EasySegment

深度学习分割库

特性一览
  • 无监督模式:仅训练“优良”图像,以检测并分割新图像中的异常和缺陷
  • 监督模式:学习缺陷模型,以提高分割和检测精度
  • 适用于任何图像分辨率
  • 支持数据增强和掩码
  • 兼容 CPU 和 GPU 处理
  • 包含用于创建、训练和评估数据集的免费 Deep Learning Studio 应用程序
  • 作为 Deep Learning Bundle 的一部分提供



比较 购买地点


什么是深度学习?

神经网络是受到构成人脑的生物神经网络启发的计算系统。卷积神经网络 (CNN) 是一类深度前馈人工神经网络,最常用于分析图像。 深度学习使用 CNN 来解决传统计算机视觉算法很难或无法解决的复杂问题。深度学习算法通常从示例中学习,因此更易于使用。它们不需要用户弄清楚如何对部件进行分类或检查。相反,在初期训练阶段,它们通过显示多张待检验部件图来从中学习。成功训练后,即可对部件进行分类,或是检测和分割缺陷。


EasySegment 有何用处?
EasySegment 有何用处?

深度学习通常不适合需要精确测量或计量的应用。当某些类型的错误(例如漏报)完全不可接受时,也不会建议使用。 EasySegment 无监督模式非常适合于缺陷检测和分割任务,尤其适合于难以获得缺陷样本的情况。 深度学习工具通常可以很好地处理表面图案(例如木材、织物等)复杂的天然物体或人造物体的图像,而使用传统机器视觉算法时很难检测缺陷。 此外,“从示例中学习”的深度学习模式也可以缩短计算机视觉处理的开发时间。


Deep Learning Studio
Deep Learning Studio

Open eVision 包含免费的 Deep Learning Studio 应用程序。在创建数据集以及深度学习工具的训练和测试过程中,该应用程序将为用户提供协助。对于 EasySegment,Deep Learning Studio 集成了注释工具,可以将预测转换为真实注释。它还支持根据性能要求以图形方式配置工具。例如训练过后,可以在更高的缺陷检测率或更高的良品检测率之间进行权衡。


性能
性能

深度学习通常需要极大的处理能力,在学习阶段更是如此。Deep Learning Bundle 支持标准 CPU,自动检测 PC 中兼容 Nvidia CUDA 的 GPU。只使用一块 GPU 通常就能将学习和处理速度加快 100 倍。


Neo 是一种新型的灵活许可系统
Neo 是一种新型的灵活许可系统

  • Neo 是 Euresys 的新型许可系统。它是最新的可靠技术,现在可以在 Windows 下使用。
  • Neo 支持您在 Neo Dongle 或 Neo Software Container 中选择许可证激活位置。先购买许可证,以后再做决定。
  • Neo Dongles 提供坚固的硬件,能灵活地从一台 PC 传输到另一台 PC。
  • Neo Software Container 无需任何专用硬件,而是链接到已激活它们的 PC。
  • Neo 自带专用的 Neo License Manager,它具有两种特点:直观、易用的图形用户界面和命令行界面,可轻松地自动执行 Neo 许可程序。


EasySegment 无监督模式
EasySegment 无监督模式

EasySegment 是 Deep Learning Bundle 的分割工具。EasySegment 执行缺陷检测和分割。它可以识别有缺陷的部件,并精确指出图像中的缺陷位置。在无监督模式下,EasySegment 学习何为“优良”样本(即无任何缺陷的样本)的模式。它在训练时只使用“优良”样本图像。然后便可使用该工具将新图像按优良或缺陷进行分类,并分割出这些图像中的缺陷。EasySegment 无监督模式只训练优良样本图像,即使事先不知晓缺陷类型或不易获得缺陷样本,EasySegment 也照样能执行检验。


数据增强
数据增强

深度学习的工作原理就是训练神经网络,示教一组参考图像的分类方式。这个过程的表现情况很大程度上取决于这组参考图像的代表性和广泛性。Deep Learning Bundle 实现了“数据增强”,通过在可设定的限值内修改(例如通过移位、旋转、缩放)现有参考图像来创建另外的参考图像。如此一来,每种类别只需区区一百幅训练图像,Deep Learning Bundle 即可派上用场。


样本数据集:面料缺陷检测
样本数据集:面料缺陷检测

“面料”样本数据集显示了 EasySegment 的无监督模式如何用于检测和分割面料中的缺陷,它只需要训练若干优良的样本,无需了解预期的缺陷种类。此外,在 EasySegment 的无监督模式下,可以查看和导入无监督模式的结果作为实况,简化监督模式所需的预期分割注释。


在DG06技术开发部的支持下开发的
在DG06技术开发部的支持下开发的


EasySegment 监督模式
EasySegment 监督模式

EasySegment 是 Deep Learning Bundle 的分割工具。EasySegment 执行缺陷检测和分割。它可以识别有缺陷的部件,并精确指出图像中的缺陷位置。在监督模式下,EasySegment 学习图像中何为缺陷部分、何为“优良”部分的模式。这个过程使用带有预期分割的图像来进行训练,然后即可使用该工具来检测和分割新图像中的缺陷。EasySegment 的监督模式可以达到更高的精度,由于预期分割的缘故,相较于无监督模式,它可以分割更为复杂的缺陷。


为何选择 Open eVision 的 Deep Learning Bundle?
为何选择 Open eVision 的 Deep Learning Bundle?

  • Deep Learning Bundle 经过定制、参数化和优化,可用于分析图像,尤其适合用于机器视觉应用。
  • Deep Learning Bundle 的 API 很简单,这些深度学习技术只用为数不多的代码行就实现了强大的功能。
  • 先试后买:Deep Learning Bundle 随附免费的 Deep Learning Studio 训练和评估应用程序。
EasyClassify, EasySegment and EasyLocate cannot be purchased separately. They are only available as part of the Deep Learning Bundle.
现在就下载和评估随附 Deep Learning Studio 的 Deep Learning Bundle(深度学习捆绑包),若有任何疑问,请随时致电 Euresys 支持部门。


样本数据集:异物检测和分割
样本数据集:异物检测和分割

“咖啡”样本数据集显示了 EasySegment 监督模式如何用于有效地检测和分割生产线上的异物,即便异物的颜色和纹理与目标产品非常接近,也能做到这一点。


Deep Learning Bundle Feature Comparison
Deep Learning Bundle Feature Comparison


Software
Host PC Operating System
  • Windows 10 (64-bits)
  • Windows 8 (64-bits)
  • Windows 7 (64-bits)
APIs
  • Supported Integrated Development Environments and Programming Languages:
    • Microsoft Visual Studio 2008® SP1 (C++, C#, VB .NET, C++/CLI)
    • Microsoft Visual Studio 2010® (C++, C#, VB .NET, C++/CLI)
    • Microsoft Visual Studio 2012® (C++, C#, VB .NET, C++/CLI)
    • Microsoft Visual Studio 2013® (C++, C#, VB .NET, C++/CLI)
    • Microsoft Visual Studio 2015® (C++, C#, VB .NET, C++/CLI)
    • Microsoft Visual Studio 2017® (C++, C#, VB .NET, C++/CLI)
Ordering Information
Product code - Description
Optional accessories
Presence Check

存在/缺失检查

EasyImage 灰度分析功能被用于简单的存在/不存在检查
Surface

表面分析

EasyImage 用于揭示表层缺陷,EasyObject 的斑点分析功能能够细分并测量他们。
Code Verification

用于标签印刷机的代码质量验证