深度学习模型简介
梅卡曼德为纸箱和麻袋等工件的拆/码垛场景提供了自研的深度学习模型。这些模型可以直接应用到大多数现场，在无需采集图像训练的情况下就可以正确分割绝大多数工件。
使用场景
深度学习模型可稳定识别以下几种场景：
| 纸箱模型 | ||||
|---|---|---|---|---|
单色纸箱 |
带花纹纸箱 |
带胶带纸箱（半透明） |
带胶带纸箱（不透明） |
带扎带纸箱 |
|
|
|
|
|
| 麻袋模型 | |
|---|---|
满包麻袋 |
半包、带褶皱麻袋 |
|
|
| 轴棒模型 | ||
|---|---|---|
有序反光轴棒 |
有序哑光轴棒 |
乱序轴棒 |
|
|
|
| 金属锭模型 | |||
|---|---|---|---|
|
|
|
|
| 膜包模型 | |||
|---|---|---|---|
|
|
|
|
下载深度学习模型
进入下载中心下载深度学习模型。深度学习模型分为用于部署的模型包（.dlkpack）和用于微调的模型（.dlkmp）。
在 Mech-Vision 中部署深度学习模型包
使用深度学习模型包推理步骤，导入深度学习模型包对纸箱、麻袋的图像进行推理。
深度学习模型包推理完成后，即可在 Mech-Vision 中查看识别效果。
在 Mech-DLK 中微调深度学习模型
如果识别效果不够理想，则需要在 Mech-DLK 中对深度学习模型进行微调。
可通过以下方式进行模型微调：
-
采集模型识别效果不好的图像。
-
使用 Mech-DLK 新建空白工程，并添加“实例分割”模块。
-
在 中开启“开发者模式”。
-
将采集的图像加入到训练集和验证集中。
-
完成新增图像的标注。
-
在“训练”参数栏，单击 ，开启 微调 。
-
勾选 深度学习模型微调 后，单击
选择深度学习模型（“.dlkmp” 文件）。 -
在训练参数中，适当调低“学习率”参数；“总轮次”参数可以降低为50~80。
-
完成模型的训练和导出。
深度学习模型微调完成后，即可将深度学习模型导出为深度学习模型包（“.dlkpack” 文件），再次导入 Mech-Vision 进行模型包推理。