Identifizierungs-Helfer

Bild 1 | Der Aurora Design Assistant enthält das Objekterkennungs-Tool 
CNNObjectDetect, das mittels Deep Learning die Lokalisierung von Instanzen eines vortrainierten Objekts oder einer Merkmalsklasse ermöglicht.
Bild 1 | Der Aurora Design Assistant enthält das Objekterkennungs-Tool CNNObjectDetect, das mittels Deep Learning die Lokalisierung von Instanzen eines vortrainierten Objekts oder einer Merkmalsklasse ermöglicht.Bild: Rauscher GmbH Bildverarbeitung

Als grafisches Software-Werkzeug für die Erstellung von Bildverarbeitungslösungen hat sich der Matrox Design Assistant schon seit Jahren am Markt etabliert. Nach der Übernahme von Matrox durch Zebra Technologies trägt die weiterentwickelte Release 10.0 bzw. Version 24H1 nun den Namen Aurora Design Assistant und hat eine Reihe an neuen und optimierten Funktionen, die Anwendern die Realisierung von Bildverarbeitungslösungen weiter vereinfachen.

Bild 2 | Das Tool 3D-Box-Finder ist optimiert für die Suche nach quaderförmigen Objekten wie z.B. Schachteln und Verpackungen in einer Punktwolke.
Bild 2 | Das Tool 3D-Box-Finder ist optimiert für die Suche nach quaderförmigen Objekten wie z.B. Schachteln und Verpackungen in einer Punktwolke.Bild: Rauscher GmbH Bildverarbeitung

Objekterkennungstool

So enthält die interaktive Software nun das Objekterkennungs-Tool CNNObjectDetect, das auf Deep Learning-Algorithmen basiert und die Lokalisierung von Instanzen eines vortrainierten Objekts oder einer Merkmalsklasse erleichtert. Das Werkzeug identifiziert die Klasse von Objekten, liefert eine Erkennungsbewertung und erzeugt eine Bounding Box um erkannte Objekte. Der Anwender kann Informationen zu den Merkmalen dieses Begrenzungsrahmens wie die Koordinaten der Ecken, des Zentrums sowie die Höhe und Breite für die weitere Auswertung nutzen. Für die Objekterkennung werden Objekte anhand von nur wenigen Stichproben mit der Anwendung Aurora Imaging CoPilot trainiert und so ein schnelles Zuordnen von Objektmerkmalen möglich.

Verschiedene DL-Modelle

Darüber hinaus umfasst die neue Version zwei weitere Deep Learning-Modelle: Mit Hilfe eines Modells zur Klassifizierung von Bildern lassen sich Bilder identifizieren, Bilder oder Regionen kategorisieren sowie Bilder einer Klasse zuordnen. Vor dem Einsatz dieses Werkzeugs ist das Antrainieren von Beispielbildern der erwarteten Klassen erforderlich. Als drittes Deep Learning-Modell steht eine Bildsegmentierung zum Erkennen von Objektmerkmalen wie beispielsweise Defekten zur Verfügung. Dieses Tool lässt eine Kategorisierung von Bildnachbarschaften zu und markiert unregelmäßige Merkmale in einem Bild. Trainiert wird das Modell mit Stichproben von segmentierten erwarteten Merkmalen.

Seiten: 1 2