- 1、本文档共3页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
基于深度学习技术的视觉识别系统
一、项目背景:
传统的机器视觉技术,无法处理完全无规律的、干扰严重的缺陷检测应用, 使得有些制造工厂的在线缺陷检测筛选无法实现。随着人工智能技术的进步,深度学习技术(DL)和卷积神经网络技术(CNN)领域的人工智能(AI)被引入到机器视觉图像处理系统的应用中来,从而帮助机器学习和机器检测缺陷更加高效, 使机器视觉识别的过程更加精确,也让使用这些技术的企业可以从智能化中获得更高的生产经营效益。本项目的基于深度学习技术的视觉识别系统,即结合人工智能技术,可以实现此类应用的检测。
二、项目主要研究开发内容、技术关键和创新点2.1、项目主要研究开发内容
本项目针对零部件在工业生产过程中存在检测速度慢、自动化检测水平低下、检测准确率不高等问题,提出一种基于深度学习的工业零部件检测系统的方案设计,实现对零部件各种随机、复杂的缺陷进行自动检测的功能。
项目完成后,拟实现目标功能:
1、解决识别复杂工件慢、精确度低以及定位不准等问题;
2、数据可接入信息化系统平台,实现产品质量追溯。
、项目技术关键
图像前处理技术;
深度学习和卷积神经网络技术;
动态学习及结果分类技术。2.3、项目创新点
1、通过工业高精度相机获取目标图像信息,经过图像灰度化、图像滤波、Otsu 二值化处理,再经边界像素检测算法定位并分割目标图像,然后运用已训练的深度卷积神经网络(CNN)对目标进行识别,得到目标区域的特征以及所属类别,实现智能识别。
2、采用一种改进网络共享卷积层结构的方法,融合区域建议网络和区域卷积网络建立一种检测方法对目标零部件进行准确定位识别,适应各种形状大小不一的零部件检测,实现端到端训练输出定位检测结果。
3、系统深度学习模块加入了机器视觉算法包(Halcon),让机器视觉识别技术更加智能和成熟,具有速度快、检测准确率高等优越性。
三、项目现有技术基础和条件:
杭州力视科技有限公司专注柔性智能制造,以技术创新为核心,引领行业发展,立足中国,服务全球。致力于为客户提供柔性制造工厂的整体解决方案,从视觉识别系统、视觉智能制造设备、柔性自动化生产线到系统总集成,针对不同行业的需求,整合信息化、运动控制、视觉识别、人工智能等技术,为客户提供极具竞争力的产品和服务。
力视科技具有一支经验丰富的项目开发、实施团队,通过对客户问题、需求的前期调研,方案探讨、论证,成本预算,到系统开发、测试、上线,以及后期的跟踪、优化,为客户提供完整的技术服务,最终给客户节省生产、质检和管理成本,达到双赢的目的。
公司已具备一定的技术积累,从需求分析到系统概要设计、详细设计、测试, 建立了规范的软、硬件开发流程,拥有多名资深开发工程师,完全可以满足本项目的顺利实施的要求。
四、任务分解及进度安排:
2018 年 4 月,市场调研,同行产品调查,研发资料收集;
2018 年 5 月——2018 年 9 月
设计;
确定总体设计方案,关键技术研究,软硬件架构
2018 年 9 月——2018 年 11 月 完成硬件调试、软件编码工作,测试平台搭建;
2018 年 11 月——2018 年 12 月 产品测试,项目验收。
五、项目主要参与人员:
金人笑、温景文、刘进涛、刘一庆、蔡培根、施怡翔、吕金瑞、周团、姜杭琪、汤峰
技术开发项目经费支出预算(万元)
技术开发项目经费支出预算
(万元)
研究开发人员工资薪金费用
50
直接投入
30
折旧费用
2
设计费
5
设备调试费
5
无形资产摊销费
2
其他费用
2
委托其他单位的科研开发和试制费用
4
总 计
100
文档评论(0)