作為人工智能領(lǐng)域的核心技術(shù)之一，AI視覺(jué)是機(jī)器視覺(jué)系統(tǒng)最直接的信息源。 AI視覺(jué)利用視覺(jué)傳感器和計(jì)算機(jī)代替人眼，使機(jī)器具有分割、分類、識(shí)別、跟蹤、判別決定人眼目標(biāo)的功能，從而使系統(tǒng)實(shí)現(xiàn)模擬人的“思維導(dǎo)圖”，即人的思維邏輯的能力，實(shí)現(xiàn)實(shí)際的基于該技術(shù)，本公司開(kāi)發(fā)了視覺(jué)檢測(cè)系統(tǒng)，率先安裝在電子數(shù)粒機(jī)上。 采用深度學(xué)習(xí)技術(shù)可以解決機(jī)器視覺(jué)應(yīng)用場(chǎng)景中傳統(tǒng)算法難以解決的問(wèn)題。

　　傳統(tǒng)的圖像處理是人工分析圖像的特征，通過(guò)圖像處理算法提取特征，通過(guò)特征的關(guān)鍵參數(shù)來(lái)區(qū)分對(duì)象。 特征提取主要依賴人工設(shè)計(jì)的特征提取器，需要專業(yè)知識(shí)和復(fù)雜的調(diào)制過(guò)程，同時(shí)這兩種方法都適合特殊應(yīng)用，泛化能力和魯棒性較差。 傳統(tǒng)的圖像算法可以解決某些特定場(chǎng)景的人工定義、設(shè)計(jì)和理解的圖像任務(wù)，但不能滿足電子數(shù)粒機(jī)多產(chǎn)品生產(chǎn)、多規(guī)格、材料動(dòng)態(tài)運(yùn)行、材料姿態(tài)多樣化、缺陷類型多樣化的應(yīng)用需求。

　　視覺(jué)檢測(cè)系統(tǒng)通過(guò)采集大量的圖像，對(duì)圖像數(shù)據(jù)進(jìn)行標(biāo)注并訓(xùn)練神經(jīng)網(wǎng)絡(luò)，通過(guò)訓(xùn)練出的神經(jīng)網(wǎng)絡(luò)進(jìn)行對(duì)象型推理。 其深度學(xué)習(xí)主要基于數(shù)據(jù)驅(qū)動(dòng)進(jìn)行特征提取，對(duì)數(shù)據(jù)集的表示更加高效準(zhǔn)確，提取出的抽象特征魯棒性強(qiáng)，泛化能力強(qiáng)，可以是端到端的。 可以解決只能更高級(jí)抽象地記述的圖像識(shí)別、檢查。 具有更好的通用性，不需要復(fù)雜的調(diào)配，在電子數(shù)粒機(jī)的生產(chǎn)過(guò)程中可以有效地檢測(cè)各類藥品，提高產(chǎn)品質(zhì)量！