基於深度學習的缺陷分類

基於深度學習的缺陷分類

  • 應科院研發出一種新的缺陷分析方法,以深度學習和機器學習來做缺陷分類。該深度學習模型是專為工業應用而定制和優化的,它擁有精確的多尺度機制,從而可以為高精度檢測提供高精準的特徵提取功能。此外,該模型還有自主學習能力,並可以自適應地調整和調優模型以提升其表現。該深度網絡同樣為高速工業應用進行優化。例如,網絡平坦化技術減少了加速測試過程的網絡複雜度,滿足了產線上高單位時間產出(UPH)的需求。

    基於此技術,我們可以開發出令人驚嘆的工業應用。對高精度檢測來說,現有的檢測系統會遇到由生產線環境噪音所引起的誤檢測問題。該技術可以提取容易被忽略的複雜多模特徵,從而避免了誤檢測並使得性能得到了提升。

     

    我們提出的深度學習技術也可用作數據分析組件,對不同種類的缺陷做分類和數據統計。在我們的系統中,這些數據是實時處理的,而不是像現在的人工檢測那樣有時間的延遲。此外,經組織的數據會被應用於支持系統中,以改進製造過程中的生產週期。