深度學習賦能傳統機器視覺

傳統的機器視覺技術需要將數據表示為一組特征，或輸入到預測模型，從而得出預測結果，這是完成制定動作，較難適應未來柔性化的生產需求，尤其是在缺陷類型復雜化、細微化、背景噪聲復雜等場景越來越難適用。

搭載AI 深度學習功能后，機器視覺將原始的數據特征通過多步的特征轉換得到一種更高層次、更抽象的特征表示，并進一步輸入到預測函數得到最終結果。

基于深度學習的機器視覺在理想狀態下可以結合機器視覺的效率與人類視覺的靈活性，從而完成日趨復雜環境下的檢測，尤其是涉及偏差或極端環境，滿足更多下游對瑕疵精度、通用性的嚴苛要求。