EasySegment

ディープラーニング分離ライブラリ

概要
  • 教師なしモード: 「良質」の画像のみを使って、新しい画像の異常と欠陥の検出と分離を行えるようにトレーニングします
  • 教師ありモード: 分離と検出の精度を高めるために、欠陥のモデルを学習
  • あらゆる画像解像度で実行可
  • データ拡大とマスクをサポート
  • CPUおよびGPUプロセッシングとの互換性
  • データセット作成、トレーニング、および評価に使用できる無償のDeep Learning Studioアプリケーションを含みます
  • Deep Learning Bundleの一環としてのみ提供



比較 販売店


New in Open eVision 24.02
New in Open eVision 24.02

EasyFind : Significant speed increase, without any loss of accuracy.

EasyImage

  • New Gabor filtering function to help with texture analysis and edge detection.
  • New inverse circle warp function, providing conversion between polar and cartesian coordinates.
Easy: Improved off-screen rendering on all platforms.
Admin: Simplified version upgrade procedure with version numbers removed from filenames.


Open eVision 23.12の新機能
Open eVision 23.12の新機能

Deep Learning Studioへの標準データセットのインポート

  • EasyLocateまたはEasySegment(教師あり)用のCOCO Jsonデータセットのインポート
  • EasyLocate用のYOLO TXTアノテーションのインポート
  • EasyLocate用のPascal VOC XMLアノテーションのインポート
EasySpotDetector(ベータリリース、詳細は弊社にお問い合わせください)
  • 関心領域のアライメント、表面欠陥検出(粒子、傷など)、およびカスタムでトレーニングされたDeep Learning分類器に適用される単一のAPIとライセンス。
  • インライン表面検査のリアルタイム処理


データ拡大
データ拡大

ディープラーニングは、ある一連の基準画像の分類方法をティーチングするなど、ニューラルネットワークをトレーニングすることによって実施されます。プロセスのパフォーマンスは、その一連の基準画像がどれくらい典型的であり広域であるかという点に大きく左右されます。Deep Learning Bundleは、「データ拡大」を実装しており、それによって、プログラム可能な範囲で既存の基準画像を修正する (シフト、回転、拡大縮小など) ことで追加の基準画像を作りだしています。そのため、Deep Learning Bundleでは、分類ごとに必要となるトレーニング画像はわずか100件に抑えることができます。


サンプルデータセット:生地の欠陥検出
サンプルデータセット:生地の欠陥検出

上の生地のサンプルデータセットが示すように、EasySegmentの教師なしモードは生地の欠陥を検出・分離するのに使用できます。トレーニングには少数の適切なサンプルがあれば十分で、また、どのような欠陥が予測されるかについての知識も必要ありません。さらに、EasySegmentの教師なしモードによる結果を検証し、正解としてインポートすることにより、教師ありモードに必要な予測セグメンテーションのアノテーションを容易にすることも可能です。


DG06 Technology Development Department の支援を得て開発
DG06 Technology Development Department の支援を得て開発


すべてのOpen eVisionライブラリはWindowsとLinuxで利用可能
すべてのOpen eVisionライブラリはWindowsとLinuxで利用可能

  • Microsoft Windows 11、10、8.1、7: x86-64(64ビット)プロセッサアーキテクチャ
  • x86-64(64ビット)とARMv8-A(64ビット)プロセッサアーキテクチャ向けLinux、バージョン2.18以上のglibc


ディープラーニングとは?

ニューラルネットワークは、人間の脳を構成する生態的なニューラルネットワークからヒントを得たコンピューティングシステムです。畳み込みニューラルネットワーク (CNN) は、画像解析の分野で最も一般的に使用される、深層のフィードフォワード人工ニューラルネットワークの一種です。 ディープラーニングは、大規模なCNNを使って、いわゆる従来型のコンピュータビジョンアルゴリズムでは解決しにくい、または解決できない複雑な問題を解決します。ディープラーニングアルゴリズムの学習には例が使用されることが一般的であるため、より扱いやすいアルゴリズムといえます。ユーザーが部品を分類したり検査したりする方法を理解する必要はなく、トレーニングの始めの段階で検査対象の画像を多数示すだけで学習処理が進められます。トレーニングが正常に完了すると、部品の分類や欠陥の検出・分離に使用できるようになります。


EasySegment教師ありモード
EasySegment教師ありモード

EasySegmentはDeep Learning Bundleの分離ツールです。EasySegmentは検出と分離を実行します。欠陥のある部品を識別し、その欠陥の正確な位置を画像内でピンポイントに示します。EasySegmentの教師ありモードは画像内の欠陥と「合格」部分のモデルを学習することで機能します。これには、予測セグメンテーションとして注釈がつけられた画像を使ったトレーニングを通じて行われ、それが完了すると、新しい画像の欠陥を検出して分離するために使用できるようになります。EasySegmentの教師ありモードは精度が高く、期待されるセグメンテーションに関する知識に基づくことで、教師なしモードに比べてより複雑な欠陥を分離することができます。


Open eVisionのDeep Learning Bundleを選ぶ理由
Open eVisionのDeep Learning Bundleを選ぶ理由

  • Deep Learning Bundleは、特にマシンビジョン用途での画像解析を念頭に、調整、パラメーター化、および最適化されています。
  • Deep Learning BundleのAPIは単純であるため、数行のみのコードでディープラーニング技術の性能を活用できます。
  • ご購入前にお試しください: Deep Learning Bundleには、Deep Learning Studioトレーニング・評価アプリケーションが同梱されています。
EasyClassify、EasySegment、およびEasyLocateを個別に購入することはできません。これらはDeep Learning Bundleの一環としてのみ提供されています。
Deep Learning StudioよりDeep Learning Bundleをダウンロードしてお試しください。ご不明な点がございましたら、お気軽にEuresysのサポートまでお電話ください。


サンプルデータセット:異物の検出およびセグメンテーション
サンプルデータセット:異物の検出およびセグメンテーション

上のコービーのサンプルデータセットが示すように、EasySegmentの教師ありモードは、生産ラインおいて、色や質感が関心対象に非常に似通った異物を効率的に検出・分離するのに使用できます。


Deep Learning Bundleの機能の比較
Deep Learning Bundleの機能の比較


EasySegment教師なしモード
EasySegment教師なしモード

EasySegmentはDeep Learning Bundleの分離ツールです。EasySegmentは検出と分離を実行します。欠陥のある部品を識別し、その欠陥の正確な位置を画像内でピンポイントに示します。EasySegmentの教師なしモードは、「合格」サンプル (欠陥のないサンプル) とされるモデルを学習して機能ます。これは、「合格」サンプルの画像のみを使ったトレーニングを通じて行われ、それが完了すると、新しい画像を合格または欠陥に分類し、これらの画像から欠陥を分離するために使用できるようになります。あらかじめ欠陥の種類が不明な場合や欠陥サンプルが手元にない場合でも、合格のサンプル画像のみを使ってトレーニングすることで、EasySegmentの教師なしモードを使って検査を実施できます。


EasySegmentの有効使用
EasySegmentの有効使用

一般的に、ディープラーニングは精密な測定や計量が必要な用途には向いていません。また、ある種のエラー (検出漏れなど) を容認できないような場合には、推薦されません。 EasySegmentの教師なしモードは、特に、欠陥サンプルの入手が困難な場合の検出と分離タスクに有効です。 ディープラーニングツールには、通常、自然物体や既製品の画像を使用できます。こういったものの表面パターン (木材、繊維など) は複雑であるため、従来のマシンビジョンアルゴリズムによる欠陥の検出は非常に困難です。 さらに、「お手本学習」というディープラーニングのパラダイムによって、コンピュータビジョンプロセスの開発時間を短縮することができます。


Deep Learning Studio
Deep Learning Studio

Open eVisionには無償のDeep Learning Studioアプリケーションが含まれます。このアプリケーションは、データセットの作成やディープラーニングツールのトレーニングと検証においてユーザーを支援するためのツールです。Deep Learning StudioはEasySegmentにアノテーションツールを統合し、予測結果を正解アノテーションに変換することを可能にします。また、ツールを性能要件に合わせてグラフィカルに設定することも可能になります。たとえば、トレーニングの後で、より高い欠陥検出率とより高い合格検出率のどちらかを選択することができます。


性能
性能

ディープラーニングには、特に学習段階において、一般的に非常に高いプロセッシング能力が必要となります。Deep Learning Bundleは、標準的なCPUをサポートしており、PC内のNvidia CUDA対応GPUを自動的に検出します。通常、1つのGPUの使用によって、学習と処理の段階は100倍速くなります。


Neoライセンスシステム
Neoライセンスシステム

  • Neoは、Euresysの新しいライセンス管理システムです。信頼性が高く最新式のNeoは、Open eVisionとeGrabberのライセンスの保管にもりようできるようになりました。
  • Neoでは、NeoドングルまたはNeoソフトウェアコンテナーの2通りから、ライセンスを有効化する手段を選ぶことができます。ライセンスを購入してから、お選びください。
  • 頑丈なハードウェアで提供されるNeoドングルでは、1台のコンピューターから別のコンピューターにライセンスを移動できる柔軟性が備わっています。
  • Neoソフトウェアコンテナーは、専用のハードウェアを使用する代わりに、ライセンスを有効化したコンピューターにリンク付けられます。
  • Neoには2種類の操作が可能な専用のライセンスマネージャーが付属しています。直感的に操作できるグラフィカルユーザーインターフェイスと、Neoによるライセンス管理の自動化を容易に行えるコマンドラインインターフェイスのどちらででも作業が可能です。


Software
Host PC Operating System
  • Open eVision is a set of 64-bit libraries that require an Intel compatible processor with the SSE4 instruction set or an ARMv8-A compatible processor.
  • Open eVision can be used on the following operating systems:
    • Microsoft Windows 11, 10, 8.1, 7 for x86-64 (64-bit) processor architecture
    • Linux for x86-64 (64-bit) and ARMv8-A (64-bit) processor architectures with a glibc version greater or equal to 2.18
  • Remote connections
    • Remote connections are allowed using remote desktop, TeamViewer or any other similar software.
  • Virtual machines
    • Virtual machines are supported. Microsoft Hyper-V, Oracle VirtualBox and libvirt hypervisors have been successfully tested.
    • Only the Neo Licensing System is compatible with virtualization.
  • Minimum requirements:
    • 2 GB RAM to run an Open eVision application
    • 8 GB RAM to compile an Open eVision application
    • 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 2017 (C++, C#, VB .NET, C++/CLI)
    • Microsoft Visual Studio 2019 (C++, C#, VB .NET, C++/CLI)
    • Microsoft Visual Studio 2022 (C++, C#, VB .NET, C++/CLI)
    • QtCreator 4.15 with Qt 5.12
Ordering Information
Product code - Description
Optional accessories
Presence Check

プレゼンス/アブセンス・チェック

EasyImageのグレースケール解析機能は、簡単なプレゼンス/アブセンス・チェックに使用されます
Surface

表面解析

EasyImageは表面の欠陥を明らかにするために使用され、EasyObjectのブロブ解析機能はそれらの欠陥を分けて測定することができます。
Code Verification

ラベル印刷機向けのコード品質検証