Deep Learning for Machine Vision
Adaptive Vision: Deep Learning Add-on

Image

Deep Learning Add-on เป็นเทคโนโลยีที่ก้าวล้ำสำหรับ Machine Vision ประกอบไปด้วยชุดเครื่องมือสำเร็จรูปห้าชุดที่ได้รับการ train ด้วยภาพตัวอย่าง 20-50 ภาพ จากนั้นใช้ในการจะตรวจจับวัตถุ ข้อบกพร่อง หรือคุณสมบัติโดยอัตโนมัติ ภายในจะใช้โครงข่ายประสาทเทียม (Neural Networks) ขนาดใหญ่ที่ออกแบบและปรับให้เหมาะสมโดยทีมวิจัยของ Adaptive Vision เพื่อใช้ในระบบ Vision System ทางอุตสาหกรรม

ทำงานร่วมกับ Adaptive Vision Studio ทำให้สามารถ Train และ Deploy ระบบได้ด้วย Software ตัวเดียว

Why deep learning from Adaptive Vision?

  1. มีระบบ User interface แบบกราฟิกที่ใช้งานง่าย สำหรับการ Train model และการออกแบบใช้งานจริงในงานของคุณ
  2. ไม่มีการตั้งโปรแกรม – แค่โหลดภาพของคุณ เพิ่มป้ายกำกับ แล้วคลิก “Train“
  3. ได้รับการปรับให้เหมาะสมด้วย Engine Inference ของ WEAVER ซึ่งทำงานอย่างรวดเร็วทั้งบน GPU และ CPU
  4. พิเศษสุด : คุณยังสามารถเตรียมข้อมูลการ Train ด้วยเครื่องมือออนไลน์ของ Zillin

จุดเด่นของ Adaptive Vision deep learning

ใช้ภาพสำหรับการ Train น้อย

สำหรับงานทั่วไปต้องการรูปภาพ 20 ถึง 50 รูป สำหรับการ Train ยิ่งมากยิ่งดี แต่ซอฟต์แวร์ของเราจะเรียนรู้ลักษณะสำคัญภายในจากชุดของการ Train ที่จำกัด จากนั้นจึงสร้างตัวอย่างจำลองใหม่อีกหลายพันรายการสำหรับการ Train ที่มีประสิทธิภาพ

สามารถทำงานบน CPU และ GPU

เรามีความจำเป็นต้องใช้ GPU ที่ทันสมัยในการ Train AI สำหรับในการใช้งานในไลน์ผลิตเราสามารถเลือกใช้ได้ทั้ง CPU และ GPU ซึ่งปกติแล้ว GPU จะทำงานเร็วกว่า CPU ประมาณ 3 ถึง 10 เท่า ยกเว้นในกรณีใช้ Object Classification ความเร็วจะใกล้เคียงกัน

ประสิทธิภาพสูงสุด

ใช้เวลาในการ Train ภาพประมาณ 5 ถึง 15 นาที บน GPU ส่วนเวลาในการนำไปใช้งานกับไลน์ผลิตจริงจะใช้เวลาอยู่ประมาณ 5 ถึง 100 ms ต่อภาพ ขึ้นอยู่กับฮาร์ดแวร์และโปรแกรมที่ใช้ในการตรวจสอบ ด้วยประสิทธิภาพของ WEAVER Engine ทำให้เราสามารถรองรับการทำงานในโรงงานอุตสาหกรรมได้

ขั้นตอนการ Training

1. รวบรวมภาพที่ถ่ายหน้างานจริง สิ่งแวดล้อมจริง

  • เก็บภาพระหว่าง 20 ถึง 50 ภาพ (ยิ่งดี) ทั้งดีและไม่ดี แสดงถึงรูปแบบวัตถุที่เป็นไปได้ทั้งหมด บันทึกลงดิสก์
  • ตรวจสอบให้แน่ใจว่าสัดส่วน การวางตำแหน่ง และแสงของวัตถุมีความสอดคล้องกันและสม่ำเสมอมากที่สุด

2. ทำการ Train

  • เปิด Adaptive Vision Studio และ Deep learning add on
  • เปิด Deep learning editor และโหลดภาพสำหรับที่ใช้ในการ Train
  • ทำการ Label กำกับรูปภาพ หรือเพิ่มเครื่องหมายโดยใช้เครื่องมือวาดภาพ (คุณยังสามารถนำเข้าข้อมูลจาก Zillin)
  • คลิก “Train”

ชุดภาพสำหรับ Train และภาพสำหรับการตรวจสอบ

สำหรับ Deep learning เช่นเดียวกับในทุกสาขาวิชาของ Machine learning การปฏิบัติตามวิธีการที่ถูกต้องเป็นสิ่งสำคัญมาก กฎที่สำคัญที่สุดคือชุดภาพสำหรับ Train ออกจากภาพสำหรับการตรวจสอบ ชุดภาพสำหรับ Train คือชุดตัวอย่างที่ใช้สำหรับสร้างแบบจำลอง Model เราไม่สามารถใช้เพื่อวัดประสิทธิภาพของแบบจำลอง model ได้ เนื่องจากสิ่งนี้มักจะสร้างผลลัพธ์ที่ดีเกินไป (overoptimistic) ดังนั้นเราจึงใช้ข้อมูลที่แยกจากกัน ชุดการตรวจสอบ – เพื่อประเมินแบบจำลอง Model Adaptive deep learning add on จะสร้างทั้งสองชุดโดยอัตโนมัติจากตัวอย่างที่ให้มา

3. Execute

  • เรียกใช้โปรแกรมและดูผลลัพธ์
  • ทำซ้ำในข้อที่ 1 หรือ 2 จนกว่าผลลัพธ์จะเป็นที่น่าพอใจ

ทดลองใช้ Adaptive Vision deep learning Add on Free

เพียงแค่ท่านลงทะเบียนใน Form นี้ เราจะดำเนินการ ส่ง Demo License ให้ท่าน Free 30 วัน