Teledyne DALSA AI影像辨識軟體 Astrocyte

傳統檢測法檢不出的瑕疵？交給Astrocyte就對了

Teledyne DALSA 的 Astrocyte 讓使用者能夠利用自有的產品、樣本和缺陷影像來訓練神經網絡，執行各種任務，如異常檢測、分類、物體偵測和分割。Astrocyte 擁有高度靈活的圖形使用者介面，允許用戶可視化和解釋模型的性能/準確度，以及將這些模型導出為可以在 Teledyne DALSA Sapera 和 Sherlock 視覺軟體平台中運行的檔案。

Traditional Tools                                                           Astrocyte

✗ 混淆水滴和表面損傷                                                ✓ 辨識瑕疵時能忽略水滴
✗ 無法處理陰影和透視的變化                                    ✓ 對表面處理和透視的變化具有良好的穩健性
✗ 無法辨識細微的表面損傷                                        ✓ 能夠檢測各種缺陷

無須高深的AI專業技能、或者代碼知識

• 不瞭解任何AI參數，也能成功訓練模型
• 只需選擇三種調整深度選項中的一種（低、中、高），即可輕鬆獲得優化的 AI 模型
• 圖形用戶界面，用於快速的機器視覺開發
• 快速訓練 AI 模型（良好數據下少於 10 分鐘）

節省標記影像及訓練的大把時間

• 持續學習允許在工廠車間更新分類模型，而無需重新訓練。這樣可以節省數小時更新模型的時間。
• 自動標註（通過 SSOD 或預訓練模型）生成邊界框和標籤
• 導入現有的標籤集（.txt、PASCAL VOC、MS COCO、KITTI）
• 使用不同形狀的分割標註（多邊形、矩形、圓形、環形工具）
• 通過預訓練的 AI 模型減少訓練工作量（所需樣本更少）

獨家特色

• 圖形用戶界面，用於快速機器視覺應用開發。
• 自動調整訓練超參數，以便非 AI 專家最大限度地簡化使用（也提供專家手動模式）。
• 通過預訓練模型或半監督訓練自動生成註釋。
• 通過多種形狀的 ROI 標記遮蔽檢查中要排除的區域。
• 高效能推理引擎，實現 GPU 或 CPU 上的最佳運行速度。
• 在多個 GPU 上進行訓練，以縮短訓練時間。
• 在分類中進行持續學習（即終身學習），以便在運行時進一步學習。
• 斜角物體檢測（即旋轉邊界框）。
• 通過平鋪機制定位高解析度圖像中的小缺陷。
• 與 Sapera Processing 和 Sherlock 視覺軟件輕鬆集成，以實現運行時推理。
• 通過熱圖、損失函數曲線和混淆矩陣等視覺工具評估 AI 模型。
• 完全的圖像數據隱私——在本地 PC 上訓練和部署 AI 模型。

能夠整合Teledyne其他產品

• 利用 Teledyne 的 Sherlock 或 Sapera Processing，結合基於規則的算法和 AI 模型，獲得完整的解決方案。
• 能夠透過Teledyne或其他第三方相機獲取實時影像。
• 與 Sapera Processing 和 Sherlock 的集成
  1. Sapera Processing 和 Sherlock 都包含一個推理工具，用於支持的每個模型架構。
  2. 模型文件被導入推理工具後，即可準備在實時視頻流上執行。
  3. 推理工具可以與其他圖像處理工具結合使用，如斑點分析、圖案匹配、條碼閱讀等。
  4. 與 Sapera LT 或 Spinnaker 結合使用，從 Teledyne DALSA 相機和影像擷取設備中獲取圖像。
  5. 提供帶有源代碼的示例。

Astrocyte GUI

生成圖像樣本

• 連接相機（Teledyne 或第三方）或影像擷取設備，以獲取實時視頻
• 在獲取實時視頻流的同時保存圖像（通過點擊手動保存或自動保存）

導入圖像樣本

• 基於文件夾結構、前綴/後綴和正則表達式進行文件選擇
• 圖像文件格式：PNG、JPG、BMP、GIF 和 TIFF
• 圖像像素格式：8-16 位單色，24 位和 32 位 RGB
• 自動（隨機）或手動將圖像分配到訓練和驗證數據集
• 可調整的圖像大小以優化內存使用
• 通過可視化編輯工具創建遮罩，標記要排除的圖像部分

導入/創建註釋

• 使用內建的可視化編輯工具手動創建註釋：矩形、圓形、多邊形、畫筆等
• 使用預構建模型自動創建註釋
• 使用半監督物體檢測（SSOD）對部分註釋數據集自動創建註釋
• 從用戶自定義文本文件中導入註釋，並使用可自定義的解析方案
• 從常見的數據庫格式（如 Pascal VOC、MS COCO 和 KITTI）導入註釋

可視化/編輯/處理數據集

• 圖像顯示與縮放
• 註釋作為疊加圖形顯示在圖像上
• 註釋的選擇、刪除和編輯
• 對單個樣本手動編輯註釋
• 合併兩個數據集
• 將數據集導出到文件

Astrocyte訓練模型

在系統 GPU 上進行訓練（最低要求如下）：

• 選擇設備（當有多個設備可用時）
• 選擇深度學習模型以獲得最佳準確度
• 選擇預處理級別：原始、縮放或平鋪
• 支持矩形輸入圖像（保持縱橫比）
• 可訪問超參數，如學習率、訓練輪數、批量大小等，便於自定義訓練執行
• 超參數預設為常用的默認值
• 可用圖像增強，通過旋轉、扭曲、光照、縮放等轉換來人工增加訓練樣本數量
• 支持取消和恢復訓練會話
• 進度條顯示訓練時間估算
• 進度圖顯示每次迭代（輪數）的準確率和訓練損失
• 自動或手動設置超參數
  

輕鬆驗證模型，保持效度

• 模型訓練的統計數據。
• 模型性能的指標：準確率、召回率、平均精度均值（mAP）、交并比（IoU）。
• 模型測試界面，用於對訓練集、驗證集、整體或用戶定義數據集進行模型驗證，並可重新隨機排列樣本。
• 顯示混淆矩陣（顯示預測與真實結果交集的圖表）。可交互選擇單個圖像。
• 顯示熱圖，用於可視化分類中的熱區域。
• 在 Astrocyte 中對樣本圖像進行推理測試。

隨時隨地輕鬆匯出模型

• 專有模型格式兼容 Sapera Processing 和 Sherlock†。
• 模型包含執行推理所需的所有信息：模型架構、訓練權重、圖像大小和格式等元數據。
• 多模型管理。模型存儲在 Astrocyte 的內部存儲中。
• 模型可以通過 Sapera Processing 或 Sherlock† 導入到用戶應用中。

影像辨識,影像辨識軟體,image processing,image processing software,2D software,image software,ai,AI人工智能,AI,人工智慧,AI人工智慧,AI軟體,AI software,deep learning,深度學習,深度學習軟體,AI深度學習,連續學習,continual learning,AI連續學習,2D影像,2D影像軟體,AI模型,AI訓練,AI training,DALSA AI,DALSA Astrocyte,Astrocyte,AI 軟體,影像分類,AI classification,object detection,物件偵測,物件 偵測,影像分割,segmentation,AI 連續學習,AI模型 訓練,AI 訓練,AI模型 修改,AI 模型 修改,Astrocyte AI,降低 雜訊,Sapera Processing,圖形式開發,hyper parameter,hyper parameters,超參數,heatmap,預先訓練,模型 預先訓練,Linux,影像 分類,檢測識別,字元識別,存在檢測,食物分類,Resnet-18,Resnet-50,Resnet-101,異常檢測,異常 檢測,anomaly detection,物件 追蹤,定位,物件定位 分類,物件分類,物件 分類,物件跟蹤,物件追蹤,缺陷定位,缺陷 定位,缺陷 分類,缺陷分類,SSD300,SSD512,SSDLite,圖像分析,影像分析,影像 分析,圖像 分析,缺陷分揀,缺陷 分揀,缺陷鑑定,缺陷 鑑定,食品 分揀,食品分揀,形狀分析,形狀 分析,DeepLabV3-Resnet-50,DeepLabV3-Resnet-101,Unet,單張影像 訓練,Tiling,平鋪功能,大尺寸影像,影像標記,缺陷標記,缺陷 標記,影像 標記,影像切割,AI神經網絡,AI 神經網絡,半監督式標記,半監督式 標記,少量標記,瑕疵檢測,瑕疵 檢測,熱圖影像,Pascal VOC,MS Coco,continual classification,即時學習,資源回收,瓶身檢查,塑料瓶檢查,塑膠瓶檢查,飲料瓶檢查,材料分類,材料 分類,醫學檢測,X光影像 檢測,螺紋 檢查,螺絲 檢查,螺紋 缺陷,木結,木結 檢測,木結 定位,木結 識別,金屬 表面 檢查,金屬 刮痕,金屬 指紋,斑塊,斑塊 工具,木頭節點,木頭節點 檢測