深度学习-视觉检测 

       自动化的外观缺陷检查可能是一项挑战性的工作——过去的计算机视觉工作需要几个月的编码和调试。然而，现在有一种更有效的方法利用深度学习来解决机器视觉问题。现在，这些智能机器可以学习如何使用基于人类学习的示例训练来识别缺陷。
深度学习技术使用神经网络，模拟人类智能，在容忍复杂模式自然变化的同时，区分产品异常。基于深度学习的系统擅长检查复杂的表面和外观缺陷，如光滑、光亮或粗糙零件上的划痕和凹痕。
      深度学习是机器学习的一个分支，它通过创建人工神经网络（ann）来模拟人脑中的神经网络。就像人脑解决问题一样，软件接受输入、处理输入并生成输出。该方法使用通过训练程序调整的权重来教神经网络如何正确响应输入。因此，更多的重复教学使人工神经网络更强大，从而更好地识别或预测。

深度学习的全部功能

步骤：

1深度学习需要标记数据

2将图像分割为训练、验证、测试集 

4 得到结果

   

深度学习原理


分类：典型应用




物体识别：典型应用

语义分割：典型应用