Deep Learning wird in der Bildverarbeitung der optischen Qualitätssicherung immer dann eingesetzt, wenn das zu prüfende Objekt verschiedene Variationen auftritt, die nur schwer zu fassen sind. Ein Beispiel hierfür ist das Erkennen der Nummernschilder und das Lesen der Zeichen. Sicherlich befinden sich an allen Autos Nummernschilder, diese sind aber nicht immer an dem gleichen Ort befestigt oder sind mit unterschiedlichen Zeichensätzen versehen. Ein weiteres Beispiel ist die Riss- oder Kratzererkennung an beliebig geformten Bauteilen. Bei diesen beiden Anwendungen erkennt der Mensch auftretende Fehler sofort, die klassische Bildverarbeitung hingegen nicht. Deep Learning bietet allerdings die Lösung zu diesem Problem.
Muster werden in ein Neuronales Netz eingelernt und danach wiedererkannt, auch wenn sich diese in unterschiedlichen Positionen oder auch teilweise zerstört vor der Kamera auftauchen. Dadurch wird eine Erkennung durch ein Überwachungssystem auch bei nicht optimalen Bedingungen garantiert. Dabei bleibt die klassische Auswertung erhalten. Denn genau so wie ein Mensch zwar ein Muster gut erkennen kann, scheitert er, wenn es um die Frage der genauen Dimension des Musters oder der Bauteile geht. Hierbei hier greift das Neuronale Netz auf die klassischen Bildverarbeitungstool zur Messung zurück.
Damit ist die Kombination aus Deep Learning und der klassischen Bildverarbeitung auch einem Menschen überlegen, denn ein Neuronales Netz ist ermüdungsfrei und von Beginn an immer gleich präzise nicht wie das Gehirn, das schon nach 15 Minuten die Erkennungsleistung deutlich drosselt.
Die erweiterten Deep Learning Komponenten der Eye Vision 4.0 ermöglichen das leichte Lösen von komplexen Erkennungsaufgaben. Die innovative Software lernt aus Erfahrungen und versteht die Welt in Bezug auf eine Hierarchie von Konzepten. Die Hierarchie der Konzepte erlaubt es dem EyeVision unterstützenden Rechner komplizierte Konzepte zu erlernen, indem er sie einfach zusammensetzt.
Eye Vision Technology ermöglicht Ihnen die Integration von Deep Learning durch zwei verschiedene Optionen: Die Deep Learning Bibliothek der neuen EyeVision 4 Software kann mit vorgelernten Netzwerken (pretrained networks) oder mit voll erlernten Netzwerken (fully trained networks) befüllt werden. Die vorgelernten Netzwerke benötigen weniger qualifizierte Bilder, als die voll erlernten Netzwerke. Dadurch ist der Lernprozess bei vorgelernten Netzwerken schneller. Vorgelernte Netzwerke sind nach kurzer Zeit einsatzbereit.
Die voll erlernten Netzwerke werden individuell an Sie und Ihre zu lösenden Aufgaben angepasst. Dabei werden die dazu benötigten Bilder von uns exklusiv für Sie in künstliche neuronale Netze eintrainiert. Die EyeVision 4 enthält zudem eine Reihe neuer Deep Learning- und Machine Learning-Funktionen, auch zahlreiche vorgelernte Netzwerke sind integriert.
Muster werden in ein Neuronales Netz eingelernt und danach wiedererkannt, auch wenn sich diese in unterschiedlichen Positionen oder auch teilweise zerstört vor der Kamera auftauchen. Dadurch wird eine Erkennung durch ein Überwachungssystem auch bei nicht optimalen Bedingungen garantiert. Dabei bleibt die klassische Auswertung erhalten. Denn genau so wie ein Mensch zwar ein Muster gut erkennen kann, scheitert er, wenn es um die Frage der genauen Dimension des Musters oder der Bauteile geht. Hierbei hier greift das Neuronale Netz auf die klassischen Bildverarbeitungstool zur Messung zurück.
Damit ist die Kombination aus Deep Learning und der klassischen Bildverarbeitung auch einem Menschen überlegen, denn ein Neuronales Netz ist ermüdungsfrei und von Beginn an immer gleich präzise nicht wie das Gehirn, das schon nach 15 Minuten die Erkennungsleistung deutlich drosselt.
Die erweiterten Deep Learning Komponenten der Eye Vision 4.0 ermöglichen das leichte Lösen von komplexen Erkennungsaufgaben. Die innovative Software lernt aus Erfahrungen und versteht die Welt in Bezug auf eine Hierarchie von Konzepten. Die Hierarchie der Konzepte erlaubt es dem EyeVision unterstützenden Rechner komplizierte Konzepte zu erlernen, indem er sie einfach zusammensetzt.
Eye Vision Technology ermöglicht Ihnen die Integration von Deep Learning durch zwei verschiedene Optionen: Die Deep Learning Bibliothek der neuen EyeVision 4 Software kann mit vorgelernten Netzwerken (pretrained networks) oder mit voll erlernten Netzwerken (fully trained networks) befüllt werden. Die vorgelernten Netzwerke benötigen weniger qualifizierte Bilder, als die voll erlernten Netzwerke. Dadurch ist der Lernprozess bei vorgelernten Netzwerken schneller. Vorgelernte Netzwerke sind nach kurzer Zeit einsatzbereit.
Die voll erlernten Netzwerke werden individuell an Sie und Ihre zu lösenden Aufgaben angepasst. Dabei werden die dazu benötigten Bilder von uns exklusiv für Sie in künstliche neuronale Netze eintrainiert. Die EyeVision 4 enthält zudem eine Reihe neuer Deep Learning- und Machine Learning-Funktionen, auch zahlreiche vorgelernte Netzwerke sind integriert.
