66黨知知wEmb機器視覺發展歷程動機產業動機產業應用技術人工智能/機器學習/深度學習的差異人工智能其目的是泛指可以計算機來達到近乎人類的智能機器學習實現人工智能的方法，從過去資料學習，并進行預測的算法深度學習機器學習的一種分支，采用多層結深度學習是機器學習研究中的一個新的領域，其動機在于建立、模擬人腦進行分析學習的神經網絡，它模仿人腦的機制來解釋數據，例如圖像，聲音和文本。深度學習的概念源于人工神經網絡的研究。金融、醫療、安防、交通、游戲、制造等計算機視覺語音工程自然語言處理機器學習、深度學習硬件/高性能運算、大數據傳統機器學習&深度學習：特征學習傳統的機器學習分類人工輸入的特征分類程”訓練分類器分類學習簡單訓練分類器分類的特征的特征深度學習傳統機器學習&深度學習：模糊復雜特征●需要非常有經驗的編程和視覺工程師來實現●需要大量的編程工作和昂貴的代碼維護成本●在特征提取的環節非常具有挑戰性●適于處理模糊特征分類問題●通過訓練獲取特征信息傳統機器視覺&深度學習視覺傳統機器視覺解決方案①無法分析無規律圖像當圖像不規則、無規律時，缺陷的特征很難通過手動設定，因此無法深度學習視覺解決方案①可分析無規律圖像即使圖像復雜，通過深度學習算法，軟件可以自動學習瑕疵的特征，使得無規律圖像的分析變得可能傳統機器視覺&深度學習視覺傳統機器視覺解決方案傳統機器視覺解決方案②精確度低如果缺陷部分和之前設定好的缺陷有輕微的出入，傳統視覺都無法檢測出這樣的缺陷，導致深度學習視覺解決方案深度學習視覺解決方案②精確度高1傳統機器視覺深度學習視覺通過深度學習算法和制造業特有的數據提高檢來料1控制中心控制中心ATNaa加工4包裝5物流包裝5高度自動化的生產流程依賴機器視覺來可靠識別生產過程中的各種對象終端用戶深度學習的障礙defvgg(x,blocks,is_training,classes,stem,scope=None,reuse=None):k(x,128,blocks[1],scope=x=fc(x,4,scope='fc7')x=relu(x,name='relu7')x=dropout(x,keep_prob=0.5,scope='dx=fc(x,classes,scopeK一這從云端到邊緣計算的Al深度學習軟體OpenVINO工具套件的優勢充分利用Intel處理器強大功能：CPU、帶集成顯卡的CPU、FPGA、VPU整合深度學習創新和定制研華訓練(Training)與推論(Inference)平臺數據管理訓練模型建立數據管理訓練模型建立工業設備大數據類神經網絡GEFORCE大數據:機器人工業設備工業設備無人駕駛智能交通智能工廠安防監控智能交通智能工廠安防監控位于后臺與云端之多GPU卡服務器位于前臺或工廠設備內之單GPU卡工控機研華機器視覺邊緣運算系列產品)44422研華AlnfLeamingrnge研華AI數據演算深度學習架構數據預處理深度學習基礎：大數據+加速運算光學字符識別模型光學字符識別缺陷檢測異常復檢異常復檢收集新圖像生成新的訓練模型紡織布面檢測：面陣相機應用硅片/玻璃檢測：線陣相機應用