深度學(xué)習(DL, Deep Learning)是機器學(xué)習(ML, Machine Learning)領域中一(yī)個新的(de)研究方向，它被引入機器學(xué)習使其更接近于最初的(de)目标——人工智能(AI, Artificial Intelligence)。

深度學(xué)習是學(xué)習樣本數據的(de)內(nèi)在規律和(hé)表示層次，這些學(xué)習過程中獲得的(de)信息對諸如(rú)文字，圖像和(hé)聲音等數據的(de)解釋有很大的(de)幫助。它的(de)最終目标是讓機器能夠像人一(yī)樣具有分析學(xué)習能力，能夠識别文字、圖像和(hé)聲音等數據。 深度學(xué)習是一(yī)個複雜的(de)機器學(xué)習算法，在語音和(hé)圖像識别方面取得的(de)效果，遠遠超過先前相關技術。

應用場景

1）字符識别，複雜場景下的(de)字符識别，相對于傳統的(de)OCR方案，識别質量大大提升

2）物品檢測

• 生産過程中，有粘貼吸管環節，可(kě)能出現粘貼不合格的(de)情況
• 通過機器視(shì)覺技術，檢測吸管粘貼是否合格，不合格的(de)做(zuò)剔除處理(lǐ)
• 主要應用機器視(shì)覺的(de)測量技術，測量吸管的(de)粘貼角度來判别

• 生産過程中，有漏卷的(de)情況存在
• 通過機器視(shì)覺技術，檢測是否存在漏卷，如(rú)果有，進行剔除處理(lǐ)
• 主要應用機器視(shì)覺的(de)測量技術，模式識别技術，統計計數功能綜合判别

3）物品識别

叉車檢測，替代光幕，解決誤觸發問題