Coaxpress 图像采集卡
Camera Link 图像采集卡
非标模拟图像采集卡
标准 PAL/NTSC/1080P 视频采集卡
图像分析软件工具
评估和原型制作应用
图像采集软件
GigE Vision、USB3 Vision、CoaXPress
IMX Pregius,MIPI CSI‑2
机器视觉开发套件
深度学习分类库
现在所有 Open eVision 库也可以用于嵌入式ARM设备。
神经网络是受到构成人脑的生物神经网络启发的计算系统。卷积神经网络 (CNN) 是一类深度前馈人工神经网络,最常用于分析图像。 深度学习使用 CNN 来解决传统计算机视觉算法很难或无法解决的复杂问题。深度学习算法通常从示例中学习,因此更易于使用。它们不需要用户弄清楚如何对部件进行分类或检查。相反,在初期训练阶段,它们通过显示多张待检验部件图来从中学习。成功训练后,即可对部件进行分类,或是检测和分割缺陷。
深度学习通常不适合需要精确测量或计量的应用。当某些类型的错误(例如漏报)完全不可接受时,也不会建议使用。 在难以明确指定缺陷的情况下,EasyClassify 的表现优于传统的机器视觉,例如根据不同尺度和位置的复杂形状和纹理进行分类时。 此外,“从示例中学习”的深度学习模式也可以缩短计算机视觉处理的开发时间。
深度学习通常需要极大的处理能力,在学习阶段更是如此。Deep Learning Bundle 支持标准 CPU,自动检测 PC 中兼容 Nvidia CUDA 的 GPU。只使用一块 GPU 通常就能将学习和处理速度加快 100 倍。
EasyClassify 是 Deep Learning Bundle 的分类工具。 EasyClassify 要求用户标记训练图像,也即告知哪些是优良图像,哪些是不良图像,或哪些图像属于哪个类别。在学习/训练过程之后,EasyClassify 库将对图像进行分类。对于提供的任何图像,它将返回概率列表,显示图像属于所示教类别的可能性。例如,如果流程要求将不良部件与优良部件分开,EasyClassify 将返回每个部件是优良还是不良,也会返回相应的概率。
深度学习的工作原理就是训练神经网络,示教一组参考图像的分类方式。这个过程的表现情况很大程度上取决于这组参考图像的代表性和广泛性。Deep Learning Bundle 实现了“数据增强”,通过在可设定的限值内修改(例如通过移位、旋转、缩放)现有参考图像来创建另外的参考图像。如此一来,每种类别只需区区一百幅训练图像,Deep Learning Bundle 即可派上用场。
Open eVision 包含免费的 Deep Learning Studio 应用程序。在创建数据集以及深度学习工具的训练和测试过程中,该应用程序将为用户提供协助。对于 EasySegment,Deep Learning Studio 集成了注释工具,可以将预测转换为真实注释。它还支持根据性能要求以图形方式配置工具。例如训练过后,可以在更高的缺陷检测率或更高的良品检测率之间进行权衡。
要访问该区域,在如下输入您的电子邮件地址和密码并单击“登录”。
输入您的电子邮件地址并单击“创建帐户”。您将很快收到一封确认电子邮件。只要单击该电子邮件中的链接即可注册。
免费、易用!