Optics finder Lighting finder Kamera-Sucher Auswahl der Objektive zur Bildgebung

Beschaffen Sie sich das richtige Produkt, gleich von Anfang an

FabImage Library Suite

Bildverarbeitungs-Bibliothek für C++ und .NET

Opto Engineering® KATALOG

Produktübersicht

Angebot

Lizenzierungsmodell

Anwendungsbeispiele

Möglichkeiten

Eigenschaften

Deep learning

Downloads

Ressourcen

FabImage Library Suite ist eine Bildverarbeitungsbibliothek für C++ und .NET-Programmierer. Sie bietet einen umfassenden Satz an Funktionen für die Erstellung industrieller Bildanalyseapplikationen - von standardbasierten Bildaufnahmeschnittstellen über Low-Level-Bildverarbeitungsroutinen bis hin zu einsatzbereiten Werkzeugen wie Template-Matching, Messungen und Barcode-Lesegeräten.

Zu den zentralen Stärken des Produkts gehören sein außergewöhnliches Leistungsprofil, das moderne Design und die einfache Struktur, die eine leichte Integration in Ihren Code ermöglicht. Die in FabImage Library verfügbaren Funktionen entsprechen weitgehend den Filtern von FabImage Studio. Daher ist es möglich, Ihre Algorithmen schnell in einer grafischen Umgebung aufzubauen und sie dann in C++ oder .NET zu übersetzen oder sogar den C++-Code automatisch zu generieren.

Mit der Fabimage Library Suite haben Sie sofortigen Zugriff auf den qualitativ hochwertigen, gut optimierten und praxiserprobten Code, den Sie für Ihre Bildverarbeitungsprojekte benötigen!

HAUPTVORTEILE

Höchste Leistung
Modernes Design
Einfache Struktur

Bildverarbeitungs-Bibliothek für C++ und .NET

Technische Dokumente

Brochure FabImage^®

Links

FabImage^® user area

WWW

Vorwort

Deep Learning Add-on ist eine bahnbrechende Technologie für die Bildverarbeitung. Es handelt sich um einen Satz von fünf vorgefertigten Werkzeugen, die mit 20 bis 50 Beispielbildern trainiert werden und dann Objekte, Fehler oder Merkmale automatisch erkennen. Intern werden große neuronale Netze verwendet, die von unserem Forschungsteam für den Einsatz in industriellen Bildverarbeitungssystemen entwickelt und optimiert wurden.

Zusammen mit Fabimage Studio Professional erhalten Sie eine Komplettlösung für die Schulung und Bereitstellung moderner Bildverarbeitungsanwendungen.

Dokumentation

HAUPTVORTEILE

Trainingsdaten

Typische Anwendungen erfordern zwischen 20 und 50 Bilder für das Training. Je mehr desto besser, aber unsere Software lernt intern wichtige Merkmale aus einem begrenzten Trainingssatz und generiert dann Tausende neuer künstlicher Proben für ein effektives Training.

Ausrüstung

Für ein effektives Training ist eine moderne GPU erforderlich. In der Produktion können Sie entweder GPU oder CPU verwenden. Die GPU ist normalerweise 3-10 mal schneller (mit Ausnahme der Objektklassifizierung, die auf der CPU gleich schnell ist).

Geschwindigkeit

Die typische Trainingszeit auf einer GPU beträgt 5-15 Minuten. Die Inferenzzeit variiert je nach Werkzeug und Hardware zwischen 5 und 100 ms pro Bild. Die höchste Leistung garantiert WEAVER, eine industrielle Inferenzmaschine.

Trainingsprozess

1. Bilder erheben und normalisieren

Beschaffen Sie 20 - 50 Bilder, die richtige und unrichtige Beispiele schildern und alle möglichen Abarten der Objekte darstellen; speichern Sie sie auf der Platte.
Sorgen Sie dafür, dass die Skala, die Orientierung und die Beleuchtung möglichst einheitlich sind.

Training

Öffnen Sie das FabImage Studio Professional und aktivieren Sie eines der Deep Learning Add-on-Tools
Öffnen Sie einen mit dem Tool verknüpften Editor und laden Sie Ihre Trainingsbilder in das Programm rein
Sie können Ihre Bilder beschriften oder Markierungen mit Zeichenwerkzeugen hinzufügen
Klicken Sie auf "Train" (Trainieren)

Trainings- und Validierungsdaten

Beim tiefen Lernen und in sonstigen Bereichen des maschinellen Lernens ist die Anwendung der richtigen Methodik von besonderer Bedeutung. Am wichtigsten ist es, die Trainingsdaten von den Validierungsdaten abzutrennen. Die Trainingsdaten sind eine Aufstellung von Bildern, die genutzt wird, um das Modell zu trainieren. Diese Daten können für die Leistungsmessung des Modells nicht angewendet werden, denn im Endresultat werden unrealistisch gute Ergebnisse geliefert. Daher ist es notwendig, eine separate Datensammlung, d.h. Validierungsdaten zu nutzen, um das Modell richtig einzuschätzen. Unser Tool für das tiefe Lernen bildet beide Datensammlungen auf Basis der Bilder, welch durch den Nutzer benennt werden.

Führen Sie aus

Starten Sie das Programm und überprüfen Sie die Ergebnisse.
Gehen Sie zurück zu Punkt 1 oder Punkt 2, bis die Ergebnisse vollständig zufriedenstellend sind.

Feature Detection

Beim Vorgang mit Überwachung hat der Nutzer Pixel zu markieren, welche die Defekte auf den Trainingsbildern darstellen. Unser Tool lernt, richtige und richtige Merkmale durch die Beobachtung ihrer grundlegenden Eigenschaften zu unterscheiden.

Ispezione di pannelli fotovoltaici

In questa applicazione, crepe e graffi devono essere rilevati su una superficie che include caratteristiche complesse. Con i metodi tradizionali, questo richiede algoritmi complicati con decine di parametri che devono essere modificati per ogni tipo di pannello. Con il Deep Learning Add-on è sufficiente addestrare il sistema in modalità supervisionata, utilizzando un unico strumento.

Segmentierung der Satellitenbilder

In Hinsicht auf das Vorkommen mehrerer unterschiedlicher Elemente lassen sich die Satellitenbilder schwierig analysieren. Unser Deep Learning Modul kann austrainiert werden, um Straßen und Gebäude mit höchster Präzision zu erkennen. Das Training kann mittels eines richtig markierten Bildes durchgeführt werden, und die Ergebnisse sind sofort überprüfbar. Legen Sie mehr markierte Proben bei, um die Richtigkeit des Modells zu steigern.

Anomaly Detection

Im Vorgang ohne Überwachung ist der Trainingsprozess einfacher. Eine konkrete Definition des Defekts besteht hier nicht: das Tool wird mittels der richtigen Proben trainiert. Auf ihrer Basis werden sämtliche Abweichungen auf geprüften Bildern gezeigt.

Überprüfung von Verpackungen

Wenn eine Sushi-Packung dem Verkäufer geliefert wird, müssen sich alle Elemente in einer bestimmten Lage befinden. Es ist schwierig, Defekte zu definieren, wenn die Form der richtigen Stücke auch variieren kann. Das Problem lässt sich lösen, indem man das tiefe Lernen ohne Überwachung anwendet, wodurch alle bedeutenden Abweichungen davon erkannt werden, was das Tool im Training gelernt hat.

Kunststoffe, Spritzgussformen

Das Ausformen im Spritzgussverfahren ist ein komplizierter Prozess, in dessen Ablauf mehrere Probleme entstehen können. Gegenstände, die aus Kunststoff hergestellt werden, können für das Biegen bzw. andere Deformationen anfällig sein, welche für den Kunden akzeptabel sind. Unser Deep Learning Modul kann auf Basis der gelieferten Proben alle akzeptablen Verformungen lernen, und anschließend allerlei Abweichungen an der Produktionsanlage erkennen.

Object Classification

Das Objektklassifizierungswerkzeug unterteilt Eingabebilder in Gruppen, die vom Benutzer entsprechend ihrer besonderen Merkmale erstellt wurden. Als Ergebnis werden der Name einer Klasse und das Klassifizierungsvertrauen angegeben.

Kunststoffkappen: vorne oder hinten

Kunststoffkappen können manchmal versehentlich in der Produktionsmaschine umdrehen. Der Kunde möchte diese Situation erkennen. Die Aufgabe kann mit herkömmlichen Methoden erledigt werden, erfordert jedoch einen Experten, um einen bestimmten Algorithmus für diese Anwendung zu entwerfen. Auf der anderen Seite können wir eine Deep-Learning-basierte Klassifizierung verwenden, die automatisch lernt, Vorder- und Rückseite anhand einer Reihe von Trainingsbildern zu erkennen.

3D Leichtmetallrad Identifikation

In einem Werk können Hunderte verschiedener Leichtmetallradtypen hergestellt werden. Die Identifizierung eines bestimmten Modells mit solchen Modellmengen ist mit herkömmlichen Methoden praktisch unmöglich. Das Anpassen von Vorlagen würde sehr viel Zeit in Anspruch nehmen, um Hunderte von Modellen abzugleichen, während die Herstellung maßgeschneiderter Modelle einfach zu viel Entwicklung und Wartung erfordern würde. Deep Learning ist eine ideale Lösung, die direkt aus Beispielbildern ohne maßgeschneiderte Entwicklung lernt.

Instance Segmentation

Die Instanzsegmentierungstechnik wird verwendet, um einzelne oder mehrere Objekte innerhalb eines Bildes zu lokalisieren, zu segmentieren und zu klassifizieren. Im Gegensatz zur Merkmalerkennungstechnik erkennt diese Technik einzelne Objekte und kann sie möglicherweise trennen, selbst wenn sie sich berühren oder überlappen.

Nuss Segmentierung

Gemischte Nüsse sind ein sehr beliebtes Snack-Food, das aus verschiedenen Arten von Nüssen besteht. Da die prozentuale Zusammensetzung der Nüsse in einer Packung der Liste der auf der Packung aufgedruckten Zutaten entsprechen muss, möchten die Kunden sicherstellen, dass die richtige Menge an Nüssen jeder Art verpackt wird. Das Instanzsegmentierungswerkzeug ist eine ideale Lösung in einer solchen Anwendung, da es Masken zurückgibt, die den segmentierten Objekten entsprechen.

Überprüfung von Verpackungen

Ein typischer Satz Suppengrün, der in Europa verwendet wird, wird in zufälliger Position auf einem weißen Plastikteller verpackt. Produktionslinienarbeiter vergessen manchmal versehentlich, eines der Gemüse auf den Teller zu legen. Obwohl es ein System gibt, das die Platten wiegt, möchte der Kunde die Vollständigkeit des Produkts unmittelbar vor dem Versiegelungsprozess überprüfen. Da es keine zwei Gemüse gibt, die gleich aussehen, besteht die Lösung darin, eine auf tiefem Lernen basierende Segmentierung zu verwenden. In der Schulungsphase muss der Kunde lediglich Regionen markieren, die Gemüse entsprechen.

Point Location

Das Werkzeug Punktposition sucht nach bestimmten Formen, Merkmalen oder Markierungen, die als Punkte in einem Eingabebild identifiziert werden können. Es kann mit dem herkömmlichen Template-Matching verglichen werden, aber hier wird das Tool mit mehreren Samples trainiert und wird robust gegen große Variabilität der interessierenden Objekte.

Bienen verfolgen

Die Aufgabe, die mit herkömmlichen Bildverarbeitungsmethoden unmöglich zu erfüllen scheint, kann mit unserem neuesten Tool erledigt werden. In diesem Fall verwenden wir es, um Bienen zu erkennen. Wenn dies erledigt ist, können wir überprüfen, ob sie durch Varroose infiziert sind - die Krankheit, die durch die parasitären Milben verursacht wird, die die Honigbienen angreifen. Der Parasit bindet sich an ihren Körper und aufgrund einer charakteristischen roten Entzündung können wir ihn nach seinem Gesundheitszustand klassifizieren. Dieses Beispiel zeigt nicht nur, dass es eine einfache Lösung für eine komplexe Aufgabe ist, sondern dass wir auch für viele verschiedene Industriezweige offen sind, z. Landwirtschaft.

Pick and Place

In diesen Anwendungen müssen wir einen Roboterarm führen, um Gegenstände aufzunehmen, typischerweise von einem Förderband oder von einem Behälter. Ein gutes Beispiel für eine solche Anwendung ist das Pflücken kleiner Stecklinge und das vertikale Einsetzen in Töpfe. Ungenauigkeiten bei der Erkennung können dazu führen, dass sie zu tief oder verkehrt herum gepflanzt werden, was dazu führt, dass Stecklinge keine Wurzeln bilden. Unsere Deep-Learning-Tools ermöglichen es, die gewünschten Pflanzenteile schnell zu lokalisieren und genaue Ergebnisse zu liefern, die für diesen Vorgang erforderlich sind.

Lizenzarten

Es gibt zwei Arten von Handelslizenzen:

Entwicklung

Diese Lizenz ist einem einzelnen Techniker zugewiesen. Zu dem Paket gehört ein Jahr technische Unterstützung, wobei das Abo gegen eine jährliche Gebühr jeweils verlängert werden kann. Bei einem laufenden Abo für technische Unterstützung haben Sie das Recht, die Software auf neuere Versionen zu aktualisieren, und es wird Ihnen ein Rabatt auf Runtime-Lizenzen gewährt.

Produkt

Typ

P/N

FabImage^® Library Suite (C++ and .NET)

Entwicklung

FIL-SUI

Die einem einzelnen Benutzer zugewiesene Lizenz umfasst 1 Jahr technischen Support
Lieferung auf einem USB-Dongle

FabImage^® Studio + mitgelieferte Bibliothek

Entwicklung

FIS-ADD

Die Lizenz für Benutzer, die sowohl FabImage^® Studio Professional als auch FabImage^® Library Suite benötigen, umfasst das Generieren von C ++ - Code aus Programmen in FabImage^® Studio Professional
Lieferung auf einem USB-Dongle

Runtime

Diese Lizenz gilt für ein einziges Bildverarbeitungssystem. Sie können eine Lizenz für ein Mehrkamerasystem verwenden, wenn jedoch mehrere unabhängige Systeme gesteuert werden sollen, sind mehrere Lizenzen erforderlich, was auch der Fall ist, wenn diese Systeme über einen einzigen physischen Computer laufen.

Produkt

Typ

P/N

Fabimage Library Suite

Runtime

FIL-RUN

Liczenz, die einem einzelnen Computer zugewiesen ist, kann zur Steuerung von höchstens einem Bildverarbeitungssystem verwendet werden
der Preis für Integratoren / oem: erfordert eine professional (dev.) Lizenz mit gültiger technischer Unterstützung

Mit Entw. Lizenz und gültigetechnische Unterstützung

Fabimage Library Suite

Runtime

FIL-RTB

Entwicklerlizenz und verloschene technische UnterstützungLizenz, die einem einzelnen Computer zugewiesen ist, kann zur Steuerung von höchstens einem Bildverarbeitungssystem verwendet werden

Mit Entw. Mit

Zusätzliche Produkte

Typ

P/N

Multithreading-Zusatzmodul

Entwicklung

FI-PAR

für Entwicklerlizenzen. Es ermöglicht dem Benutzer, mehrere Threads parallel laufen zu lassen Multithreading-Projekte erfordern spezielle Runtime-Lizenzen

1 Jahr Unterstützungsverlängerung

Entwicklung

FIL-EXT, ADD-EXT

für alle Entwicklerlizenzen. Verlängert das Recht auf die Entwicklerlizenz für ein weiteres Jahr.

Mit Entw. Lizenz und gültigetechnische Unterstützung

USB Lizenz Dongle

USB-DONGLE-FI / USB-DONGLE-RUN

eine Alternative zum computer-ID-basierten Lizenzierungsmechanismus ermöglicht die Nutzung der Software auf mehreren Computern. Kann sowohl für Entwicklungs- als auch für Runtime-Lizenzen verwendet werden

USB Dongle für FabImage^® Entwicklerlizenz / USB Dongle für FabImage^® Runtime Lizenz

Schnellstartanleitung für FabImage^®-Teilenummern:

FabImage^® Studio Professional (FIS-PRO) ermöglicht die Erstellung kompletter Bildverarbeitungsapplikationen, einschließlich HMI. FabImage^® Studio Runtime (FIS-RUN/FIS-RTB) wird benötigt, um die Anwendungen auf jedem Inspektionssystem auszuführen.
FabImage^® Studio Professional (FIS-PRO) enthält die Funktion der Benutzerfilter, die es ermöglicht, den C++-Code des Benutzers in das grafische Programmiermodell einzubetten. FabImage^® Library Suite, FIL-SUI (oder das Studio + Library Bundle, FIS-ADD) wird nur benötigt, wenn man die eingebauten Bildanalyse-Tools als C++ Funktionen aufrufen möchte.
Wenn Sie Anwendungen in FabImage^® Studio Professional (FIS-PRO) vorfertigen und anschließend in C++-Code umwandeln möchten, dann benötigen Sie das FabImage^® Studio + Library Bundle (FIS-ADD)
Wenn die grafische Programmierumgebung für schnelle Vorfertigung nicht benötigt wird, dann reicht die FabImage^® Library Suite (FIL-SUI) für die Entwicklung aus.
Im Allgemeinen gibt es vier mögliche Arten, mit den Produkten zu arbeiten:

Programmieren auf grafische Weise - dies erfordert für jeden Entwickler ein FabImage^® Studio Professional (FIS-PRO) und für jedes System ein FabImage^® Studio Runtime (FIS-PRO/FIS-RTB). Ein besonderer Vorteil dieser Methode ist die einfache Einführung von Änderungen, auch direkt an der Produktionslinie
Programmieren auf grafische Art und Weise und anschließende Generierung von C++-Code - dies erfordert ein FabImage^® Studio + Library Bundle (FIS-ADD) für jeden Entwickler und eine FabImage^® Library Runtime (FIL-RUN/FIL-RTB) für jedes System. Diese Methode ermöglicht es, die erstellten Lösungen in größere Softwareprojekte zu integrieren.
Programmieren auf die grafische Art und Weise und anschließendes Generieren von .NET-Makrofilter-Schnittstellen - dies erfordert FabImage^® Studio Professional (FIS-PRO) für jeden Entwickler und eine FabImage^® Studio Runtime (FIS-RUN/FIS-RTB) für jedes System. Es wird keine Bibliothekslizenz benötigt, da die .NET-Makrofilter-Schnittstellen die gleichen Programmausführungsmechanismen wie Studio verwenden.
Direktes Programmieren in C++ oder .NET - dies ist für Leute, die in C++ oder C# denken und keine grafische Programmierung machen wollen. In diesem Fall wird für jeden Entwickler eine FabImage^® Library Suite (FIL-SUI) und für jedes System eine FabImage^® Library Runtime (FIL-RUN/FIL-RTB) benötigt.

Es gibt über 1000 Filter für grundlegende Transformationen und spezialisierte Bildverarbeitungswerkzeuge.

Bildverarbeitung
Formanpassung
Barcode-Auslesen
Schablonenabgleich
Support-Vector-Maschinen
Blob-Analyse
Kamera-Kalibrierung
Datencode-Auslesen
Messungen
GigE Vision und GenTL
Konturen-Analyse
Fourier-Analyse
Eckenerkennung
Histogrammanalyse
Planare Geometrie
Hough-Transformation
1D-Profilanalyse
OCR

Leistung

FabImage Library Suite besticht durch seine sorgfältig gestalteten Algorithmen und seine umfangreichen Hardware-Optimierungen - eine Kombination, die die Bibliothek zu einer der schnellsten der Welt macht. Unsere Implementierungen arbeiten mit SSE-Befehlen und parallelen Berechnungen mithilfe von Multicore-Prozessoren.

Modernes Design

Alle Datentypen verfügen über eine automatische Speicherverwaltung, Fehler werden explizit mit Ausnahmen behandelt und optionale Typen werden für typensichere Sonderwerte verwendet. Alle Funktionen sind Thread-sicher und nutzen, wenn möglich, die Datenparallelität intern.

Einfach & einheitlich

Die Bibliothek ist eine einfache Sammlung von Typen und Funktionen, die als eine einzige DLL-Datei mit entsprechenden Headern zur Verfügung gestellt wird. Für eine maximale Lesbarkeit der Funktionen ist eine einheitliche Namenskonvention zu beachten (z.B. die Form VERB + SUBSTANTIV, wie bei: SmoothImage, RotateVector). Alle Ergebnisse werden über Referenzausgabeparameter zurückgespielt, wodurch immer viele Ausgaben möglich sind.

Videogalerie

Weitere Videos auf unserem Vimeo-Kanal

HAUPTVORTEILE