Deep Learning Add-on
Deep Learning Add-on (Модуль глубокого обучения) - новое расширение пакета программных продуктов Adaptive Vision, которое является новым прорывным подходом в решении задач машинного зрения без необходимости разработки алгоритмов и программирования. Используя технологию Deep Learning, программное обеспечение способно обучаться на основе “хороших” и “плохих” примеров, а далее, получая изображение, автоматически принимает решение отклонить или одобрить его.
Данные о программе:
1. В среднем для приложению нужно 20-50 картинок для обучения.
2. Для быстрого обучения и выполнения операций рекомендуется современный графический процессор(GPU).
3. При использовании GPU, время обучения составляет в среднем 10 минут, а время выполнения операций 100 мс на 1МП.
Deep Learning это новое надежное решение проблем машинного зрения, которые раньше не удавалось решать. Однако, есть задачи, которые до сих пор могут быть реализованы только классическими методами. Как узнать, какой подход лучше?
Вот краткое руководство:
|
Deep Learning Области применений:
Точность 99% |
Классическое машинное зрение Области применений:
Характеристики:
|
1. Подобрать и нормализовать изображение
- Получаем от 20 до 50 изображений, представляющих все возможные варианты объекта и сохраняем их на диске. Изображения должны быть как "хорошие", так и "плохие".
- Убеждаемся, что масштаб, ориентация и освещенность объектов максимально одинаковая на всех изображениях.
- Открываем редактор Deep Learning.
- Загружаем изображения для обучения.
- Отмечаем "хорошие" и "плохие" изображения (в неконтролируемом режиме) или выделяемдефекты при помощи инструмента "рисование" (в контролируемом режиме).
- Нажмимаем "Train".
- Запускаем программу и смотрим на результат.
Контролируемый режим обучения - пользователь должен аккуратно отметить пиксели соответствующие дефекту на обучающих изображениях. Затем инструмент учится отличать хорошие и плохие признаки просматривая ключевые характеристики.
|
Инспекция фотоэлементов солнечных батарей. В этом приложении, содержащем сложные функции, должны быть обнаружены царапины и трещины. Использование классических методов требует введение массы сложных алгоритмов с десятками параметров, которое следует подстроить для каждого типа солнечной панели. С помощью Deep Learning достаточно обучить систему в режиме наблюдения, используя лишь один инструмент.
|
Сегментация спутникового изображения. Спутниковые изображения трудно анализировать, т.к. они включают в себя большое количество особенностей. Тем не менее Deep Learning Add-on способен обнаруживать дороги и здания с высокой точностью. Обучение может быть выполнено даже с использованием только одно
|
|
Контроль качества ткани Текстильные материалы бывают различных стилей, но общим является то, что дефекты проявляются на сильно структурированной поверхности. Используя технологию Deep Learning, пользователь может определить несколько классов дефектов и пометить их на образцах изображений. Когда обучение завершено, система будет способна обнаруживать даже сложно заметные дефекты.
|
Проверка печенья Не существует двух печений, которые выглядят абсолютно одинаково, но заказчики ожидают, что шоколадная глазурь на печенье должна быть безупречной. Как определить дефект? Соберите некачественные печенья и выделите дефекты. Программное обеспечение изучит различия и сможет находить их на продукте.
|
Неконтролируемый режим обучения- он существенно проще, поскольку нет необходимости указания дефекта. Обучение проводится только на хороших образцах, а затем система выявляет существенные отклонения от образца.
|
Проверка упаковки. Когда упаковка суши поставляется в магазин, каждый из элементов должен быть размещен в определенном месте. Дефекты трудно явно определить, поскольку и качественные объекты могут отличаться друг от друга. Решение состоит в том, чтобы использовать неконтролируемый режим Deep Learning, который обнаруживает любые существенные отклонения от того, что инструмент видел на этапе обучения.
|
Литье под давлением из пластмассы. Литье под давлением - комплекс процессов со множеством возможных проблем производства. Пластиковые изделия могут иметь небольшие изгибы или другие отклонения формы, которые приемлемы для заказчика. Deep Learning Add-on может изучить все приемлемые отклонения представленных образцов и далее выявлять все существенные дефекты при работе на производственной линии.
|
- В разделе«Программное обеспечение Adaptive Vision»