機器正在學習思考。深度學習是一種機器學習技術，也是人工智能中最重要的未來技術。SICK將此關鍵技術轉移到傳感器中，為客戶提供附加值

，以提高生產力和靈活性。

ruguoyaotigaoshengchanzhongmeigejieduandexiaolv，bixushipeicongyingdejiqi。wuliuguochengzidonghuazhengzaichixufazhan。renmenduizhinengjiqidexingweiyuelaiyueganxingqu，shuzijishudetiaozhanyesuizhierlai。

傳感器仍然是信息的來源，而集成軟件則為網絡數據的評估和溝通提供了解決方案。然而，工業4.0的趨勢意味著IT行業迫切需要對數據複雜性進行“改革”。深度學習是必不可少的，這也是SICK及其客戶在現代化工廠流程中所走的道路。

深度學習，像人類一樣思考

深度學習需要能夠檢測和處理大量複雜模式以及數據的算法。人工神經網絡模仿人類的思維，並從實例中學習。

它從經驗中學習，學會適應不斷更新的新資訊。其結果是
，現如今一係列的優化有了可能，而這在幾年前是不可想象的。機器和工廠結合智能數據和專用傳感器
，可以找到最複雜任務的解決方案。

現實檢驗

SICK目前的深度學習項目主要集中在光學質量檢測領域。在物流自動化中，通過分析捕獲的圖像庫，深度學習相機可以自動檢測
、驗證
、分類和定位“訓練”對象或特征。

例如它們可以檢查出分揀盤中是否有扁平的物件
，從而優化分揀效率並提高吞吐量。他們可以檢測到包裹上有帶子，甚至連白色包裹上附著的白色帶子都不例外。這樣可以改進自動包裝過程中的質量控製，並確保對運輸對象進行分析。如果包裹有凹陷或損壞，或者需要確定包裹的材料屬性，SICK傳感器可以在實時操作中智能捕獲和評估結構或特征。它們確保啟動排序過程中的後續步驟。

這種形式的功能是獨一無二的

，以前這隻能由人眼來完成。所有SICK項目的最終目的是將深度學習應用於改進流程和提高工廠效率。

頂級專家，複雜算法，強大計算能力

大家需求的並不是一個通用解決方案。相反，人們的重點是針對特定情況量身定製的解決方案。盡管現代2D和3D相機變得越來越快、越來越強大，但目前其性能仍受到傳統圖像處理算法的限製。為了評估不同的應用和條件，SICK的深度學習專家與客戶的流程和品質的專家緊密合作。他們獨特的流程控製專業知識是深度學習前期的仿真訓練的基礎
，也是傳感器後續深度學習算法的核心。

一yi個ge複fu雜za的de網wang絡luo結jie構gou可ke以yi處chu理li大da量liang的de信xin息xi。盡jin管guan如ru此ci，培pei養yang一yi個ge深shen度du學xue習xi網wang絡luo隻zhi需xu要yao幾ji個ge小xiao時shi。深shen度du學xue習xi網wang絡luo也ye可ke以yi被bei重zhong新xin塑su造zao並bing適shi應ying新xin的de條tiao件jian。對dui於yu大da數shu據ju池chi和he神shen經jing網wang絡luo訓xun練lian，SICK使用獨立、強大的內部處理和IT係統。生成的深度學習算法通過雲本地放置在傳感器上，使其具有故障保護能力，並可直接在智能相機上使用。

lijiqizhenzhengchengweizhuliuhaiyouhenchangdeluyaozou，buguoxianrujin
，shenduxuexiyequdelelingrenzhumudechengji，bingdailailexuduohaochu。raner
，zuihexindegongzuorengyourenleifuze。zhiyoushijiancainenggaosuwomen，youduoshaogongsihexingyehuijuedingtongguojiadaduizhexiangshuzijishudetouzilaituidongzishendezengchang。

成為改革的一部分——與新項目共同成長。與SICK共同前行。