Apprentissage profond, apprentissage automatique pour le traitement des images
Ce module complémentaire d'apprentissage profond est utilisé avec Zebra Aurora Vision Studio. Il s'agit d'une nouvelle avancée dans les applications de vision industrielle. Il s'agit d'un ensemble d'outils prêts à l'emploi qui sont entraînés avec de bons et de mauvais échantillons et qui détectent ensuite automatiquement les défauts ou les caractéristiques. En interne, il utilise de grandes structures de réseaux neuronaux, conçues et optimisées par notre équipe de recherche pour une utilisation dans les systèmes d'inspection industrielle. Pour l'utilisateur, cependant, ces structures sont fournies sous la forme de simples filtres avec très peu de paramètres, et avec des outils graphiques faciles à utiliser pour faciliter l'exécution du processus d'apprentissage.
Deep Learning Add-on incarne véritablement les principes fondamentaux de Zebra Aurora Vision :
- Intuitif - peut être utilisé même par des utilisateurs n'ayant pas de compétences en programmation
- Puissant - exploiter les capacités avancées des réseaux neuronaux
- Adaptable - les modèles d'apprentissage profond peuvent être réentraînés pour inclure de nouvelles fonctionnalités.
- Please note that every PC (both runtime and development PC), need a separate Deep learning Add-ON license
Inspection de la qualité des textiles, détection des rayures à l'aide du Deeplearning
Le Deeplearning est idéal pour la détection des rayures sur les textiles, le bois, le métal et d'autres matériaux. Les produits sont naturels et les rayures n'ont pas de forme fixe. Il est donc très difficile de les détecter à l'aide de la vision artificielle classique. Avec l'apprentissage profond, ces défauts peuvent être détectés facilement.
Inspection des seringues à l'aide de l'apprentissage en profondeur.
Les produits, comme les seringues, qui sont emballés dans des feuilles transparentes sont difficiles à inspecter avec des algorithmes de vision ordinaires. L'apprentissage profond peut résoudre ces problèmes. Vous pouvez par exemple contrôler la qualité de l'impression sur le produit ou vérifier si toutes les pièces sont présentes.
Classification d'objets tels que les écrous et les capsules de bouteilles
L'apprentissage profond peut également être utilisé pour classer facilement des objets. Vous pouvez par exemple détecter si un bouchon de bouteille est bien positionné. Ou vous pouvez même faire la différence entre différents produits. Cela est également possible avec la vision artificielle classique, mais avec l'apprentissage profond, vous disposez d'un algorithme robuste développé en quelques minutes, alors qu'avec la vision artificielle classique, cela peut prendre des jours, voire des semaines, en fonction de la complexité des différentes classifications d'objets.
Segmentation et localisation de points à l'aide de l'apprentissage profond (deeplearning)
Grâce à l'apprentissage en profondeur, les produits qui n'ont pas une forme fixe peuvent être facilement segmentés, même lorsqu'ils se touchent. La localisation peut également être détectée facilement. Ci-dessous, des exemples de segmentation de noix et de localisation d'abeilles.
