越來越多機器視覺軟件公司已在產(chǎn)品中部署深度學習技術。隨著這些公司開發(fā)深度學習軟件和工具，加上更多用戶在其應用中成功部署，深度學習可能會日漸流行，在市場上更為普及。

據(jù)報導，Cognex于2017年收購的ViDiSystems即為其中之一。ViDiSystems是由運算科學博士RetoWyss于2012年創(chuàng)辦。該公司開發(fā)的軟件使用人工智能（AI）技術改善應用程序中的影像分析，該軟件會對系統(tǒng)進行訓練，以區(qū)分可接受的變化和缺陷。CognexViDiSuite由三種不同工具組成，包括夾具ViDiBlue，用于分割和異常檢測的ViDiRed，以及用于物體和場景分類的ViDiGreen。Cognex這款深度學習軟件專門針對檢測應用，在制藥、醫(yī)療產(chǎn)品、汽車、紡織、印刷和鐘表業(yè)已有不少成功案例。

Cognex認為深度學習是對傳統(tǒng)機器視覺的補充。傳統(tǒng)的幾何圖案發(fā)現(xiàn)和邊緣檢測仍為用于機器人引導或其它精確測量的亞像素精度的最佳方法。深度學習在零件質(zhì)量和其它基于范例的類人判斷中最有價值，而且由于它是由范例來訓練，因此不需要之前檢查應用所需的高級視覺技能。

韓國機器視覺軟件公司Sualab最近發(fā)布SuaKIT檢測軟件。這是基于來自各個工業(yè)場所的實際影像數(shù)據(jù)的資料庫，而對主要功能進行分類。該軟件的深度學習算法用正常和有缺陷產(chǎn)品的新影像，在30分內(nèi)以高達1，000張2，048&TImes;2，048影像的速度做訓練后，就能使用神經(jīng)網(wǎng)絡自動辨識缺陷值。

就算沒有太多程序設計經(jīng)驗的用戶也能使用該軟件，因為它不需要逐個實例編碼，而是透過收集和輸入缺陷數(shù)據(jù)來自學。SuaKIT也能透過NVIDIA的CUDA技術，利用高效能GPU高速處理數(shù)據(jù)。

Sualab企業(yè)事業(yè)群副經(jīng)理表示，使用深度學習可大幅降低檢測過程中的錯誤。深度學習結(jié)合CUDA技術，使SuaKIT即使在需要高速度的制造過程中也能表現(xiàn)出比更高水平的性能。

德國公司MVTec也將深度學習技術融入其著名的Halcon和Merlic機器視覺軟件產(chǎn)品中。自Halcon13以來，MVTec正在提供基于深度學習的光學字元辨識（OCR）。該軟件現(xiàn)在包含基于深度學習技術的OCR分類器，可透過一些預訓練字體來使用，因此能實現(xiàn)比之前所有分類法更高的閱讀率。

此外，最新版Halcon能讓用戶進行基于深度學習算法的卷積神經(jīng)網(wǎng)絡（CNN）訓練。而訓練后的網(wǎng)絡來自動分類對應于預定類別的影像數(shù)據(jù)。MVTecHalcon產(chǎn)品經(jīng)理表示，客戶能藉由使用Halcon自行培訓的網(wǎng)絡節(jié)省大量時間、精力和金錢。

例如，透過參考影像就能辨識缺陷類別，因此不再需要繁瑣的編程。在工業(yè)機器視覺環(huán)境中，深度學習主要用于出現(xiàn)在許多應用中的分類任務，例如在工業(yè)產(chǎn)品的檢驗或零件的辨識。

另家開發(fā)深度學習軟件的公司是CythSystems。其NeuralVision專為沒有機器視覺經(jīng)驗的用戶進行產(chǎn)品檢查和分類。在傳統(tǒng)機器視覺系統(tǒng)中，程序設計員在進行如孔檢測，溫度分析或?qū)挾葴y量時，選擇要應用于影像的分析算法，以檢查影像并確定好的或不好的部分。

由于向系統(tǒng)提供相關物體的影像，并告知獨特零件的外觀，或其看到的是好或壞的零件，因此系統(tǒng)會應用數(shù)百萬個算法來學習辨識看到的東西。透過向系統(tǒng)展示各種變化，如照明、陰影和環(huán)境，它將學會了解哪里些特征對于辨識零件重不重要。