在机器视觉和深度学习之间进行选择

应用要求决定合适的检测方法

深度学习型图像分析和传统的机器视觉是互补的技术，二者有重叠的功能，也有各自擅长的独特区域。选择传统机器视觉还是深度学习取决于：

• 要解决的应用类型

• 要处理的数据量

• 处理能力

传统的规则编程技术更适合：

• 测量和测量

• 精密对准

深度学习型图像分析擅长：

• 复杂的涂装检测

• 纹理和材料分类

• 装配验证

• 变形和可变的功能特征位置

• 有挑战性的字符识别，包括畸变的印刷

部分应用可能会涉及两种技术。例如，传统视觉可能是精密定位某个关注区域的较佳选择，而深度学习则是检测该区域的较佳选择。然后，可将深度学习型检测结果传递回传统视觉，以准确测量缺陷的尺寸和形状。

深度学习型图像分析和传统的机器视觉是互补的技术，二者有重叠的功能，也有各自擅长的独特区域。部分应用可能会需要或涉及两种技术。