在机器视觉领域，目前主要采用两种基本方法：传统的基于规则的机器视觉，以及深度学习。两者的目标相同——都旨在实现对对象的可靠检测、检验和分类——但其工作方式不同。
传统方法依赖人工定义的规则和特征，而深度学习则能够从样本数据中自动学习这些特征。借助 MVTec HALCON 和 MERLIC，这两种方法可以灵活结合，从而充分发挥两者的优势。
在传统机器视觉中，相关特征由机器视觉工程师定义。软件基于这些规则检测边缘、形状、颜色或纹理。这种方法透明、确定且精确，尤其适用于条件稳定、可重复的流程。
深度学习基于人工神经网络，能够从样本数据中自动学习特征。系统会分析大量训练图像，并识别出某一类别中哪些结构、纹理或形状是相关的。因此，深度学习特别适用于高变异性、非特定缺陷或不规则模式的应用场景。
前往工作流程
对比
当需要最高的精度、可追溯性和性能时，传统机器视觉仍然不可或缺。而一旦目标对象变得多样、复杂或难以明确定义，深度学习便可作为这些方法的有效补充。MVTec 将这两种方法集成在同一软件环境中，为高效且面向未来的机器视觉解决方案提供支持。
非常适合精确且定义明确的任务，例如测量、定位或条码读取。
最适合用于对象变化大、纹理复杂或缺陷未知的场景。
混合式方案通常能够带来最佳效果：深度学习负责预处理或分割，而传统算子则确保精确的几何测量或质量评估。在 HALCON 中，传统算子与深度学习算子可以无缝结合，例如用于预分割、分类或质量检测。
探索我们的深度学习方法
我们的知识与服务
下载阅读我们的白皮书，获取工业机器视觉的实用洞察与专业知识，了解关键技术、行业趋势，以及可支持技术和战略决策的实际应用。
您想了解我们是否能为您的行业提供合适的解决方案吗？请将您的软件应用设计发送给我们，我们的专家将为您进行评估。
