SOFT-ZAS-5-DEEPLEARNING, Zebra Aurora Vision Studio/Bibliotheek Deeplearning Add-ON

Deep Learning, Machine learning voor beeldverwerking

Deze Deep Learning-add-on wordt gebruikt in combinatie met Zebra Aurora Vision Studio. Het is een nieuwe doorbraak in machine vision-toepassingen. Het is een set kant-en-klare tools die zijn getraind met goede en slechte voorbeelden en die vervolgens automatisch defecten of kenmerken detecteren. Intern maakt het gebruik van grote neurale netwerkstructuren, ontworpen en geoptimaliseerd door ons onderzoeksteam voor gebruik in industriële inspectiesystemen. Voor de gebruiker worden ze echter geleverd als eenvoudige filters met zeer weinig parameters en met eenvoudig te gebruiken grafische hulpmiddelen voor een gemakkelijke uitvoering van het trainingsproces.

Deep Learning Add-on belichaamt echt de belangrijkste principes van Zebra Aurora Vision:

• Intuïtief - kan zelfs worden gebruikt door gebruikers zonder programmeervaardigheden
• Krachtig - ontketent geavanceerde mogelijkheden van neurale netwerken
• Aanpasbaar - deep learning-modellen kunnen worden omgeschoold om nieuwe functies te bevatten.

Kwaliteitscontrole van textiel, krasdetectie met behulp van Deeplearning

Deeplearning is ideaal voor krasdetectie op textiel, hout, metaal en andere materialen. De producten zijn natuurproducten en krassen hebben geen vaste vorm. Daarom is dit erg moeilijk te detecteren met behulp van klassieke machinevisie. Met deeplearning kunnen deze gebreken eenvoudig worden opgespoord.

Inspectie van spuiten met behulp van deeplearning.

Producten, zoals injectiespuiten, die in transparante folie zijn verpakt, zijn moeilijk te inspecteren met reguliere vision-algoritmen. Deeplearning kan deze problemen aanpakken. U kunt bijvoorbeeld de printkwaliteit op het product inspecteren of of alle onderdelen aanwezig zijn.

Classificatie van objecten, zoals noten en kroonkurken

Deeplearning kan ook worden gebruikt om objecten eenvoudig te classificeren. U kunt bijvoorbeeld detecteren of een flesdop goed is geplaatst. Of u kunt zelfs onderscheid maken tussen verschillende producten. Bij klassieke machine vision is dit ook mogelijk, maar bij deeplearning heb je binnen enkele minuten een robuust algoritme ontwikkeld, terwijl bij klassieke machine vision dit dagen tot weken kan duren, afhankelijk van de complexiteit van de verschillende objectclassificaties.

Segmentatie en lokaliseer punten met behulp van deeplearning

Met deeplearning kunnen producten die geen vaste vorm hebben, eenvoudig worden gesegmenteerd, zelfs als ze elkaar raken. Ook kan de locatie eenvoudig worden gedetecteerd. Hieronder voorbeelden met segmentatie van noten en puntlocatie van bijen.