深度學習(Deep Learning)為機器視覺系統賦予了超強的感知和理解能力，大大推動了機器視覺領域的發展和應用。SICK作為工業用智能傳感器和傳感技術解決方案的主要制造商之一，已將深度學習技術集成到SICK視覺硬件及軟件中，覆蓋了2D和3D視覺，智能相機及基于IPC的相機。所集成的深度學習功能包括：分類、異常檢測、目標定位以及OCR。這些功能可為絕大部分工業視覺復雜類檢測應用提供解決方案。

　　1?

　　基于InspectorP 2D智能相機

　　的深度學習功能

　　SICK InspectorP系列的2D智能相機，搭載SICK Nova InspectorP 2D視覺軟件，該軟件除了包含傳統的機器視覺處理功能，同時也集成了分類和異常檢測的深度學習功能，即在該智能相機中匯集了深度學習技術的所有流程，包括：圖像采集、標注、訓練、評估、以及識別，并且訓練時間短（快30秒以內），操作便捷，流程簡單，即便是無深度學習經驗的工程師也可以很快上手整個流程。

　　智能相機訓練分類功能

　　如下圖所示，在SICK InspectorP 智能相機的設備上即可完成深度學習分類功能的全部過程。

　　當前InspectorP上可多支持100張訓練圖像以及10類識別對象。如果實際應用中類別數更多，場景更為復雜，則可以通過SICK 云端（點擊訪問）訓練更復雜的模型。然后將訓練好的模型導入智能相機中，該相機只負責進行識別。

　　因此，在分類的應用中，用戶可根據現場情況的難易程度，選擇不同的訓練方式，以達到解決問題的效果。

　　智能相機異常檢測功能

　　如下圖所示，在SICK InspectorP 智能相機的設備上即可完成深度學習異常檢測功能的全部過程。

　　在智能相機設備中只需要訓練無缺陷的圖像即可，總數多為100張，訓練時間快30秒以內。有缺陷的圖像只用于評估，并自動給出區分好壞的閾值。

　　應用案例

　　（異常檢測）

　　2?

　　基于IPC的2D和3D深度學習功能

　　SICK基于IPC的深度學習功能，已集成到SICK視覺軟件EzR中，滿足2D和3D視覺場景的使用。搭配SICK高速高精度相機Ruler系列，可對目標的高度信息執行更準確的檢測，功能包括：分類，目標定位，缺陷檢測以及OCR。

　　缺陷檢測

　　對目標進行缺陷檢測，能檢測出目標表面的凸包，凹坑，以及劃痕。

　　分類和定位

　　對目標進行分類和定位。比如對輪胎上的“DOT”字符類別進行定位。

　　自動提取復雜背景的文本并識別

　　SICK工業智能傳感器在多個行業的不同場景中被廣泛使用著，而集成了SICK深度學習功能的智能相機和視覺軟件，可以為絕大部分工業視覺復雜類檢測應用提供簡潔、快速、高效以及穩定的解決方案。