深度學習(DL, Deep Learning)是機器(qì)學習(ML, Machine Learning)領域中一(yī)個新的研究方向，它被引入機器(qì)學習使其更接近于最初的目标——人工(gōng)智能(néng)(AI, Artificial Intelligence)。

深度學習是學習樣本數據的内在規律和表示層次，這些學習過程中獲得的信息對諸如文字，圖像和聲音(yīn)等數據的解釋有很大的幫助。它的最終目标是讓機器(qì)能(néng)夠像人一(yī)樣具有分析學習能(néng)力，能(néng)夠識别文字、圖像和聲音(yīn)等數據。 深度學習是一(yī)個複雜的機器(qì)學習算(suàn)法，在語音(yīn)和圖像識别方面取得的效果，遠遠超過先前相(xiàng)關技(jì)術。

應用場景

1）字符識别，複雜場景下(xià)的字符識别，相(xiàng)對于傳統的OCR方案，識别質量大大提升

2）物(wù)品檢測

• 生(shēng)産過程中，有粘貼吸管環節，可能(néng)出現粘貼不合格的情況
• 通(tōng)過機器(qì)視覺技(jì)術，檢測吸管粘貼是否合格，不合格的做剔除處理
• 主要應用機器(qì)視覺的測量技(jì)術，測量吸管的粘貼角度來判别

• 生(shēng)産過程中，有漏卷的情況存在
• 通(tōng)過機器(qì)視覺技(jì)術，檢測是否存在漏卷，如果有，進行剔除處理
• 主要應用機器(qì)視覺的測量技(jì)術，模式識别技(jì)術，統計計數功能(néng)綜合判别

3）物(wù)品識别

叉車檢測，替代光(guāng)幕，解決誤觸發問題