?
關于虹科智能感知
?
虹科智能感知事業部專注于智能感知與機器視覺領域,已經和IDS,Blickfeld和Gidel等有著重要地位的國際公司展開深度的技術合作。我們的解決方案包括3D激光雷達,工業相機,視覺處理平臺,圖像采集卡及視覺系統集成等。虹科的工程師積極參與國內外專業協會和聯盟的活動,我們非常重視技術培訓和積累,公司定期與國內外專家團隊進行交流和培訓。
?
?
AI Vision是一款對用戶友好的工具包。基于AI圖像處理可以提高各個行業中的競爭力,已經測試并實現應用的用戶無不驚訝于這一系統的速度以及出色成效。但不幸的是,AI Vision尚未得到全面評估,可以理解為黑盒,它不像制造商常常聲稱的那樣直觀和易于使用!雖然這一系統讓您不必成為圖像處理專業人員就可以執行基于AI的圖像分析,但是收集足量的樣本數據也需要很長時間且成本高昂。
此外,還需要了解如何從中得出可靠的結論以及如何評估這些結論。只有當AI對用戶更加友好,結果更容易解釋(目前進行評估尚存在困難),用戶對AI Vision的信心和接受度才會提高。
借助虹科NXT智能相機,設計了一個硬件和軟件組件的AI Vision生態系統,它不但適合機器學習應用,還能寫入完整的應用工作流。因此,這可以大大節省實施解決方案的時間和成本。
采用云計算的AI Vision
借助虹科的NXT Lighthouse軟件,您可以向AI邁出第一步,為虹科NXT相機創建視覺應用,以解決復雜任務,不需要培訓或設置開發環境,入門操作簡單,可以快速完成單個AI視覺系統的實施和調試等任務。
我們提供了易于理解的界面和工具,它們覆蓋了AI Vision開發的所有步驟,使整個編程過程非常輕松便捷。借助Amazon (AWS)和Microsoft (Azure),我們可以根據客戶的需求提供專業的云計算服務,提高圖像樣本訓練效率并為客戶提供新的深度學習樣本數據訓練模式。
圖形化編程
在項目剛開始的時候,應用向導可以幫助您確定具體任務,選擇所需的AI方法,設計應用項目。用戶可以使用模塊化編輯器(Block-based Editor),這樣就不用掌握平臺專有的編程工作或編程語言的特殊語法。
只需要拖放操作,就可以利用現成的功能模塊構建自己的流程序列。這使應用項目程序設計更為靈活,同時使流程更易于理解。
如上圖,通過模塊化編輯器,您不需要了解基于文本的具體編程語言的語法,就可以將AI處理的完全個性化的應用運用到視覺應用中。
加入數據管理器
未來,AI Vision Studio將在準備訓練圖像數據時提供進一步支持。運用自動標簽系統,您可以快速將導入的圖像數據和具有ROI的特定內容組織成數據集。這有助于擴展圖像內容數據集,從而可以通過重新訓練不斷改進網絡。
僅需少量樣本數據,同時提高訓練準確率
為所有目標類別均衡提供足夠數據通常很耗時。由于錯誤情況可能以任何形式出現,因此“良好”和“不良”的樣本數量通常存在不平衡。在這種情況下,只需提供較少樣本數據的解決方案非常重要。
因此,除了分類和對象檢測之外,異常檢測也將會在未來給用戶帶來幫助,異常檢測可以識別所有已知和未知的錯誤情況,這些錯誤情況超過了“良好”部分的正常偏差。與其他AI方法相比,這需要的訓練數據相對較少。
換言之,人類需要耗費很長時間學習什么對象看起來是“典型的”,然后才會注意到相應目標,而具有異常檢測功能的AI系統也可以進行識別。
因此,異常檢測是支持質量控制的另一個有用工具,它可以減少手動執行的目視檢查,同時在早期階段檢測和避免生產過程中的錯誤。
如上圖,異常檢測可以找出偏離訓練的“典型”目標外觀的已知和未知(未訓練)偏差。
可解釋的AI
為方便理解,我們還在AI Vision Studio中提供了AI的熱圖可視化功能。為此,在訓練期間使用特殊的網絡模型,它們可以在測試數據集評估期間生成一種熱圖。
其中突出顯示那些最受神經網絡關注的圖像區域,這些區域會影響結果和性能。不正確或代表性不足的訓練圖像也會使AI對不符合要求的特征更加敏感。訓練樣本時誤判的產品標簽也可能影響結果。這種“錯誤”訓練的原因稱為數據偏差。
熱圖有助于減少對基于AI的決策的擔憂,并提高工業環境中對AI的接受度。
如上圖,“熱圖”直觀展示了神經網絡對特定圖像內容的關注,還展示了由訓練圖像中的產品標簽觸發的數據偏差。
概述
虹科不斷開發AI系統,特別關注易操作性和時間效率。這將會快速地拓展AI應用范圍,讓中小企業受益。
在硬件方面,虹科借助NXT智能相機,其高性能可以加快神經網絡的執行速度,可以運用于各種深度學習AI場景。已經成功實施AI vision項目的公司也可以在我們的平臺上分享他們的經驗,這對拓展AI視覺的應用范圍大有裨益。
虹科NXT智能相機
-
智能感知
+關注
關注
2文章
98瀏覽量
17795
發布評論請先 登錄
相關推薦
評論