Vorläufig

EasyLocate

Deep Learning localization and classification library

Im Überblick
  • Localization and identification of objects/products/defects
  • Counting of objects
  • Unterstützt Datenaugmentation und Masken
  • Kompatibel mit CPU- und GPU-Verarbeitung
  • Umfasst die kostenlose Deep Learning Studio-Anwendung für die Erstellung von Datensätzen, Training und Evaluierung
  • Nur verfügbar als Teil des Deep-Learning-Pakets



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.


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.


Deep Learning Bundle Feature Comparison
Deep Learning Bundle Feature Comparison


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


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.


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.


Sample Dataset: Electronic components
Sample Dataset: Electronic components

Our "Electronic Component" dataset shows how EasyLocate is able to reliably detect and count different kinds of standard electronic components stored in bulk inside plastic bags, in spite of the poor lighting conditions.


Datenaugmentation
Datenaugmentation

Deep Learning funktioniert durch Trainieren eines neuronalen Netzes, das lernt, Referenzbilder zu klassifizieren. Die Zuverlässigkeit dieses Prozesses hängt maßgeblich davon ab, wie repräsentativ und umfassend die Referenzbilder sind. Das Deep-Learning-Paket verwendet eine „Datenaugmentation“, bei der zusätzliche Referenzbilder erstellt werden, indem vorhandene Referenzbilder innerhalb programmierbarer Grenzen modifiziert werden (z. B. durch Verschieben, Drehen, Skalieren). Auf diese Weise kommt das Deep-Learning-Paket mit nur ein paar Hundert Trainingsbildern pro Klasse aus.


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.


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.


Software
Host PC Operating System
  • Open eVision is a set of 32-bit and 64-bit libraries that require a processor compatible with the SSE2 instruction set.
  • Deep Learning Bundle is only available in the 64-bit Open eVision library.
  • Open eVision can be used on the following operating systems:
    • Windows 10 (32- and 64-bits)
    • Windows 8 (32- and 64-bits)
    • Windows 7 (32- and 64-bits)
  • Since Open eVision 2.6, discontinued support of:
    • Windows Vista 32-bits Service Pack 1
    • Windows XP 32-bits Service Pack 3
    • Windows Embedded Standard 2009 32-bits
  • The Open eVision installer does not allow installation on virtual machines.
  • Minimum requirements:
    • RAM: 8 GB
    • Display size: 800 x 600. 1280 x 1024 recommended.
    • Color depth: 16 bits. 32 bits recommended.
    • Between 100 MB and 2 GB free hard disk space for libraries, depending on selected options.
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)
  • Since Open eVision 2.5.1, discontinued support of:
    • Borland C++ Builder 6.0 update 4 (C++)
    • CodeGear Delphi 2009 (Object Pascal)
    • CodeGear C++ Builder 2009 (C++)
    • Microsoft Visual Studio 6.0 SP6 (C++, Basic)
    • ActiveX API
  • Since Open eVision 2.4.1, discontinued support of:
    • Embarcadero RAD Studio XE4 and XE5 (C++, Object Pascal, 32 bits only)
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