机器视觉应用中，需要目标进行自动分类。如对生产线上的产品进行自动分类，并由机械手抓取至不同的位置。采用深度神经网络进行识别，具有识别速度快、准确率高等优点。深度神经网络应用前，需要准备一定数量的样本图片进行训练，训练完成后，即可部署应用。
下面简单展示基于模板匹配技术的目标检测定位算法效果：
一、 训练样本的准备
本次使用电子元件演示深度神经网络的基本应用。电子元件选择了：电解电容、普通电容、电阻、二极管、中功率三极管共5类样本。
每种样本准备数360张图片，存入相应的位置后，将图片进行尺寸归一化处理，缩放成同样的尺寸，共计1800张图片。

二、 训练深度神经网络
深度神经网络选择了LeNet，具有结构简单，计算量小等优点，实际应用是会根据具体的目标特征选择最合适的网络。
采用了20个9*9的卷积核，输出为5，训练方法为动量法，迭代20次。85%的样本用于训练，15%的样本用于测试。

三、 网络测试
打开图片，输入训练好的网络中进行计算，并将结果显示在图片上

丁斗科技的成功案例：各类目标的自动分类识别，识别准确率优于98%。可为您配套开发机器视觉程序，具体可联系丁斗科技