系统工程师们一直在寻找新的方法来让产品变得更小,在更短的时间做更多的事,并且价格合理。在过去的几年里,有两个新趋势让这变得更容易:深度学习和 SOC。在深度学习领域,现在有专为非专业用户设计的在线工具,可以非常快速地训练神经网络 — 有时只需几分钟!与此同时,机器视觉相机变得越来越小,有些甚至允许经过训练的神经网络直接在相机上运行。这些相机上的系统成为使用深度学习的小型检测系统。在 SOC 领域,像英伟达这样的公司继续通过强大的载板功能实现进步,其中包括嵌入式的深度学习加速器。在本次网络研讨会中,Teledyne FLIR 的系统工程师Hardy Wang分享了如何利用这些技术开发检测系统的示例,用于颜色分类、缺陷检测、物体分类等任务,甚至为机器人视觉创建自定义深度感知系统。 Hardy还将展示一个检测泡罩包装内药丸的系统的示例,以及一个对汽车颜色、汽车类型和读取车牌进行分类的4相机交通系统。
演讲人:王重普-亚太区售前工程师经理-Hardy作为系统工程师在机器视觉行业有7年工作经验。行业涉及工业自动化、GIS地图、自动驾驶、机器人机械臂、3D视觉,对机器视觉深度学习发展趋势有独到见解。