Machine-Vision-Software von MVTec liest Code dreimal schneller -

MVTec: So lassen sich etwa durch Anomalieerkennung deep-learning-basierende Inspektionsaufgaben effizienter umsetzen, da für das Training des Deep-Learning-Netzes nur eine Handvoll Bilder von defektfreien Objekten nötig ist. Das Verfahren kann anschließend eigenständig Abweichungen in weiteren Bildern, also Defekte, lokalisieren. Zudem lassen sich dank des generischen Box Finders Schachteln und Kisten beliebiger Größen innerhalb von 3D-Punktwolken erkennen und lokalisieren sowie deren Abmessungen bestimmen, ohne für jede Boxgröße ein Modell zu trainieren. Auch ist das Lesen von ECC-200-Datacodes für Multicore-Systeme bis zu dreimal schneller, besonders wenn der Code schwer zu erkennen ist. Dazu kommt die Fähigkeit, Deep-Learning-Modelle im ONNX-Format (Open Neural Network Exchange) zu importieren und schließlich erweitert ein neues Modell für Line-Scan-Kameras mit telezentrischen Objektiven die Machine-Vision-Software. Für die Vorbereitung von Bilddaten für das Training neuronaler Netze mit der Software stellt das Unternehmen seit kurzem ein eigenes Deep Learning Tool bereit.