
Machine-Vision-Software Halcon 19.11 (Bild: MVTec)
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.
(mou)
Sie möchten gerne weiterlesen?
Registrieren Sie sich jetzt kostenlos:
Sie sind bereits registriert?
Hier anmeldenUnternehmen
Aktuellste Beiträge

Fuji verstärkt Marktpräsenz in Österreich
Durch die Zusammenarbeit mit dem österreichischen Elektronik-Systemlieferanten Stepan verstärkt Fuji die Marktpräsenz der eigenen SMT-Bestückungslösungen in Österreich und angrenzenden Ländern.Weiterlesen...

Neuer CFO bei Conrad Electronic
Sebastian Dehnen verstärkt das Team der Conrad Electronic ab September als neuer Chief Financial Officer.Weiterlesen...

STL koordiniert Forschungsprojekt für Monitoring an Frühgeborenen
STL Systemtechnik Leber beteiligt sich gemeinsam mit dem Südklinikum Nürnberg, der Fraunhofer-Gesellschaft München und weiteren Unternehmen an einem Forschungsprojekt mit dem Fokus Veränderungen im Elektrolythaushalt von Frühgeborenen zu erkennen.Weiterlesen...
Diskutieren Sie mit