Adaptive Vision dodatak za duboko učenje
Adaptive Vision Dodatak za duboko učenje tvrtke Adaptive Vision ,nadograđuje i dodatno pojednostavljuje izradu aplikacija strojnog vida bez pozadinskog znanja programiranja.
Korištenje i prednosti dubokog učenja Adaptive Vision Studio
Metoda strojnog učenja nazvana duboko učenje temelji se na korištenju višeslojnih neuronskih mreža. Između ostalog, samo korištenjem slika dobrih i loših uzoraka, uz dubinsko učenje moguće je detektirati razne nedostatke u objektima, razvrstati ih u kategorije, izdvojiti njihove površinske karakteristike, segmentirati ih na slici itd. daljnje ulazne slike su zatim automatski klasificirane.
Dubinsko učenje posebno je prikladno za otkrivanje nedostataka na površini deformabilnih objekata i u situacijama kada je definicija defekta samo približna ili nije mjerljiva i ograničena tolerancijama.
Alati za strojno učenje
Za pripremu aplikacije ili modela s Adaptive Vision Deep Learning može stati čak 20-50 uzoraka slika, a proces učenja, uz preporučenu upotrebu moćnog grafičkog procesora, izvodi se za samo pet minuta. Klasifikacija je također brza – obično 100 ms za 1MP na GPU-u.
Korisnik ima pet unaprijed pripremljenih alata s kojima može brzo izvršiti razne kontrole: klasificirati ili segmentirati objekte, otkriti značajke ili anomalije te lokalizirati točke.
Odaberite između nadziranog ili nenadziranog dubokog učenja
U kontroliranom učenju, korisnik označava ozljede na slikama loših uzoraka. U slučaju nekontroliranog učenja, korisnik u alat unosi samo što više slika dobrih i loših uzoraka na temelju kojih alat automatski generira odgovarajući model za kasniju klasifikaciju. Također, softverski alat automatski dijeli uvezene slike u skup za učenje i skup za evaluaciju (validaciju) modela.
Uvoz slike i priprema modela odvijaju se u transparentnom sučelju, koje je pogodno i za početnike i za napredne korisnike koji žele veću kontrolu nad parametrima izrade modela.
Primjeri primjene
Adaptive Vision Deep Learning omogućuje korištenje strojnog vida u:
- otkrivanju nedostataka na površinama: pukotina, nedostataka ili promjena boje,
- otkrivanju oblika defekta: suvišni dijelovi ili dijelovi koji nedostaju, deformacije oblika,
- preciznoj lokalizaciji rubova,
- otkrivanju nedostataka u uzorcima predmeta,
- analizi kvalitete različito projektiranih objekata,
- odvajanju, sortiranju, uspoređivanju i identificiranju objekata prema unaprijed definiranim skupinama.
Želite znati više?
Ispunite kontakt obrazac i javit ćemo vam se uskoro.
Pretplatite se na naš newsletter!