简介
为什么做这场直播？
目前深度学习从业人员薪资处于高位，且属于人才紧缺的行业，就业前景广阔。
随着自动化技术的快速发展，在工业生产中很多需要人工操作的环节逐渐转由机器完成，工业生产自动化也将越来越多的工人们从枯燥乏味的工作中解放出来，让他们去发挥更大的价值。
产品表面缺陷检测是工业生产中的重要环节，是产品质量把控的关键步骤，借助缺陷检测技术可以有效的提高生产质量和效率。但是由于设备及工艺等因素的影响，产品表面的缺陷类型往往五花八门，比如织物生产中方出现的污点、破损，金属产品上的划痕、裂纹、凹凸不平等各种不同类型的缺陷。
直播简介
1） 受环境、光照、生产工艺和噪声等多重因素影响，检测系统的信噪比一般较低，微弱信号难以检出或不能与噪声有效区分。如何构建稳定、可靠、鲁棒的检测系统，以适应光照变化、噪声以及其他外界不良环境的干扰，是要解决的问题之一。
2） 由于检测对象多样、表面缺陷种类繁多、形态多样、复杂背景，对于众多缺陷类型产生的机理以及其外在表现形式之间的关系尚不明确，致使对缺陷的描述不充分，缺陷的特征提取有效性不高，缺陷目标分割困难；同时，很难找到“标准”图像作为参照，这给缺陷的检测和分类带来困难，造成识别率尚有待提高。
3） 机器视觉表面缺陷检测，特别是在线检测，其特点是数据量庞大、冗余信息多、特征空间维度高，同时考虑到真正的机器视觉面对的对象和问题的多样性，从海量数据中提取有限缺陷信息的算法能力不足，实时性不高。
4） 与机器视觉表面检测密切相关的人工智能理论虽然得到了很大的发展，但如何模拟人类大脑的信息处理功能去构建智能机器视觉系统还需要理论上的进一步研究，如何更好的基于生物视觉认识、指导机器视觉得检测也是研究人员的难点之一。
5） 从机器视觉表面检测的准确性方面来看，尽管一系列优秀的算法不断出现，但在实际应用中准确率仍然与满足实际应用的需求尚有一定差距，如何解决准确识别与模糊特征之间、实时性与准确性之间的矛盾仍然是目前的难点。
传统算法在某些特定的应用中已经取得了较好的效果，但仍然存在许多不足。例如：图像预处理步骤繁多且具有强烈的针对性，鲁棒性差；多种算法计算量惊人且无法精确的检测缺陷的大小和形状。而深度学习可以直接通过学习数据更新参数，避免了人工设计复杂的算法流程，并且有着极高的鲁棒性和精度。
直播知识点：
1. 学会利用labview实现观察模型评估结果图像
2. 学会利用labview实现导出tensorflow 冻结图模型文件pb
3. 学会利用labview实现导出tensorflow 冻结图模型文件pb转为openvino 模型文件IR
4. 学会利用labview实现tensorflow/openvino 模型pb/IR文件的加载
5. 学会利用labview实现tensorflow/openvino 模型pb/IR文件的图像测试目标检测
直播亮点：
1.全网第一套labview进行深度学习训练和模型部署的完整教程，满足从业人员使用labview完成相关编程的需求。
2.该套课程不需要有很强的labview视觉编程基础，小白学员即可进行学习
3.该套课程不需要有很强的python语言编程基础，小白学员即可进行学习
4.labview对cpu上推理深度学习模型进行了优化，其运行速度和效率优于python平台
5.课程不仅讲授了环境配置，labview训练和调用的编程方法，还讲解了大量的案例，手把手帮助学员学会如何在labview中应用深度学习
嘉宾介绍
龙哥
龙哥，使用LabVIEW开发了大量视觉检测、运动控制、数据采集方面软件，具有丰富的非标自动化设备经验。授权16项labview视觉软件著作权；编写了《Labview视觉算子详解》一书；开发了《labview机器视觉实用教程》全套2000分钟视频教程，累计学员达800多人，累计学习人次1万余次；在电子发烧友等论坛发帖浏览量达5万人次；优酷发布的免费学习视频，累计播放量达1万余次，在LabVIEW视觉应用领域，首次利用LabVIEW开发了“UVisionBuilder1.0”免编程视觉通用软件，目前已被多家自动化设备公司采购，累计销售量100多套。
直播提问
共21个提问
- 全部提问
- 未回答
- 我的提问
电子发烧友网
工商网监
