什么是深度學習應用

01

工業4.0中，人工智能是其中重要的組成部分，當談及人工智能的時候，大家是否會想到擊敗人類的阿爾法狗，超乎想象的特斯拉無人駕駛技術，以及一度引起了熱議的AI換臉技術，這些應用的背后都是深度學習的技術在發揮著重要的作用。

AI、機器學習和深度學習是近年來比較熱門的技術，他們有著密切的聯系。

人工智能是最早出現的，也是涉及范圍最廣的；其次是機器學習，稍晚一點；而最內側最新的就是深度學習，它也是當今人工智能大爆炸的核心驅動。

在深度學習領域中，人工神經網絡（Artificial Neural Networks）是機器學習中的一個重要的算法，歷經數十年的發展，現在它已經是主流的深度學習的算法。神經網絡的原理是受我們大腦的生理結構——互相交叉相連的神經元啟發，但與大腦中一個神經元可以連接一定距離內的任意神經元不同，人工神經網絡具有離散的層、連接和數據傳播的方向。基于人工神經網絡的算法，深度學習為相關應用提供了更多的信息處理方式及判斷選項。深度學習為機器視覺技術帶來了長足的發展，通過圖像分類、目標檢測及圖像分割等技術，為機器視覺相關應用提供了更有力的支持。

當討論深度學習或者是神經網絡的時候，我們都覺得,這些都是Google、Face Book、騰訊、阿里巴巴這樣的巨頭才會能玩得起這樣的State of the Art的技術。其實在西克中國技術服務部也有一支Deep Learner的小分隊，結合SICK在FA領域的領導者地位和視覺產品的多年的經驗，采用深度學習技術，解決傳統技術難以實現的功能。目前我們的Deep Learner小分隊已經搭建好了深度學習的平臺，并將深度學習應用于定制化系統的測試及開發中。

深度學習應用分享

02

分類檢測

深度學習通過針對樣板的信息采集及特征學習，對相關行業應用中的目標物分類進行準確判斷，提升分類準確率，且不完全依賴于比對樣板的數量及標準。

包裹分類檢測

工件裝配正反檢測

多包裹檢測

在物流行業，包裹檢測時經常會出現由于距離較近造成包裹No-read影響分揀。深度學習通過包裹的大數據采集來區分“長包裹”和“多包裹”，減少錯誤判斷，提高包裹讀碼率。

深度學習的未來發展

03

深度學習不是口號，而是已經來到。

西克集團也把深度學習作為一種重點業務開始推廣。除了上述提供的應用分享，還有更多的Deep Learning應用在廣泛的自動化行業落地發芽。技術服務部也會繼續在這些基礎上開發推廣更多的Deep Learning應用。