目前很多的機器視覺外觀檢測都是需要用到大量的演算法操作，對於一部分的新手工程師來說並不友好，就算是老練的工程師在這方面也耗費時間比較多。對於工業生產來說這並不是想要的理想結果。那麼在這種情況下突破這瓶頸呢？
在這東莞埃法智慧型科技****的《alfa深度學習機器視覺外觀缺陷檢測系統軟體》可以幫到您，它是使用卷積神經網路演算法開發的深度學習檢測軟體，不需要寫任何演算法，只需提供影象資料。只要是影象資料能夠體現的缺陷，都是可以檢測出來。
在剛開始檢測乙個新的專案，只需要採集幾百到一千的影象資料，在這些影象資料上面標記缺陷種類，然後進行一輪訓練。訓練過後再放進一批新的樣品圖，會發現檢測率相當的高，一開始就可以保持在95%~98%左右。在訓練次數越多的情況下，檢測率是可以無限接近100%的。
目前成功的應用是在醫藥、 汽車、 紡織、 印刷、新能源電池, 手機 和製表行業。可實現紡織品外觀檢測,五金加工件檢測,移印檢測,太陽能板檢測,焊縫檢測等多方應用
比起傳統演算法，它優勢在於不用寫演算法，且更簡便，更精準，更高效。
機器視覺 角點檢測演算法
基於openmv硬體平台 識別原理 1.尋找直線 2.計算相交直線的交點座標 3.判斷直線是否垂直 實驗效果 實驗 import sensor,image,time sensor.reset sensor.set pixformat sensor.rgb565 sensor.set framesiz...
機器視覺中的目標檢測
今天撇去不同目標追蹤演算法的框架，比如kcf tld mean shift等，忽略它們繁瑣的公式，看了對目標檢測的基本理解。這裡做乙個簡單的總結，目標檢測的框架一般是下圖這樣的 目標檢測分為以下幾個步驟 1 訓練分類器所需樣本的建立 訓練樣本一般包括正樣本和負樣本，正樣本是指第一幀圖中框定的待檢測的...
基於機器視覺的裂紋檢測與跟蹤
裂紋檢測與跟蹤實現兩個功能 裂紋檢測和裂紋跟蹤，對裂紋影象進行影象增強，對其細節特徵進行突出，對裂紋的邊緣提取，對於邊緣提取的精度進行比較。對裂紋特徵進行座標化和骨骼化，轉化為資料陣列便於儲存於影象檔案，有利於圖形的傳輸。機械人實現裂紋跟蹤，將裂紋的軌跡指令傳送給機械人從而實現機械人的跟蹤，將檢測到...