Skip to main content
Industrial Quality Solutions
Metrology Shop Slovensko
späť
Industrial Quality Solutions
odporúčané vyhľadávané výrazy
populárne vyhľadávané výrazy

Hlboké učenie na automatizovanú analýzu obrazu

Hlboké učenie na automatizovanú analýzu obrazu
Bezplatná skúšobná verzia

Spoľahlivé výsledky vďaka umelej inteligencii

Obsah tretej strany je zablokovaný

Prehrávač videí je zablokovaný na základe vašich nastavení súborov cookie. Ak chcete zmeniť toto nastavenie a prehrať video, kliknite na tlačidlo nižšie a udeľte súhlas s použitím „funkčných“ sledovacích technológií.

Využite potenciál hlbokého učenia pri spracovaní obrazu pomocou ZEISS ZEN Intellisis:

  • Automatizovaná a od výrobcu nezávislá analýza obrazov zo širokej škály zobrazovacích systémov v 2D a 3D
  • Reprodukovateľná a škálovateľná automatizovaná segmentácia 2D a 3D obsahu
  • Výrazné skrátenie času vyhodnotenia vďaka hlbokému učeniu
  • Jednoduché cloudové rozhranie na trénovanie a vytváranie AI modelov
  • Segmentácia zložitých obrazov z 2D a 3D zobrazovania jedným kliknutím, buď v cloude alebo lokálne
  • Odborné znalosti sa dajú ľahko zdieľať v rámci celej organizácie vďaka opätovnému použitiu natrénovaného AI modelu

Výzva segmentácie obrazu

Segmentácia obrazu sa používa na analýzu snímok nasnímaných mikroskopom. Segmentácia označuje rozdelenie obrazov na konkrétne oblasti, ktoré sú dôležité pre následnú analýzu a klasifikáciu. Takouto oblasťou môže byť napríklad vada alebo znečistenie na povrchu súčasti, rovnako ako detekcia rôznych vrstiev materiálu. Pri následnej analýze obrazov a klasifikácii rozpoznaných oblastí sa zohľadňujú samotné oblasti a hranice medzi rôznymi oblasťami. To umožňuje dosiahnuť presné výsledky a detegovať chyby.

Tradičné metódy segmentácie, ako je prahovanie (analýza hodnôt sivej), však rýchlo narážajú na svoje limity.

Úrovne sivej v oblastiach môžu byť ťažko rozlíšiteľné, ak majú podobnú farbu a jas. Používatelia tiež stoja pred otázkou, ktoré vlastnosti v obraze sú relevantné, napr. farba, textúra alebo okraje, aby mohli identifikovať objekty a oblasti v obraze.

Je tiež dôležité vedieť, ako kombinovať jednotlivé funkcie, aby bolo možné objaviť objekty a triedy. Čím viac tried sa pri spracovaní obrazu pridá, tým je daná úloha zložitejšia. Hľadanie škrabancov na displejoch elektrických spotrebičov je tiež výzvou, ktorú je ťažké vyriešiť pomocou analýz založených na pravidlách – pretože každý škrabanec má inú veľkosť, svoj vlastný tvar a môže sa vyskytovať na celom povrchu. Spracovanie obrazu pomocou hlbokého učenia je tu tým správnym riešením.

Výzva segmentácie obrazu
Výzva segmentácie obrazu

SEM (skenovací elektrónový mikroskop) snímka kontaktu dosky plošných spojov so segmentáciou obrazu pomocou AI

Ako hlboké učenie pomáha pri spracovaní obrazu?

Strojové učenie a hlboké učenie sa používajú v prípadoch, keď konvenčné metódy segmentácie obrazu nestačia. Trénovateľný systém sa skladá z neurónových sietí, v ktorých sú uložené všetky relevantné informácie pre spracovanie obrazu. Z technického hľadiska je zásadné správne od seba rozlíšiť rôzne oblasti a charakteristiky, aby bolo možné vytvoriť optimálnu analýzu a dosiahnuť presné a reprodukovateľné výsledky.

Vytvorí sa tréningový model, ktorý naučí AI analyzovať obrazy. Na obraze (alebo na niekoľkých obrazoch) sa určité oblasti označia priradením rôznych farieb k rôznym charakteristikám, ktoré sú dôležité pre zabezpečenie kvality. AI sa naučí vlastnosti oblastí alebo charakteristík a vytvorí si vlastný algoritmus klasifikácie. Algoritmus sa potom aplikuje na zostávajúce obrazové dáta, ktoré ešte neboli označené alebo zafarbené. Umelá inteligencia sa samostatne naučí, ktorým charakteristikám má venovať zvláštnu pozornosť vo vzťahu ku konkrétnej triede. Čím viac tréningových dát alebo vzorových obrazov je analyzovaných, tým presnejší algoritmus je.

Príklad použitia

Vaše výhody pri spracovaní obrazu na báze umelej inteligencie

Ak segmentácia všetkých obrazových dát nie je optimálna, je možné anotácie a ich parametre znova trénovať. Týmto spôsobom sa AI naučí nové charakteristiky a môže revidovať algoritmus – až kým nedosiahne presné výsledky. Tento optimalizovaný model možno potom automaticky aplikovať na všetky obrazové dáta rovnakého typu nasnímané za rovnakých zobrazovacích podmienok, napr. pod mikroskopom. To prináša mnoho výhod:

  • Rýchla automatizovaná segmentácia a analýza

  • Presné výsledky a spoľahlivá detekcia chýb

  • Vysoká reprodukovateľnosť

  • Jednoduchá úprava algoritmu

Využite potenciál umelej inteligencie

ZEISS ZEN Intellisis s technológiou Deep Learning umožňuje automatizované spracovanie obrazu v laboratóriu, vo vývoji, pri zabezpečovaní kvality a v analytických systémoch súvisiacich s výrobou. Moderné spoločnosti orientované na budúcnosť používajú technológiu Deep Learning na zabezpečenie reprodukovateľnosti a presnosti analýz. Vyskúšajte si teraz celú sadu ZEISS ZEN core Suite vrátane ZEN Intellisis až na 60 dní zadarmo a nezáväzne.

Bezplatná skúšobná verzia

Ktoré dátové záznamy je možné vyhodnotiť pomocou AI?

Všeobecne je možné vyhodnotiť všetky škálované 2D a 3D dátové súbory, pre ktoré ZEISS využíva výkonné nástroje AI. Tu môžete vidieť, ktoré formáty je možné analyzovať pomocou AI, ktoré funkcie sú možné a či je formát vhodný pre spracovanie obrazu pomocou hlbokého učenia (deep learning).

Výrobca / Formát

Prípona súboru

Prenos hodnoty pixelu

Prenos metadát

FEI TIFF

.tiff

●●●○

●●●○

Hitachi S-4800

.txt, .tif, .bmp, .jpg

●●●○

●●●○

IMAGIC

.hed, .img

●●●○

●●●○

JEOL

.dat, .img, .par

●●○○

●○○○

JPEG

.jpg

●●●○

●●●○

Leica LCS LEI

.lei, .tif

●●●●

●●●●

Leica LAS AF LIF (Leica Image File Format)

.lif

●●●●

●●●●

Nikon Elements TIFF

.tiff

●●○○

●●○○

Olympus SIS TIFF

.tiff

●●○○

●●○○

Oxford Instruments

.top

●●○○

●○○○

Tagged Image File Format)

.tiff, .tif, .tf2, .tf8, .btf

●●●○

●●●●

Ďalšie formáty sú k dispozícii na vyžiadanie
Automatická a inteligentná analýza obrazu s AI

Aký je cieľ automatickej a inteligentnej analýzy obrazu pomocou umelej inteligencie?

Hlavným cieľom je nahradiť manuálne procesy analýzy obrazu automatickými rutinami, aby boli reprodukovateľné a škálovateľné. To šetrí čas a peniaze a tiež eliminuje subjektívne hodnotenie. Keďže sa každý človek rozhoduje trochu inak, môžu vzniknúť rôzne segmentácie, alebo sa chyby prehliadnuť či nesprávne klasifikovať ako v tolerancii. Okrem toho spracovanie a analýza obrazu založená na AI uľahčuje šírenie odborných znalostí v rámci vašej vlastnej organizácie. To zvyšuje kvalitu vlastných produktov a tiež reprodukovateľnosť výsledkov.

Questions about ZEN core

Do you have any questions or would you like individual advice? Get in touch with our ZEISS ZEN core experts!

Try out ZEN core

Simply register and test ZEN core free of charge - without any contractual obligation. Get to know our image analysis and machine learning tools in up to 60 days.

Formulár sa načítava...

If you want to have more information on data processing at ZEISS please refer to our data privacy notice.