Deep Learning Bundle

Konvolutionale neuronale netzwerkbasierte Inspektionsbibliotheken

Im Überblick
  • Set of Deep Learning inspection libraries optimized for machine vision applications
  • Performs image classification, supervised or unsupervised segmentation and object localization
  • Includes EasyClassify, EasySegment and EasyLocate
  • Simple API
  • Umfasst die kostenlose Deep Learning Studio-Anwendung für die Erstellung von Datensätzen, Training und Evaluierung
  • Unterstützt Datenaugmentation und Masken
  • Kompatibel mit CPU- und GPU-Verarbeitung



Vergleichen Händler


Was ist Deep Learning?

Neuronale Netze sind Computersysteme, die biologische neuronale Netze des menschlichen Gehirns als Vorbild haben. Konvolutionale neuronale Netze (CNN – Convolutional Neural Network) sind eine Klasse künstlicher Deep-Learning-Netze, die vor allem für die Analyse von Bildern verwendet werden. Deep Learning nutzt große CNNs zur Lösung komplexer Probleme, die mit sogenannten konventionellen Computervision-Algorithmen schwierig oder unmöglich zu lösen sind. Deep-Learning-Algorithmen sind möglicherweise einfacher einzusetzen, da sie in der Regel anhand von Beispielen lernen. Der Anwender muss sich dabei keine Gedanken über die Klassifizierung oder Inspektion von Teilen machen. Stattdessen lernen sie in der anfänglichen Trainingsphase einfach dadurch, dass ihnen viele Bilder der zu inspizierenden Teile gezeigt werden. Nach erfolgreichem Training können sie zur Klassifizierung von Teilen oder Erkennung und Segmentierung von Defekten verwendet werden.


Unüberwachter EasySegment-Modus
Unüberwachter EasySegment-Modus

EasySegment ist das Segmentierungstool des Deep-Learning-Pakets. EasySegment übernimmt die Erkennung und Segmentierung von Defekten. Es erkennt Teile mit Defekten und weist die Stelle im Bild sehr genau aus. Der unüberwachte Modus von EasySegment erarbeitet ein Modell von dem, was ein „gutes“ Beispiel ist (z. B. ein Beispiel ohne jegliche Defekte). Dies wird durch ein Training mit ausschließlich „guten“ Beispielen erreicht. Das Tool kann dann zur Klassifizierung von neuen Bildern als gut oder defekt und zur Segmentierung der Defekte in diesen Bildern verwendet werden. Durch das Training mit ausschließlich Bildern guter Beispiele kann der nicht überwachte Modus von EasySegment Inspektionen auch dann durchführen, wenn die Art des Defekts vorab nicht bekannt ist oder wenn defekte Beispiele nicht leicht verfügbar sind.


Deep Learning Studio
Deep Learning Studio

In Open eVision ist die Anwendung „Deep Learning Studio“ kostenlos enthalten. Diese Anwendung hilft dem Anwender bei der Erstellung von Datensätzen sowie beim Trainieren und Testen des Deep-Learning-Tools. Für EasySegment ist in Deep Learning Studio ein Annotationstool integriert, sodass Vorhersagen in Ground-Truth-Annotationen umgewandelt werden können. Damit kann das Tool auch grafisch entsprechend den Performance-Anforderungen konfiguriert werden. Es kann beispielsweise nach dem Training ausgewählt werden, ob der Erkennungsrate von Defekten oder einer guten Erkennungsrate Vorrang gegeben werden soll.


Neo Licensing System
Neo Licensing System

  • Neo is the new Licensing System of Euresys. It is reliable, state-of-the-art, and is now available to store Open eVision and eGrabber licenses.
  • Neo allows you to choose where to activate your licenses, either on a Neo Dongle or in a Neo Software Container. You buy a license, you decide later.
  • Neo Dongles offer a sturdy hardware and provide the flexibility to be transferred from a computer to another.
  • Neo Software Containers do not need any dedicated hardware, and instead are linked to the computer on which they have been activated.
  • Im Lieferumfang von Neo ist der dedizierte Neo-Lizenzmanager in zwei Ausführungen enthalten: Als intuitive, benutzerfreundliche grafische Benutzeroberfläche und als Befehlszeilenschnittstelle zur einfachen Automatisierung der Neo-Lizenzverfahren.


Warum sollten Sie sich für das Deep-Learning-Paket von Open eVision entscheiden?
Warum sollten Sie sich für das Deep-Learning-Paket von Open eVision entscheiden?

  • Das Deep-Learning-Paket wurde speziell zum Analysieren von Bildern und insbesondere für Bildverarbeitungssysteme entwickelt, parametrisiert und optimiert.
  • Das Deep-Learning-Paket hat eine einfache API und der Anwender kann mit nur ein paar Codezeilen alle Vorteile der Deep-Learning-Technologien nutzen.
  • Testen Sie vor dem Kauf: Im Deep-Learning-Paket ist die kostenlose Anwendung „Deep Learning Studio“ für Trainng und Evaluierung enthalten.
EasyClassify, EasySegment and EasyLocate cannot be purchased separately. They are only available as part of the Deep Learning Bundle.
Laden Sie das Deep-Learning-Paket doch gleich heute herunter und testen Sie es mit Deep Learning Studio. Bei Fragen können Sie sich gerne an den Support von Euresys wenden.


Überwachter EasySegment-Modus
Überwachter EasySegment-Modus

>EasySegment ist das Segmentierungstool des Deep-Learning-Pakets. EasySegment übernimmt die Erkennung und Segmentierung von Defekten. Es erkennt Teile mit Defekten und weist die Stelle im Bild sehr genau aus. Beim überwachten Modus von EasySegment erlernt ein Modell, was ein Defekt und was ein „gutes“ Teil in einem Bild ist. Dies erfolgt durch Training mit Bildern, die die erwartete Segmentierung ausweisen. Das Tool kann dann verwendet werden, um die Defekte in neuen Bildern zu erkennen und zu segmentieren. Der überwachte Modus in EasySegment erzielt eine höhere Genauigkeit, da die erwartete Segmentierung bekannt ist und so komplexere Defekte segmentiert werden können, als im nicht überwachten Modus.


Deep Learning Bundle Feature Comparison
Deep Learning Bundle Feature Comparison


Entwickelt mit Unterstützung der technologischen Entwicklungsabteilung DG06
Entwickelt mit Unterstützung der technologischen Entwicklungsabteilung DG06


Beschreibung von EasyClassify
Beschreibung von EasyClassify

EasyClassify ist das Klassifizierungstool des Deep-Learning-Pakets. Bei EasyClassify muss der Anwender die trainierten Bilder kennzeichnen, also angeben, welche gut und welche schlecht sind bzw. welche zu welcher Klasse gehören. Nach diesem Lern-/Trainingsprozess kann die EasyClassify-Bibliothek Bilder klassifizieren. Sie gibt für alle Bilder eine Liste mit Wahrscheinlichkeiten zurück, inwieweit das Bild zu einer der von ihr „gelernten“ Klassen gehört. Wenn beispielsweise schlechte von guten Teilen unterschieden werden müssen, gibt EasyClassify für jedes Teil an, mit welcher Wahrscheinlichkeit es gut oder schlecht ist.


EasyLocate Description
EasyLocate Description

EasyLocate is the localization and identification library of Deep Learning Bundle. It is used to locate and identify objects, products, or defects in the image. It has the capability of distinguishing overlapping objects and, as such, EasyLocate is suitable for counting the number of object instances. In practice, EasyLocate predicts the bounding box surrounding each object, or defect, it has found in the image and assigns a class label to each bounding box. It must be trained with images where the objects or defects that must be found have been annotated with a bounding box and a class label.


Leistung
Leistung

Deep Learning erfordert generell und insbesondere in der Lernphase eine beträchtliche Verarbeitungsleistung. Das Deep-Learning-Paket unterstützt Standard-CPUs und erkennt automatisch Nvidia CUDA-kompatible GPUs im PC. Schon 1 GPU beschleunigt in der Regel den Lernprozess und die Verarbeitungsphasen um den Faktor 100.


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

An-/Abwesenheitsprüfung

Die Graustufen-Analysefunktionen von EasyImage werden für einfache An-/Abwesenheitsprüfungen verwendet
Surface

Oberflächenanalyse

EasyImage wird zur Erkennung von Oberflächenfehlern verwendet und die Blob-Analysefunktionen von EasyObject können diese segmentieren und messen.
Assembly

Baugruppeninspektion

Code Verification

Code-Qualitätsüberprüfung für Etikettendruckmaschinen