Loading...
Отправить запрос

Модуль глубокого обучения Halcon

MVTec Deep Learning

HALCON позволяет использовать технологии глубокого обучения в собственных приложениях. Пользователи могут обучать свой собственный классификатор с помощью CNN (Convolutional Neural Networks). Затем они могут использоваться для классификации новых данных. Halcon предлагает комплексный набор функций глубокого обучения для: классификации, семантической сегментации, детекции объектов, поиска аномалий. Классификация изображений на основе глубокого обучения позволяет легко идентифицировать изображения обученным классам. Маркировка изображений не требует особых временных затрат, а применение классификатора к новым данным работает очень быстро.

Порядок работы с модулем глубокого обучения:
  1. Маркировка данных с помощью Deep Learning Tool
  2. Обучение классификатора CNN
  3. Использование обученной нейросети
 
 
Модуль Deep Learning Halcon
Модуль Deep Learning Halcon
Отправить запрос
Описание
Применения
Как начать
Рабочий процесс
Видео

Применения

Логистика

Логистика

Независимо от того, нужно ли вам классифицировать коробки или управлять беспилотной тележкой для поддонов, решения для глубокого обучения позволяют решать задачи машинного зрения быстрее и экономичнее.

Пример: Определение пустых мест в стойке

Реализованное решение на основе глубокого обучения работает с данными 2D-изображений, заменяя сложную настройку оборудования с 3D-сенсорами. Это ускорило процесс классификации и снизило затраты.

 

Сельское зозяйство

Сельское хозяйство

От классификации фруктов, кормления животных, сбора спелых овощей, упаковки фруктов или производства замороженных продуктов - технологии глубокого обучения улучшат вашу автоматизацию, будь то в теплице, в поле, в ангаре или на производственном предприятии.

Пример: Идентификация растений

Благодаря глубокому обучению новые типы растений теперь можно запрограммировать в два раза быстрее, чем раньше. Кроме того, значительно снизилась частота ошибок.

 

ЭЛЕКТРОНИКА И ПОЛУПРОВОДНИКИ

Электроника и полупроводники

Машинное зрение играет большую роль, например, в идентификации и проверке электронных компонентов. С помощью глубокого обучения можно автоматизировать сложные задачи проверки, которые ранее выполнялись вручную.

Пример: Проверка качества печати печатной платы

Классификация хороших и плохих изображений различных частей печатной платы может быть значительно ускорена с помощью глубокого обучения.

 

МЕДИЦИНА И ФАРМАЦЕВТИКА

Медицина и фармацевтика

Если вы ищете инструмент, который выводит ваш контроль качества на новый уровень, технологии глубокого обучения - правильный выбор. Независимо от того, нужно ли вам обнаруживать дефекты на таблетках, правильно сортировать таблетки, заполнять, проверять или упаковывать бутылки, или этикетки - машинное зрение с глубоким обучением улучшает эти процессы.

Пример: Обнаружение дефектов на таблетках

Новые типы дефектов можно обучать автоматически, что означает огромную экономию времени и средств.

Узнайте, как клиенты используют программное обеспечение MVTec для разработки инновационных решений с глубоким обучением.

 

Как начать

MVTec HALCON предлагает хорошо оборудованный набор инструментов, содержащий все необходимое для всей цепочки процесса глубокого обучения. Благодаря интегрированной, удобной для пользователя среде разработки HDevelop в HALCON могут быть выполнены все этапы от получения изображения, обработки данных, предварительной обработки до вывода. Нет проблем с интерфейсом, о которых стоит беспокоиться.

Кроме того, MVTec разработал Deep Learning Tool, инструмент для маркировки обучающих данных для обнаружения, классификации и семантической сегментации объектов HALCON на основе глубокого обучения. Эти данные могут быть легко интегрированы в HALCON.

 

Рабочий процесс

Общий рабочий процесс классификации глубокого обучения состоит из следующих четырех шагов.

 

ПОДГОТОВКА: ПОЛУЧЕНИЕ, МАРКИРОВКА И ПРОСМОТР ДАННЫХ

Получите данные изображения глубокого обучения в условиях, которые аналогичны или даже идентичны ожидаемому сценарию в реальном приложении.

Маркируйте каждый объект в наборе данных и каждый объект в одном классе одинаково, обеспечивая правильность и точность помеченных данных.

Просмотрите и проверьте, есть ли данные с неправильной маркировкой. С помощью бесплатного инструмента глубокого обучения MVTec вы можете легко и эффективно подготовить набор данных.

 

ОБУЧЕНИЕ: ОБУЧАЙТЕ СВОИ СОБСТВЕННЫЕ CNNS

После экспорта данных из инструмента глубокого обучения в HDevelop, HALCON может проанализировать эти изображения и автоматически узнать, какие функции можно использовать для идентификации данных классов. Большое преимущество по сравнению с традиционными методами классификации, где эти функции должны были "вручную создаваться" пользователем.

Вы можете обучить свой собственный классификатор на основе предварительно обученных CNN (сверточных нейронных сетей), включенных в HALCON. Эти сети были оптимизированы для промышленных приложений и основаны на сотнях тысяч изображений. Кроме того, в HALCON можно использовать ранее созданные сторонние сети, которые были экспортированы в формат ONNX (Open Neural Network Exchange).

 

ОЦЕНКА: ПРОВЕРЬТЕ ОБУЧЕННУЮ МОДЕЛЬ НА ДАННЫХ ИСПЫТАНИЙ

Чтобы проверить, достаточна ли производительность обученной модели глубокого обучения для вашего приложения, вы можете выбирать между различными вариантами визуализации.

Например, вы можете использовать матрицу неточностей в HALCON, чтобы точно определить соотношение истинных и ложных срабатываний. Тепловая карта может показать, какие области изображения были особенно важны для выбора сети.

 

ИНФЕРЕНЦИЯ: ИСПОЛЬЗУЙТЕ ОБУЧЕННУЮ СЕТЬ НА НОВЫХ ИЗОБРАЖЕНИЯХ

Как только сеть научится различать данные классы, например, распознавать, показывает ли изображение поцарапанный, загрязненный или хороший образец, пользователи могут применять вновь созданный классификатор CNN к новым изображениям - это называется «инференция». Эта инференция может быть выполнена как на графических процессорах, так и на процессорах (на базе x86 и Arm®).

 

Больше полезной информации и советов вы найдете на официальном сайте MVTec.

Видео

Рекомендуем посмотреть

Нажимая кнопку "Отправить", я даю согласие на обработку моих Персональных данных.