什么是深度学习应用

01

工业4.0中，人工智能是其中重要的组成部分，当谈及人工智能的时候，大家是否会想到击败人类的阿尔法狗，超乎想象的特斯拉无人驾驶技术，以及一度引起了热议的AI换脸技术，这些应用的背后都是深度学习的技术在发挥着重要的作用。

AI、机器学习和深度学习是近年来比较热门的技术，他们有着密切的联系。

人工智能是最早出现的，也是涉及范围最广的；其次是机器学习，稍晚一点；而最内侧最新的就是深度学习，它也是当今人工智能大爆炸的核心驱动。

在深度学习领域中，人工神经网络（Artificial Neural Networks）是机器学习中的一个重要的算法，历经数十年的发展，现在它已经是主流的深度学习的算法。神经网络的原理是受我们大脑的生理结构——互相交叉相连的神经元启发，但与大脑中一个神经元可以连接一定距离内的任意神经元不同，人工神经网络具有离散的层、连接和数据传播的方向。基于人工神经网络的算法，深度学习为相关应用提供了更多的信息处理方式及判断选项。深度学习为机器视觉技术带来了长足的发展，通过图像分类、目标检测及图像分割等技术，为机器视觉相关应用提供了更有力的支持。

当讨论深度学习或者是神经网络的时候，我们都觉得,这些都是Google、Face Book、腾讯、阿里巴巴这样的巨头才会能玩得起这样的State of the Art的技术。其实在西克中国技术服务部也有一支Deep Learner的小分队，结合SICK在FA领域的领导者地位和视觉产品的多年的经验，采用深度学习技术，解决传统技术难以实现的功能。目前我们的Deep Learner小分队已经搭建好了深度学习的平台，并将深度学习应用于定制化系统的测试及开发中。

深度学习应用分享

02

分类检测

深度学习通过针对样板的信息采集及特征学习，对相关行业应用中的目标物分类进行准确判断，提升分类准确率，且不完全依赖于比对样板的数量及标准。

包裹分类检测

工件装配正反检测

多包裹检测

在物流行业，包裹检测时经常会出现由于距离较近造成包裹No-read影响分拣。深度学习通过包裹的大数据采集来区分“长包裹”和“多包裹”，减少错误判断，提高包裹读码率。

深度学习的未来发展

03

深度学习不是口号，而是已经来到。

西克集团也把深度学习作为一种重点业务开始推广。除了上述提供的应用分享，还有更多的Deep Learning应用在广泛的自动化行业落地发芽。技术服务部也会继续在这些基础上开发推广更多的Deep Learning应用。