“深度学习” 加持下的工业质检，机器亦有鹰眼视觉(内含福利）
点击标题下「云轩cloudhin」可快速关注
| 匠心 | 专业 |
Cloud hin，寓意以“云计算助力科技发展”
Cloud hin的品牌目标是“解决计算的问题”，品牌定位是“让专业的计算机装备为无限的计算潜能服务”。
深度学习属于机器学习的领域，其演算方式是通过不断重复判别物件获得庞大数据，再经过大量的运算，以及对结果的反馈机制，让精准度不断接近完美。在制造业的视觉检测中，深度学习的演算法，已经在帮助系统实现快速而精准的判别产品瑕疵。
机器视觉检测取代人眼
产品检测是制造业质量管理的一环，过去皆由现场作业员亲力亲为，然而人眼有其精度和耐力的极限，检测速度与正确率会随着作业时间拉长降低，再加上产线速度越来越快、产品体积逐渐轻薄短小，后期机器视觉开始取代人眼，成为产线检测主流。
深度学习让机器“慧”眼更精准
基于规则的传统编程技术更擅长于计量和测量应用以及执行精确对位。在有些情况下，传统机器视觉可能是精确定位感兴趣区域的最佳选择，而深度学习技术则是检测该区域的最佳选择。
基于深度学习的图像分析软件和传统机器视觉是两种互补性技术，它们具有相互重叠的功能，同时也有各自擅长的独特领域。有些应用可能需要同时使用这两种技术。
以外观缺陷检测为例，深度学习加持下的机器视觉已切实达到工业精度要求。
▲ 检测任务的准确率考核矩阵
漏判率：漏判会直接造成不良品流向终端客户，所以漏判率要求通常低于100PPM。
误判率：误判会直接对工业企业的良率造成影响，会造成物料的浪费。企业对误判率的要求通常要求在1%-5%之间。
一方面，深度学习目前的行业普遍技术水平已经能够达到95%以上的判定准确率。通过平衡漏判率和误判率，更加严格地控制漏判，可以让漏判率降到100PPM以下，而误判率降到5%以下。
另一方面，针对节拍的要求，由于目前GPU显卡可以达成每秒80祯的图像处理速度，5秒内可以完成400张图片的判定。一般3C行业的产品较小，只需要10张以内的照片就可以完成产品的覆盖，比如大的机加工产品，也只需不到100张图片进行产品表面的全覆盖。
图像处理的速度完成可以满足节拍的要求， 所以总体来看，深度学习技术已经成熟到可以完成复杂工业视觉任务。
专业深度学习解决方案加速AI研究
Cloudhin®云轩支持Deep learning和高性能计算服务器定制，针对主要深度学习框架（如TensorFlow、Caffe 2、Theano或Torch）进行了优化和设置，为计算系统提供强大的深度学习功能。
GS4248四路GPU服务器搭载双Intel Xeon E5处理器，合计24核48线程；高性能GPU处理器RTX 2080TI、TITAN RTX，均支持按需定制。单卡最高可提供130 Tensor TFLOPs的性能、576个Tensor核心，以及24 GB的高速GDDR6显存。珠联璧合，轻松应对如GPU虚拟化、高性能计算、机器学习等多任务处理。
专业勤修，锐意进取。云轩技术工程师毕业于NVIDIA深度学习研究所，丰富经验，值得信赖。更多定制方案请联系客服，我们将实时响应您的定制需求。
