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。

離li機ji器qi真zhen正zheng成cheng為wei主zhu流liu還hai有you很hen長chang的de路lu要yao走zou，不bu過guo現xian如ru今jin
，深shen度du學xue習xi也ye取qu得de了le令ling人ren矚zhu目mu的de成cheng績ji，並bing帶dai來lai了le許xu多duo好hao處chu。然ran而er，最zui核he心xin的de工gong作zuo仍reng由you人ren類lei負fu責ze。隻zhi有you時shi間jian才cai能neng告gao訴su我wo們men，有you多duo少shao公gong司si和he行xing業ye會hui決jue定ding通tong過guo加jia大da對dui這zhe項xiang數shu字zi技ji術shu的de投tou資zi來lai推tui動dong自zi身shen的de增zeng長chang。

成為改革的一部分——與新項目共同成長。與SICK共同前行。