欠陥の検出と分類を行うOpen eVisionライブラリ

Product / 09.2020


ニューラルネットワークは、人間の脳を構成する生態的なニューラルネットワークからヒントを得たコンピューティングシステムです。畳み込みニューラルネットワーク (CNN) は、画像解析の分野で最も一般的に使用される、深層のフィードフォワード人工ニューラルネットワークの一種です。
ディープラーニングは、大規模なCNNを使って、いわゆる従来型のコンピュータビジョンアルゴリズムでは解決しにくい、または解決できない複雑な問題を解決します。ディープラーニングアルゴリズムの学習には例が使用されることが一般的であるため、より扱いやすいアルゴリズムといえます。ユーザーが部品を分類したり検査したりする方法を理解する必要はなく、トレーニングの始めの段階で検査対象の画像を多数示すだけで学習処理が進められます。トレーニングが正常に完了すると、部品の分類や欠陥の検出・分離に使用できるようになります。
 

 

EasyClassify

ディープラーニング分類ライブラリ

 
EasyClassifyはDeep Learning Bundleの分類ツールです。EasyClassifyではユーザーがトレーニング画像にラベル付けを行う必要があります。合格と不合格を示し、どのクラスに属するのかを指定する作業です。この学習/トレーニングプロセスが完了すると、EasyClassifyライブラリは画像を分類できるようになります。ある画像について、その画像がティーチングされたクラスに該当する可能性を示した、確率のリストを返します。
たとえば、プロセスに不合格品と合格品を分ける設定が必要な場合、
EasyClassifyは、各部品が合格か不合格かを返し、その確率を示します。
概要
  • 分類トレーニングおよび画像分類機能を含みます
  • 欠陥品の検出または各種クラスへの製品の分類
  • データ拡大をサポート。分類ごとにわずか100件のトレーニング画像で実行可能
  • CPUおよびGPUプロセッシングとの互換性
  • データセット作成、トレーニング、および評価に使用できる無償のDeep Learning Studioアプリケーションを含みます
  • Deep Learning Bundleの一環としてのみ提供
 EasyClassify.png
 
 
 
 
 

EasySegment

ディープラーニング分離ライブラリ

 
EasySegmentはDeep Learning Bundleの分離ツールです。EasySegmentは検出と分離を実行します。欠陥のある部品を識別し、その欠陥の正確な位置を画像内でピンポイントに示します。EasySegmentの教師なしモードは、「合格」サンプル (欠陥のないサンプル) とされるモデルを学習して機能ます。これは、「合格」サンプルの画像のみを使ったトレーニングを通じて行われ、それが完了すると、新しい画像を合格または欠陥に分類し、これらの画像から欠陥を分離するために使用できるようになります。あらかじめ欠陥の種類が不明な場合や欠陥サンプルが手元にない場合でも、合格のサンプル画像のみを使ってトレーニングすることで、EasySegmentの教師なしモードを使って検査を実施できます。

EasySegmentの教師ありモードは画像内の欠陥と「合格」部分のモデルを学習することで機能します。これは、期待されるセグメンテーションとして注釈がつけられた画像を使ったトレーニングを通じて行われ、それが完了すると、新しい画像の欠陥を欠陥を検出して分離するために子よできるようになります。EasySegmentの教師ありモードは精度が高く、期待されるセグメンテーションに関する知識に基づくことで、教師なしモードに比べてより複雑な欠陥を分離することができます。
 
概要
  • 教師なしモード: 「合格」の画像のみを使って、新しい画像の異常と欠陥の検出と分離を行えるようにトレーニング
  • 教師ありモード: 分離と検出の精度を高めるために、欠陥のモデルを学習
  • あらゆる画像解像度で実行可
  • データ拡張とマスクをサポート
  • CPUおよびGPUプロセッシングとの互換性
  • データセット作成、トレーニング、および評価に使用できる無償のDeep Learning Studioアプリケーションを含みます
  • Deep Learning Bundleの一環としてのみ提供