深度学习扩展机器视觉的力量
人工智能，尤其是深度学习正变得越来越强大。 深度学习解决方案可以满足非常具体的要求。
在机器视觉中，深度学习可实现越来越多以前无法实现的应用程序。 而且，可以显着提高现有应用程序的性能。 特别是在数据分类领域，深度学习是一种非常有效的技术。 许多行业和部门已经从新机遇中受益，例如农业，机械工程，制药，物流等。
MVTec 软件产品提供了大量基于深度学习技术的算子，功能和方法，或者允许客户在自己的应用程序中使用深度学习技术。
了解更多深度学习方法、深度学习与传统机器学习的区别以及如何开始深度学习。
深度学习使数据分类提升到新的高度
MVTec 机器视觉软件带有预训练的 CNN（卷积神经网络），可以使用较少数量的训练图像来开发应用程序。 通过使用这些网络，用户可以训练自己的分类器以对新数据进行分类。 提供足够数量的图像，训练过程会自动提取每个类别的特征。 MVTec 机器视觉软件将随即分析这些图像并自动了解哪些特征可用于识别给定的类别。
MVTec 机器视觉软件中的深度学习方法
深度学习是一项强大的技术，是 MVTec 对机器视觉工具包全面的补充。客户可以利用深度学习与传统的机器视觉相结合来开发整体的应用。
这些深度学习方法的训练可以在 GPU 以及 CPU 上执行。 这大大增加了您实施深度学习的灵活性，因为这意味着深度学习也可以直接在生产线上进行。这也使得可以根据不断变化的环境条件调整应用程序。 推断可以在 GPU，x86 CPU 和 Arm® 处理器上执行。
基于我们的 AI² 接口，我们还支持越来越多的 AI 推理加速器，以使用专用硬件提高速度。
使用深度学习的优势
- 自动特征提取
- 减少编程工作
- 可以使用大量数据
- 减少开发时间
物流
无论您需要分类包装还是控制无人搬运车，深度学习解决方案都可以使您更快，更经济地解决机器视觉任务。
示例：识别清空的机架
已实施的基于深度学习的解决方案可处理 2D 图像数据，并用 3D 传感器代替了复杂的硬件设置。 这加快了分类过程并降低了成本。
了解更多
农业与食品
从分类水果，喂食动物，采摘成熟的蔬菜，将水果封装或生产冷冻食品 – 无论是在温室中，在田间，在谷仓中还是在生产工厂中，深度学习技术将增强您的自动化能力。
示例：识别植物
通过深度学习，编程新植物类型的速度可以是以前的两倍。 此外，错误率显着降低。
了解更多
电子和半导体
机器视觉在例如电子元件的识别和检查中起着重要作用。 通过深度学习，可以自动执行以前手动执行的复杂检查任务。
示例：电路板印制质量检查
借助深度学习，可以显着加快不同电路板零件的好坏图像的分类。
了解更多
医疗和制药业
如果您正在寻找一种将质量控制提升到更高水平的工具，那么深度学习技术是正确的选择。 无论您需要检测药丸上的缺陷，正确地对药片进行分类，填充，检查或包装瓶子或标签，深度学习的机器视觉都可以改善您的流程。
示例: 检测药片上的缺陷
新出现的缺陷可以通过自动训练被检测到，这意味着可以节省大量时间和成本。
了解更多
![[Translate to Chinese:]](/fileadmin/_processed_/a/e/csm_2020_header-deep-learning_d6e26e13a2.jpg "[Translate to Chinese:]")
