Entdecken Sie unsere Open eVision-Deep-Learning-Bibliotheken zur Inspektion und Klassifizierung von Defekten

Product / 09.2020


Neuronale Netze sind Computersysteme, die biologische neuronale Netze des menschlichen Gehirns als Vorbild haben. Konvolutionale neuronale Netze (CNN – Convolutional Neural Network) sind eine Klasse künstlicher Deep-Learning-Netze, die vor allem für die Analyse von Bildern verwendet werden.
Deep Learning nutzt große CNNs zur Lösung komplexer Probleme, die mit sogenannten konventionellen Computervision-Algorithmen schwierig oder unmöglich zu lösen sind.
Deep-Learning-Algorithmen sind möglicherweise einfacher einzusetzen, da sie in der Regel anhand von Beispielen lernen. Der Anwender muss sich dabei keine Gedanken über die Klassifizierung oder Inspektion von Teilen machen. Stattdessen lernen sie in der anfänglichen Trainingsphase einfach dadurch, dass ihnen viele Bilder der zu inspizierenden Teile gezeigt werden. Nach erfolgreichem Training können sie zur Klassifizierung von Teilen oder Erkennung und Segmentierung von Defekten verwendet werden.
 

 

EasyClassify

Bibliothek zur Klassifizierung anhand von Deep Learning

 
EasyClassify ist das Klassifizierungstool des Deep-Learning-Pakets. Bei EasyClassify muss der Anwender die trainierten Bilder kennzeichnen, also angeben, welche gut und welche schlecht sind bzw. welche zu welcher Klasse gehören. Nach diesem Lern-/Trainingsprozess kann die EasyClassify-Bibliothek Bilder klassifizieren. Sie gibt für alle Bilder eine Liste mit Wahrscheinlichkeiten zurück, inwieweit das Bild zu einer der von ihr „gelernten“ Klassen gehört.
Wenn beispielsweise schlechte von guten Teilen unterschieden werden müssen,
gibt EasyClassify für jedes Teil an, mit welcher Wahrscheinlichkeit es gut oder schlecht ist.
 
Im Überblick
  • Umfasst Funktionen zum Klassifikatortraining
    und zur Bildklassifizierung
  • Kann defekte Produkte erkennen oder Produkte
    nach verschiedenen Klassen sortieren
  • Unterstützt Datenaugmentation und kommt mit nur ein paar Hundert Trainingsbildern pro Klasse aus
  • Kompatibel mit CPU- und GPU-Verarbeitung
  • Umfasst die kostenlose Deep Learning Studio-Anwendung für die Erstellung von Datensätzen, Training und Evaluierung
  • Nur verfügbar als Teil des Deep-Learning-Pakets
 EasyClassify.png
 
 
 
 
 

EasySegment

Bibliothek zur Segmentierung anhand von Deep Learning

 
EasySegment ist das Segmentierungstool des Deep-Learning-Pakets. EasySegment übernimmt die Erkennung und Segmentierung von Defekten. Es erkennt Teile mit Defekten und weist die Stelle im Bild sehr genau aus. Der unüberwachte Modus von EasySegment erarbeitet ein Modell von dem, was ein „gutes“ Beispiel ist (z. B. ein Beispiel ohne jegliche Defekte). Dies wird durch ein Training mit ausschließlich „guten“ Beispielen erreicht.
Das Tool kann dann zur Klassifizierung von neuen Bildern als gut oder defekt und zur Segmentierung der Defekte in diesen Bildern verwendet werden. Durch das Training mit ausschließlich Bildern guter Beispiele kann der nicht überwachte Modus von EasySegment Inspektionen auch dann durchführen, wenn die Art des Defekts vorab nicht bekannt ist oder wenn defekte Beispiele nicht leicht verfügbar sind.

Beim überwachten Modus von EasySegment erlernt ein Modell, was ein Defekt und was ein „gutes“ Teil in einem Bild ist. Dies erfolgt durch Training mit Bildern, die die erwartete Segmentierung ausweisen. Das Tool kann dann verwendet werden, um die Defekte in neuen Bildern zu erkennen und zu segmentieren. Der überwachte Modus in EasySegment erzielt eine höhere Genauigkeit, da die erwartete Segmentierung bekannt ist und so komplexere Defekte segmentiert werden können, als im nicht überwachten Modus.
 
 
Im Überblick
  • Unüberwachter Modus: Training ausschließlich mit „guten“ Bildern zum Erkennen und Segmentieren von Anomalien und Defekten in neuen Bildern
  • Überwachter Modus: Erlernen eines Modells
    der Defekte zur besseren Genauigkeit von Segmentierung und Erkennung
  • Funktioniert mit jeder Bildauflösung
  • Unterstützt Datenaugmentation und Masken
  • Kompatibel mit CPU- und GPU-Verarbeitung
  • Umfasst die kostenlose Deep Learning Studio-Anwendung für die Erstellung von Datensätzen, Training und Evaluierung
  • Nur verfügbar als Teil des Deep-Learning-Pakets