整 缺点 ： 1 、复杂：要设置非常多颜色框，参数很难调整 2…
技术对比
颜色算法
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
深度学习
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
VS
颜色算法
1、框选元件（定位）
2、提取图片中R、G、B各颜色分量的占比
3、设置各颜色分量的占比阀值
4、检测时，如果实际元件区域某个颜色超过设置的范围，即报错
优点&缺点
优点：
1、灵活：没有器件限制
2、主动权全部交给工程师
3、直观：是否能检测很好理解，工程师总以为可
以找到参数调整
缺点：
1、复杂：要设置非常多颜色框，参数很难调整
2、难以优化：有问题时依赖于工程师对问题的理解
，选择合适的框选方式和参数
3、兼容性差：要求定位精准，差异非常大的情况很
难找到合适的参数
4、受各种因素影响大，不稳定，如光照变化、元件
不标准
深度学习
1、一键搜索元件，自动定位&选取元件框
2、适当调整阀值或模型即可
优点&缺点
优点：
1、智能化：可用来一键搜索元件
2、泛化性：轻微差异不影响检测，如光照变化、元件花纹
轻微差异等
3、大大降低编程复杂度
4、可通过采集样本不断学习进步，而不依赖于工程师经验
缺点：
1、需要大量的训练样本