深度学习的优势
深度学习扩展了计算机和相机可以检查的极限
深度学习已将以前需要视觉专业知识的应用转变为非视觉专家即可解决的工程挑战。深度学习将开发和编写规则算法的应用开发人员所肩负的逻辑重担转至培训系统的工程师。它还为解决应用程序开辟了新的可能性，且这些应用程序在无人工检查员的情况下从未进行过尝试。因此，深度学习使机器视觉变得更易于使用，同时扩展了计算机和相机的精确检查极限。
 |
与人类视觉检测相比 |  |
与传统机器视觉相比 |  |
与深度学习开源库相比 |
|
更一致 全天候运行，并在每条生产线、每个班次和每个工厂保持相同的质量水平。 |
专为难以解决的应用而设计 使用经典的基于规则的算法，解决不可能或困难的复杂检查、分类和定位应用问题。 |
所需数据和计算资源更少 培训需要数百张图像而不是数百万张。由于图像存储在本地，并且需要较少的计算资源，因此部署速度快且价格合理。 |
|||
|
更可靠 识别设定公差之外的每个缺陷。 |
更容易配置 应用程序可以快速设置，加快了概念验证和开发。 |
简单的培训界面 软件专为实际工厂条件而设计，无需特殊专业知识。 |
|||
|
更快速 以毫秒为单位识别缺陷，支持高速应用并提高吞吐量。 |
容许各种差异 处理需要鉴别可接受控制偏差的应用中的各种缺陷差异。 |
全球支持 康耐视的工程师和技术专家网络提供世界级的应用支持。 |
|||
人工检查员擅长通过实例学习并鉴别可接受的控制偏差。与此相比，机器视觉要稳健得多。深度学习将人工视觉检测的灵活性与计算机化系统的一致性和速度相结合。
