前几天康耐视举行了一次线上分享会，主要是对2022年他们新产品的一些介绍和老产品的更新说明。我抽时间听了一下给我的感觉是康耐视现在基本上是在all in AI，他们传统的视觉算法和平台基本上没有太大的变化，但是在AI产品这一块丰富了很多。
可能是由于国内做AI算法的比较多竞争比较激烈，这次康耐视对他们的AI产品做了更详细的划分且价格上有了让步。此外针对中国市场出现了简化版的AIDI模块，总之可供开发人员的选择更多了。接下来我会用几篇文章对康耐视VIDI的使用做个简单的介绍。
Cognex® VisionPro® ViDi 软件提供了一系列机器视觉工具，可通过深度学习解决各种难以编程的挑战。
深度学习技术使用模拟人类智能的神经网络来区分异常、零件和字符，同时容忍复杂模式中的自然变化。深度学习提供了优于传统机器视觉方法的优势，后者难以理解视觉上相似零件之间的可变性和偏差。针对工厂自动化优化的深度学习软件可执行以下操作：
- 1解决难以使用基于规则的算法进行编程的视觉应用问题
- 2处理令人困惑的背景和糟糕的图像质量
- 3维护应用并在工厂车间重新训练
- 4无需重新编程核心算法即可适应新的示例
- 5供非视力专家使用
在工厂自动化中，像Cognex-ViDi这样的深度学习软件可以比人类或传统机器视觉解决方案更有效地执行基于判断的零件定位、检查、分类和字符识别挑战。与通过逐步筛选和基于规则的算法运行的机器视觉系统不同，基于深度学习的图像分析软件就像人类一样通过示例学习对零件的正常外观和缺陷建模。在运行时软件定位零件、提取异常、对零件进行分类，甚至可以快速、稳健、精确地解读难以读取的字符。
这种新颖的方法可以容忍偏差和不可预测的缺陷，甚至可以胜过最优秀的检测人员，是以下应用的理想选择：
- 缺陷检测
- 纹理和材料分类
- 装配验证和变形零件位置
- 字符读取、包括扭曲的印刷品
康耐视ViDi将人类视觉检测的特殊性和灵活性与计算机化系统的可靠性、可重复性和性能相结合，放到易于部署的界面中。
Cognex ViDi 的深度学习算法针对实际的工业图像分析进行了优化，对图像集大小的要求大幅降低，所需的训练和验证周期也更短。包含红色分析、绿色分类、蓝色定位和蓝色读取工具，可解决从高度监督到完全无监督的应用。
ViDi蓝色定位工具通过学习带注释的图像来查找复杂的特征和对象。自学算法定位零件、对托盘上的半透明玻璃医用瓶计数，还可以对套件和套装进行质量控制检查。
ViDi红色分析工具只需了解目标区域的不同外观，即可划分缺陷或其他关注区域。该工具通过了解对象的正常外观（包括其重要但可容忍的变化），识别复杂表面上的划痕、不完整或不正确的装配，甚至织物的编织问题。
ViDi蓝色读取工具使用光学字符识别 (OCR) 解码严重变形、歪斜和蚀刻不良的代码。预训练字体库可识别大多数文本，无需额外编程或字体训练，从而实现快速、轻松的实施。这种强大的工具可以重新训练，以适应特定的 OCR 应用要求 - 无需视觉专业知识。
ViDi绿色分类工具根据已标注图像的集合区分不同的类。通过对可接受的公差进行训练，该工具可根据包装识别产品、对焊缝质量进行分类，并区分可接受或不可接受的异常情况。
Cognex ViDi 允许技术人员仅基于小样本图像集在几分钟内训练基于深度学习的模型。配置完应用程序后ViDi可提供快速、准确的结果并保存图像以进行过程控制。
