傳統(tǒng)機器視覺技術與深度學習方法之間存在明確的權衡。傳統(tǒng)機器視覺系統(tǒng)的性能和能效通過不斷地優(yōu)化已近成熟，已經(jīng)可以適用于眾多工業(yè)生產(chǎn)環(huán)境。但隨著缺陷類型增多、缺陷種類復雜化，傳統(tǒng)的機器視覺系統(tǒng)的應用程序變得難以編程。twN機器視覺檢測設備_CCD視覺檢測_外觀缺陷檢測系統(tǒng)_精質(zhì)視覺

twN機器視覺檢測設備_CCD視覺檢測_外觀缺陷檢測系統(tǒng)_精質(zhì)視覺

　　深度學習所用的神經(jīng)網(wǎng)絡是訓練得到而非編程得到，其快速發(fā)展大大提升了視覺應用的性能和成本效益，同時也減少開發(fā)機器視覺程序所需的時間，而且深度學習還可以提供更好的準確率和通用性，但是因?qū)ζ涞难芯咳栽谶M行中，技術尚未成熟，從而沒有大批量的進入工業(yè)生產(chǎn)。twN機器視覺檢測設備_CCD視覺檢測_外觀缺陷檢測系統(tǒng)_精質(zhì)視覺

　　對比傳統(tǒng)機器視覺技術和深度學習技術，其實都存在優(yōu)勢和不足。而深度學習視覺系統(tǒng)結(jié)合兩者優(yōu)勢，以深度學習為核心，通過訓練系統(tǒng)內(nèi)的神經(jīng)網(wǎng)絡，學習各零部件的形態(tài)特征，建立包含各零部件的深度學習模型，從而可以分析更加復雜的圖像、提高圖像的分析能力和自動視覺檢測的準確性、快速定位識別不同組件以此實現(xiàn)自動分類缺陷，最后完成檢測。twN機器視覺檢測設備_CCD視覺檢測_外觀缺陷檢測系統(tǒng)_精質(zhì)視覺