AI深度学习是基于机器学习理论，通过分层学习过程，提取高级、复杂的抽象作为数据表示，深度学习方法比标准机器学习方法更快地产生结果。适用于视觉检测中的外观缺陷自动检测领域。

在检测领域应用：

缺陷检测算法：滤波降噪、特征识别与提取、缺陷定位计算、缺陷分类识别

深度学习：构造深度学习模型，利用卷积神经网络实现复杂背景下的识别检测

检测速度：检测速度快，可以时下你单幅图像毫秒级检测速度

计算能力：理论上可以映射任意函数，识别高维特征信息，模型自动提取特征，强大泛化能力，解决复杂识别问题

缺陷检查测算法流程：

1.图像采集、数据标注：利用条纹光扫描采集待测工位图像，然后进行图像融合，并将缺陷区域标注，获得正负样本

2.数据预处理：利用均一化、PCA白化、数据增强等方法对图像进行预处理

3.模型设计、数据输入及模型训练：根据待测图像特征设计合适的深度学习模型，并输入数据进行训练。

4.计算结果：利用训练得到的深度学习神经网络模型对输入图像进行计算，并得到检测结果。

5.缺陷定位及缺陷分类：网络可以实现图像定位并对其是否存在缺陷进行判断，并对缺陷类型进行分类。

装配质量深度学习检测方法实例