Deep Learning Technologies for Defect Classification

技術簡介 

工研院自主研發之物件分類、偵測、分割等深度學習技術，已針對工業應用最佳化，並有多項落地應用案例。

技術特色

自主研發之多分支出口之分類網絡架構、加入多解析度且均衡之分支架構之偵測網路架構，以及基於幾何轉換之推論融合擴增分割技術，在工業應用中具有高的準確率及速度，以滿足業界落地需求。

• 具有多個較小但結構完整的分支分類網路架構，提供分支決策與協同決策之彈性，對於難易不同之影像，提供最佳整合分析結果。
• 於偵測網路模型後端，加入多解析度且均衡之分支架構強化特徵學習，並融合多解析度偵測結果以提升大中小瑕疵之檢測能力。
• 基於幾何轉換之推論融合擴增技術，融合多角度之分割結果，在推論階段進一步提升瑕疵分割之準確率。

技術規格

• 可支援不同大小之影像。
• 提供訓練系統及推論模組，可根據實際應用需求選擇分類、偵測、分割模型訓練及推論。
• 可提供Windows.NET、Windows DLL與Linux等平台之模組，易整合至系統中。

應用範圍

• 可自動光學檢測、機器人視覺、文件辨識、警政監控視訊分析、工廠人員監控應用等。
• 需應用影像物件分類、偵測、分割等核心技術之相關產業，皆可導入本技術以提升產業價值。

圖1 多分支出口之分類網絡架構

聯絡窗口 

聯絡人：曾思閔/ 巨量資訊科技與應用推廣部(C300)
電話：03-5918422
Email：jasmine20446@itri.org.tw
https://www.itri.org.tw/
工研院資訊與通訊研究所