目標(biāo)檢測(cè)算法是機(jī)器視覺領(lǐng)域中較為先進(jìn)、應(yīng)用廣泛的深度學(xué)習(xí)算法，其主要功能為找出圖像中所感興趣的目標(biāo)，同時(shí)獲得目標(biāo)的類別信息和位置信息。

　　?？禉C(jī)器人目標(biāo)檢測(cè)算法支持檢測(cè)目標(biāo)數(shù)量為1000，支持GPU,CPU,多平臺(tái)運(yùn)行。強(qiáng)大的推理能力搭配VM傳統(tǒng)算法的處理，可幫助客戶應(yīng)對(duì)復(fù)雜應(yīng)用場景中的需求。

缺陷檢測(cè)場景

　　需求及挑戰(zhàn)

　　太陽能電池片組件上常見缺陷有虛焊、隱裂、劃痕、破片等，會(huì)直接影響組件功率衰減，降低組件壽命或造成報(bào)廢。人工檢測(cè)效率不高且容易疲勞造成漏檢，傳統(tǒng)的視覺算法針對(duì)低對(duì)比度的虛焊缺陷、形態(tài)各異的隱裂、劃痕等缺陷檢出率不高且方案設(shè)計(jì)復(fù)雜。海康機(jī)器人深度學(xué)習(xí)目標(biāo)檢測(cè)算法可準(zhǔn)確、高效地對(duì)缺陷進(jìn)行檢測(cè)分類。

太陽能電池片EL缺陷檢測(cè)

方案優(yōu)勢(shì)

　　1、方案簡單，無需設(shè)計(jì)復(fù)雜的方案去兼容多種缺陷檢測(cè)。傳統(tǒng)機(jī)器視覺方案需要大量的圖像處理算法、初定位算法配合復(fù)雜的邏輯判斷才能做到多類別缺陷的分類檢測(cè)，而這些步驟對(duì)于深度學(xué)習(xí)來說僅需一個(gè)模塊。

　　2、識(shí)別率高且可持續(xù)提升，針對(duì)一些低對(duì)比度與形態(tài)各異的缺陷能較好的檢出，且隨著訓(xùn)練樣本量的提升可不斷提高識(shí)別率。

目標(biāo)計(jì)數(shù)場景

需求及挑戰(zhàn)

　　建筑制造行業(yè)統(tǒng)計(jì)一捆鋼筋數(shù)量一般按照重量進(jìn)行計(jì)數(shù)，誤差較大，而人工計(jì)數(shù)耗時(shí)長且成本高。傳統(tǒng)算法對(duì)于黏連、亮度不均勻、橫截面大小不一等情況識(shí)別準(zhǔn)確率不高。?？禉C(jī)器人深度學(xué)習(xí)目標(biāo)檢測(cè)算法可實(shí)現(xiàn)準(zhǔn)確計(jì)數(shù)，節(jié)省人力成本并提高打包效率。

鋼筋計(jì)數(shù)

方案優(yōu)勢(shì)

　　1、方案兼容性好，能夠較好適應(yīng)重疊、黏連等情況，對(duì)于形狀、亮度不一的物體也能較好檢測(cè)

　　2、 方案調(diào)節(jié)簡單，傳統(tǒng)算法需要根據(jù)不同形狀目標(biāo)情況不斷調(diào)節(jié)參數(shù)以適應(yīng)目標(biāo)的變化，而目標(biāo)檢測(cè)只需要調(diào)節(jié)置信度即可。

檢測(cè)有無場景

需求及挑戰(zhàn)

　　藥品生產(chǎn)企業(yè)在藥品生產(chǎn)過程中由于生產(chǎn)工藝，設(shè)備震動(dòng)以及其他因素導(dǎo)致產(chǎn)品丟落在設(shè)備內(nèi)部。根據(jù)現(xiàn)行GMP的生產(chǎn)標(biāo)準(zhǔn)，當(dāng)前批次生產(chǎn)的藥品內(nèi)容需要嚴(yán)格控制，避免遺落進(jìn)入下一批次中，而流入市場，造成產(chǎn)品混批。因此，在進(jìn)行生產(chǎn)批次更換時(shí)，需要進(jìn)行藥品的清場檢測(cè)。藥盒存在重疊、遮擋等復(fù)雜的情況，傳統(tǒng)算法無法較好的適應(yīng)，采用?？禉C(jī)器人目標(biāo)檢測(cè)算法準(zhǔn)確檢測(cè)是否存在散落的藥盒。

方案優(yōu)勢(shì)

　　目標(biāo)檢測(cè)方案適應(yīng)性強(qiáng)，針對(duì)遮擋、重疊的物體也能進(jìn)行準(zhǔn)確的檢測(cè)。

目標(biāo)定位場景

需求及挑戰(zhàn)

　　在料盤分揀的場景中，不同種類料盤中心都貼著一張面單，機(jī)器手根據(jù)面單中心位置進(jìn)行抓取和放置料盤，同時(shí)根據(jù)面單標(biāo)簽上的信息進(jìn)行二維碼信息識(shí)別。因料盤大小、角度、面單反光程度不一致，傳統(tǒng)的特征匹配難以應(yīng)對(duì)所有種類的差異，使用?？禉C(jī)器人深度學(xué)習(xí)目標(biāo)檢測(cè)進(jìn)行目標(biāo)定位，可解決以上問題。

料盤定位抓取

方案優(yōu)勢(shì)

　　目標(biāo)檢測(cè)算法對(duì)精度要求不高的定位場景尤為適用，且能夠兼容不同種類的產(chǎn)品定位。

解碼場景

需求及挑戰(zhàn)

　　一些常見的3C產(chǎn)品在生產(chǎn)時(shí)會(huì)在其外殼上刻印“小圓點(diǎn)”，每個(gè)點(diǎn)根據(jù)其位置代表不同的值。按照特定的解析規(guī)則，通過對(duì)小圓點(diǎn)解析可獲取到大量的生產(chǎn)信息，如：生產(chǎn)日期、樓棟號(hào)、樓層號(hào)、機(jī)器號(hào)等等，便于后期溯源。傳統(tǒng)算法面對(duì)小圓點(diǎn)大小、形態(tài)、深淺不一，又存在臟污、水漬的干擾的情況顯得“捉襟見拙“。采用?？禉C(jī)器人目標(biāo)檢測(cè)算法可精準(zhǔn)定位每一個(gè)點(diǎn)，準(zhǔn)確解析保存其生產(chǎn)信息。

方案優(yōu)勢(shì)

　　目標(biāo)檢測(cè)算法兼容性強(qiáng)，能夠很好地兼容定位形態(tài)各異的目標(biāo)。在復(fù)雜背景干擾下也能準(zhǔn)確定位目標(biāo)信息點(diǎn)。

　　目標(biāo)檢測(cè)算法常用于多種領(lǐng)域內(nèi)的檢測(cè)、計(jì)數(shù)、識(shí)別和定位，對(duì)于不同形態(tài)的產(chǎn)品都有良好的適應(yīng)性。

　　在眾多應(yīng)用場景中，目標(biāo)檢測(cè)算法的應(yīng)用相比傳統(tǒng)算法有著獨(dú)特的優(yōu)勢(shì)。簡單的方案設(shè)計(jì)，使操作人員上手更容易，簡單的參數(shù)使調(diào)試更便捷。強(qiáng)大的神經(jīng)網(wǎng)絡(luò)使之能夠高效、準(zhǔn)確兼容定位各種復(fù)雜場景下的目標(biāo)。

（轉(zhuǎn)載）