inVISION 6 2019
-
Bild 1 | Die Bildverarbeitungssoftware uniVision 2.1 lässt sich, ganz ohne Programmierkenntnisse, sowohl mit Smart Cameras als auch mit Visionsystemen und 2D-/3DProfilsensoren nutzen. (Bild: Wenglor sensoric GmbH)Eine Software für 2D- und 3D-Vision
Nahezu jede(r) Kamera oder Sensor benötigte bisher eine eigene Software bei steigender Funktionalität. Wenglor hat mit uniVision 2.1 jetzt eine parametrierbare Software entwickelt, die mit allen Visionkomponenten kompatibel ist, von…
-
Bild 1 | Semantisches Interface zum flexiblen Greifen durch Objekterkennung (links) und KI-gestützter Greifpunkterkennung (unten rechts) (Bild: GESTALT Robotics GmbH)Künstliche Intelligenz für das Greifen unbekannter Bauteile
Moderne Lösungen für das Robotergreifen umfassen Machine-Learning-Methoden, die auch das sichere Greifen unbekannter Werkstücke mit variablen Geometrien ermöglichen. Dies ermöglicht Robotern, Objekte zu erkennen, zu lokalisieren und schließlich zu greifen.
-
Anzeige
Bild: OptoMedia TechnologyFiber Mini SFF für GigE Vision
OptoMedias ultrakompaktes Mini SFF bringt zuverlässige, schnelle Glasfaserverbindungen in Industriekameras der nächsten Generation.
-
With deep learning we tend to re-use a relatively small handful of algorithms across a wide range of applications and imaging conditions. This has two important consequences. (Image: MVTec Software GmbH)How Deep Learning is Changing Real-World Computer Vision
The rapid expansion of computer-vision-based systems and applications is enabled by many factors, including advances in processors, sensors and development tools. But, arguably, the single most important thing driving the…
-
Bild: ©Tryfonov/Stock.adobe.comJPEG-Operator mit skalierbarer Datenrate für Daten-Streaming
Über eine Reduktion der Bildrohdaten anhand einer JPEG-Komprimierung ist es möglich, die CPU-Prozessorlast zu reduzieren. Ein neuer JPEG-Operator in Visual Applets komprimiert Bilddaten mit variabler Kompressionsrate und hochskalierbarer Datenrate in…
-
Bild: SAC Sirius Advanced Cybernetics GmbHShape-from-Shading mit kompakter Domgeometrie
Das Trevista Flat System reduziert die Beleuchtungs-Domgeometrie beim Shape-from-Shading auf ein ebenes Format. Die Beleuchtungsmuster werden elektronisch erzeugt und bieten bei kompakten Abmessungen maximale Helligkeit.
-
Bild: ©Sataporn/stock.adobe.comZweistufige Zertifizierungen zum EMVA 1288 Experten
Die richtige Anwendung des EMVA 1288 Standard ist ohne entsprechende Kenntnisse nicht möglich. Der EMVA hat sich daher entschlossen, Schulungen anzubieten und diese mit Zertifizierungsprüfungen auf zwei Ebenen zu verknüpfen.
-
Bild: Meilhaus Electronic GmbHMöglichkeiten zur Erweiterung von USB3.0-Kabellängen
Fast jeder Kamerahersteller bietet heute USB3.0-Geräte in seinem Produktportfolio an. Die höhere Bandbreite geht jedoch zu Lasten der Kabellänge, die sich von 5m bei USB2.0 auf ca. 3m für USB3.0…
-
Bild: Gidel Ltd.100Gb/s CXP12 Frame Grabber with Eight 500+MPixels/s Lossless
A new line of frame grabbers doubles the bandwidth of any other grabber on the market. The Proc10A CXP12 and HawkEye CXP12 are based on Arria 10 FPGAs and deliver…
-
Bild: MVTec Software GmbHAnomalien einfach und zielsicher mit wenigen Bildern erkennen
Deep-Learning-Verfahren werden sowohl für die Identifikation von Objekten als auch für die Detektion von Fehlern eingesetzt. Mit der Anomaly Detection in Halcon 19.11 lassen sich nun auch Anomalien lokalisieren, deren…
-
Bild 1 | Bei der Schweißnahtanalyse nehmen Prüfer Röntgenbilder auf und werten diese vor einem Lichtkasten aus. Mittels eines digitalen Prüfassistenten soll die Fehlererkennung bei bildbasierten Prüfungen nun mit Deep Learning automatisiert werden. (Bild: sentin GmbH)Schweißnahtanalyse von Röntgenbildern mittels Deep Learning
Mit Hilfe von KI und Deep Learning ist ein digitaler Prüfassistent zur Bewertung von Röntgenbildern mit Aufnahmen von Schweißnähten entwickelt worden, der eine objektive Bewertung der Daten ermöglicht.
