基于联盟成员每周的个人主题分享会后反馈，存在一些专业问题聊得不够透彻等问题。所以，根据大家的需求，我们策划了AI应用圆桌论坛，旨在对相关行业领域问题进行更深一步的讨论，希望大家在这个平台有所收获。
会议主持人：老严（联盟创始人）
会议桌长：商在兴
会议桌员：Lorenzo、肖雄、何钢、王夏东、孙同学等
参议人员：AIHIA联盟所有成员以及受邀外部嘉宾
会议流程：圆桌论坛背景介绍、工业视觉应用主题分享、问答互动、及下一期主题预告
目前机器视觉行业，以传统图像处理为主，深度学习为辅，主要的原因在于传统方法效率快、对硬件的要求低，可以达到很高的精度，在刀纹刮伤这种简单的目标是可以达到99.99%，而深度学习想要达到高精度，往往需要采集大量的样本，相比是有点困难。
不论在3C行业还是新能源行业或是其他行业，都会遇到数据样本不足或者不充分的问题，一是可以通过购买仿制样品或者真实样品，根据我们的样本曲线去造，二是通过类似ps的软件去造，增加我们的样本，但每个行业都要具体问题具体分析。
针对标准的深度学习软件，分享嘉宾总结了目前使用的模块，同时提出关于软件的运用，从开始收集数据到最后部署到设备上的过程中，需要考虑软件的易用性、鲁棒性、客制化。
分享嘉宾总结了机器视觉缺陷检测中经常遇到的问题，其中强调一定要多交流沟通，缺陷检测样本的形式各异，要定义好各缺陷的类别标准，而对于获取样本困难，可以结合传统图像处理，对缺陷进行分割，再用OpenCV中博森融合的方式融合到正样本中。
虽然机器视觉在大量的项目已经落地、应用，但还是存在很多疑难问题需要去解决。对此，分享嘉宾基于现在的问题和现实的技术发展，提出了无监督检测方式、无监督+光学硬件的结合以及基于缺陷自动生成的样本增强的观点。
商业软件包括支持传统图像处理以及深度学习的软件，目前主流的是halcon软件。
目前很多项目都是以传统图像处理加深度学习的方式，以传统图像处理为主，深度学习为辅的方式去完成的一些复杂的项目。但对现在看来还处于综合去运用的阶段，还没有替代。
如果是在缺陷检测场景中，用halcon图像处理算法软件，是一个效率非常高的方式，在目前工业领域市场占有率还是相当高的，但它是个商业的软件，要综合考虑成本的问题。
老严再次介绍了AI人才发展联盟的愿景、理念、以及定位，并预告下期圆桌论坛分享主题：智慧安防。同时非常感谢大家今天的参与。
►想要获取论坛详情及最新消息，可添加二维码
推荐阅读
文案：洪嘉隆
审核：CC
发布：刘明慧
| 欢迎光临 AIHIA梦工厂 (https://www.aihiamgc.com/) | Powered by Discuz! X3.5 |