深度学习(Deep Learning)为机器视觉系统赋予了超强的感知和理解能力，大大推动了机器视觉领域的发展和应用。SICK作为工业用智能传感器和传感技术解决方案的主要制造商之一，已将深度学习技术集成到SICK视觉硬件及软件中，覆盖了2D和3D视觉，智能相机及基于IPC的相机。所集成的深度学习功能包括：分类、异常检测、目标定位以及OCR。这些功能可为绝大部分工业视觉复杂类检测应用提供解决方案。
1►
基于InspectorP 2D智能相机
的深度学习功能
SICK InspectorP系列的2D智能相机，搭载SICK Nova InspectorP 2D视觉软件，该软件除了包含传统的机器视觉处理功能，同时也集成了分类和异常检测的深度学习功能，即在该智能相机中汇集了深度学习技术的所有流程，包括：图像采集、标注、训练、评估、以及识别，并且训练时间短（快30秒以内），操作便捷，流程简单，即便是无深度学习经验的工程师也可以很快上手整个流程。
智能相机训练分类功能
如下图所示，在SICK InspectorP 智能相机的设备上即可完成深度学习分类功能的全部过程。
当前InspectorP上可多支持100张训练图像以及10类识别对象。如果实际应用中类别数更多，场景更为复杂，则可以通过SICK 云端（点击访问）训练更复杂的模型。然后将训练好的模型导入智能相机中，该相机只负责进行识别。
因此，在分类的应用中，用户可根据现场情况的难易程度，选择不同的训练方式，以达到解决问题的效果。
智能相机异常检测功能
如下图所示，在SICK InspectorP 智能相机的设备上即可完成深度学习异常检测功能的全部过程。
在智能相机设备中只需要训练无缺陷的图像即可，总数多为100张，训练时间快30秒以内。有缺陷的图像只用于评估，并自动给出区分好坏的阈值。
应用案例
（异常检测）
2►
基于IPC的2D和3D深度学习功能
SICK基于IPC的深度学习功能，已集成到SICK视觉软件EzR中，满足2D和3D视觉场景的使用。搭配SICK高速高精度相机Ruler系列，可对目标的高度信息执行更准确的检测，功能包括：分类，目标定位，缺陷检测以及OCR。
缺陷检测
对目标进行缺陷检测，能检测出目标表面的凸包，凹坑，以及划痕。
分类和定位
对目标进行分类和定位。比如对轮胎上的“DOT”字符类别进行定位。
自动提取复杂背景的文本并识别
SICK工业智能传感器在多个行业的不同场景中被广泛使用着，而集成了SICK深度学习功能的智能相机和视觉软件，可以为绝大部分工业视觉复杂类检测应用提供简洁、快速、高效以及稳定的解决方案。
