隨著機(jī)器視覺、工業(yè)自動(dòng)化的快速發(fā)展,各類元器件表面細(xì)微缺陷對(duì)元器件的性能影響越來越大，如何更好地對(duì)產(chǎn)品表面缺陷進(jìn)行檢測(cè)也隨之被提出來。機(jī)器視覺系統(tǒng)已經(jīng)可以部分替代人類視覺，但在一些復(fù)雜場(chǎng)景下采用機(jī)器視覺系統(tǒng)依然存在許多挑戰(zhàn)。

       傳統(tǒng)的視覺算法存在一些局限性。例如，圖像中的缺陷特征可能非常多樣化，那么必須通過工程師的判斷以及反復(fù)試驗(yàn)，才能決定可以使用哪些功能來最好地識(shí)別缺陷。由于編程很難覆蓋所有的缺陷特征，傳統(tǒng)的視覺算法通常會(huì)遇到較高的誤報(bào)率?；谏疃葘W(xué)習(xí)的方法可以緩解許多此類問題，可以檢測(cè)到傳統(tǒng)算法可能無法檢測(cè)到的缺陷。因此，深度學(xué)習(xí)方法可以補(bǔ)充現(xiàn)有的傳統(tǒng)算法，從而使整個(gè)解決方案更易于操作且更準(zhǔn)確。

       深度學(xué)習(xí)的應(yīng)用包括模型訓(xùn)練和推理，必須考慮硬件配置，該硬件配置應(yīng)能夠運(yùn)行神經(jīng)網(wǎng)絡(luò)模型，同時(shí)又滿足設(shè)備的實(shí)時(shí)性能要求和生產(chǎn)線的節(jié)奏。QUARK-300系列便是成熟的解決方案，搭載能夠支持intel 5代~10代酷睿處理器，它適用于MV和AI工業(yè)干擾環(huán)境下的應(yīng)用，并支持千兆網(wǎng)絡(luò)或USB3.0作為攝像機(jī)輸入。