如何使用LabVIEW实现深度学习应用

电子说

1.2w人已加入

描述

传统的视觉算法受打光以及图像的边缘对比度影响,无法做到人眼的分辨效果,而且人具有学习能力,经过大量样本的学习,人就可以找到不同物体之间的细微差别,从而分辨出物体的类别。CNN就是模拟人的大脑神经元结构,用计算机构造的简化了的人脑神经网络模型,其主要用于图像分类和识别。

LabVIEW是一个广泛应用于工业自动化测控领域的编程平台,其具有很多不同行业的算法库,例如vision视觉库,集成了常用的视觉算法。其编程特点是上手快,开发效率高,兼容性强,能快速调用c++,c#等平台的dll类库。如何将LabVIEW与深度学习结合起来,来解决视觉行业越来越复杂的应用场景所遇到的困难。

下面以开关面板为例讲解如何使用LabVIEW实现深度学习应用。

LabVIEW

ok样本

LabVIEW

ng样本

这些图片的特征是:ok与ok,ng与ng之间都有差异,传统的方法要实现,就需要复杂的算法编程实现,如果用深度学习,则非常简单。

1. 准备好样本库,分别放到命名为ok和ng的文件夹中

LabVIEW

2.利用uvision-ai(LabVIEW调用第三方库实现)训练模型。

LabVIEW

LabVIEW

1000步时(耗时30s),验证集的识别率已经达到100%,loss下降到0.01。

3.调用uvision平台进行测试。

LabVIEW

LabVIEW

训练2000步后样本包含训练集和测试集(未参与训练,比例15%),总体识别率达到99.669%。

4.推理端用c#全套封装所有算法到uvision-dll.dll,LabVIEW端只需要简单调用少量算法即可实现识别。

LabVIEW

以上就是LabVIEW实现深度学习、训练模型自学习应用的案例分享。下面来讲一下视觉深度学习的行业现状及目前存在的问题。

目前深度学习从业人员薪资处于高位,且属于人才紧缺的行业,就业前景广阔。

在机器学习,深度学习还没有发展的这么火热之前, 国外几款做的几款非常好的视觉软件业内人士应该都很清楚。比如:NIVISION,Halcon, Visionpro, Cognix, MIL等等都是业内用的比较多,而且比较成功的视觉软件。其中很多模块都有定位,测量,检测等功能。

但是这些传统的方法来做缺陷检测大多都是靠人来特征工程, 从形状,颜色, 长度,宽度,长宽比来确定被检测的目标是否符合标准,最终定义出一系列的规则来进行缺陷检测。这样的方法当然在一些简单的Case中已经应用的很好, 唯一的缺点是随着被检测物体的变动,所有的规则和算法都要重新设计和开发,即使是同样的产品,不同批次的变化都会造成不能重用的现实。

为了帮助更多学员深入了解、学会掌握LabVIEW视觉深度学习的实际运用能力,从没有任何Python,TensorFlow基础学员,通过系统学习也能够从零入门,一步步实现自己手动搭建深度学习平台,学会调用视觉训练模型、利用loss曲线观察训练,并对已开发调用AI模型的评估、优化。8月18日(周二)晚上8点,我将会在发烧友直播间,给大家详细讲解以上内容,LabVIEW深度学习技术实现过程。欢迎大家提前报名直播,准时收看!

打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分