基于SICK AppSpace的深度学习功能介绍
供稿：西克中国
- 关键词：SICK,AppSpace,学习功能
- 摘要：深度学习（Deep Learning）的出现打破了传统机器学习发展的瓶颈，成为了机器学习算法研究中较先进的技术之一。同时，它大大地促进了机器学习的发展，受到世界各国相关领域研究人员和高科技公司的重视。
前言
深度学习（Deep Learning）的出现打破了传统机器学习发展的瓶颈，成为了机器学习算法研究中较先进的技术之一。同时，它大大地促进了机器学习的发展，受到世界各国相关领域研究人员和高科技公司的重视。
SICK作为工业用智能传感器和传感技术解决方案的主要制造商之一，已将深度学习作为其数字化转型的一个重要部分。SICK自主研发的软件开发与应用生态系统AppSpace，可将PC端上开发好的应用程序直接下载到智能传感器中，并且能在传感器中快速执行，其中就包括深度学习的应用程序。基于SICK AppSpace的深度学习功能主要包括：分类、异常检测、目标跟踪及语义分割，这些功能可为绝大部分工业视觉复杂类检测应用提供解决方案。
深度学习之分类功能
图像分类是机器视觉中一个基础的任务，同时也是一项颇具挑战的任务。其难度主要在于：
1.复杂背景的干扰
图1. 车与飞机在复杂背景中的分类
2.同一类别具有各种无法预测的差异，特征提取难度大
图2. 质检为合格的同一类螺纹
3.用于区分不同类别的特征具有一定的模糊性，容易导致误判
图3. 质检为不合格（左图）与合格（右图）的螺纹
深度学习技术在特征表示上具有较大的优越性，能很好的解决上述3大问题，并在许多实际应用场景中得到了落地。
SICK基于自主研发的AppSpace平台，将深度学习技术部署于云端（点击进入云端）以及智能相机InspectorP6xx（如图4所示）系列中，为用户提供简洁、高效、高性能的解决方案，整个方案仅包括3块简单的流程，如图5所示：
图4. 智能相机InspectorP6xx系列
图 5. 深度学习解决方案流程
案例详解
需求：检测螺纹质量，合格的输出OK，不合格的输出NG
解决方案具体流程如图6所示：
图 6. 解决方案详细流程
成功案例：
图 7. 塑料瓶质量检测
图 8. 焊接质量检测及分类
图 9. 螺丝有无检测
深度学习之异常检测功能
基于深度学习的异常检测方法可以降低传统人工质检的成本，并且大大提高了检测的效率与准确性，已经被广泛应用于各种工业场景中。
但是一些深度学习的方法依然存在着以下缺点：
1. 需要大量的训练样本；
2. 收集大量有缺陷的样本更为困难，因为实际生产中有缺陷的样本数量很少；
3. 需要人工进行繁琐的缺陷标注。
SICK基于自主研发的AppSpace平台，将具有异常检测功能的深度学习技术完全部署在智能相机InspectorP6xx（如图4所示）系列中。即，InspectorP6xx系列是集成了数据采样、训练、检测于一体的智能相机。
该技术具备以下优点：
1. 无需使用额外的工控机（PC）进行训练，在智能相机内部即可实现快速训练；
2. 只需收集少量正样本，即，被认为是合格的样本图像，最少仅需要2张样本，而最多不能超过100张；
3. 无需收集有缺陷的样本；
4. 无需对图像进行标注。
案例详解
需求：检测芯片电路板中是否存在异物，若有，则标出异物的位置。
解决方案具体流程如图10所示：
图 10. 解决方案详细流程
成功案例
材料表面无划痕（左）有划痕（右）
图 11. 划痕检测
图 12. 电路板异常检测
图 13. 装配检测
结束语
SICK工业智能传感器在多个行业的不同场景中被广泛使用着，而集成了SICK AppSpace深度学习功能的智能相机，可以为大部分工业视觉复杂类检测应用提供简洁、快速、高效以及稳定的解决方案。
点击查看电子资料：
