FabImage^® Studio Professional

Software per tecnici della visione artificiale

Opto Engineering® CATALOGO

Panoramica

Tipi di licenza

Esempi di applicazione

Strumenti

Funzionalità

Info

Deep learning

Downloads

Multimedia

User Area

Documentation

FabImage^® Studio Professional è un software basato sul flusso di dati progettato per gli ingegneri della visione artificiale. Non richiede alcuna abilità di programmazione, ma è così potente che può vincere anche con soluzioni basate su librerie di programmazione di basso livello.

Inoltre, l'architettura è altamente flessibile, garantendo che gli utenti possano facilmente adattare il prodotto al modo in cui lavorano e ai requisiti specifici di qualsiasi progetto.

VANTAGGI CHIAVE

Nessuna conoscenza di programmazione richiesta.
Software basato sul flusso di dati.
Algoritmi rapidi e ottimizzati.
Oltre 1000 funzioni ad alta prestazione.
Filtri di visione artificiale customizzati.

Documenti tecnici

Software FabImage^®

Brochure FabImage^®

Application examples

Links

FabImage^® user area

WWW

Introduzione

Il Deep Learning Add-on di FabImage è una tecnologia rivoluzionaria per la visione artificiale. Si tratta di un set di cinque strumenti pronti all’uso che vengono addestrati con 20-50 immagini campione per rilevare poi automaticamente oggetti, difetti o caratteristiche. Internamente utilizza vaste reti neurali progettate e ottimizzate per l'utilizzo in sistemi di visione industriale.

Insieme a FabImage Studio Professional, Deep Learning Add-on fornisce una soluzione completa per le moderne applicazioni di visione artificiale!

Documentazione

Vantaggi chiave

Set di training

Impara da pochi campioni

Le applicazioni tipiche con FabImage Deep Learning Add-on richiedono da 20 a 50 immagini per la fase di training. Il nostro software apprende internamente le caratteristiche chiave da un set di training limitato e genera quindi migliaia di nuovi sample artificiali per un training efficace.

Requisiti Hardware

Funziona su GPU e CPU

Per un training efficace nella fase di sviluppo è necessaria una GPU moderna. In macchina (runtime), si può utilizzare GPU o CPU. La GPU sarà tipicamente 3-10 volte più veloce (ad eccezione della classificazione degli oggetti che è altrettanto veloce sulla CPU).

Velocità

Le migliori performance

La durata tipica del training su una GPU è di 5-15 minuti. Il tempo di inferenza varia a seconda dello strumento e dell'hardware tra 5 e 100 ms per immagine. Le massime prestazioni sono garantite da un motore di inferenza sviluppato appositamente per l’uso su applicazioni industriali.

Procedura di Training

1. Raccolta e normalizzazione delle immagini

Acquisire tra le 20 e le 50 immagini (più sono meglio è), di campioni buoni e di scarti, che rappresentano tutte le possibili variazioni dell'oggetto; salvarle su disco.
Assicurarsi che la scala dell'oggetto, l'orientamento e l'illuminazione siano il più possibile coerenti.

Training

Aprire FabImage Studio Professional e aggiungere uno dei moduli del Deep Learning Add-on.
Aprire l’editor associato allo strumento e caricare le immagini di training.
Etichettare le immagini o evidenziare i difetti utilizzando gli strumenti di disegno.
Fare clic su "Train"

Set di addestramento e set di validazione

Nel deep learning, come in tutti i campi del machine learning, è molto importante seguire la metodologia corretta. La regola più importante è separare il set di addestramento dal set di convalida. Il set di addestramento è un insieme di campioni utilizzati per la creazione di un modello. Non possiamo usarlo per misurare le prestazioni del modello, poiché spesso genera risultati troppo ottimistici. Pertanto, utilizziamo dati separati - il set di convalida - per valutare il modello. Il nostro Deep Learning Add-on crea automaticamente entrambi i set dagli esempi forniti dall'utente.

Controllo

Eseguire il programma e verificare i risultati
Ripetere al punto 1 o 2 finché i risultati non sono completamente soddisfacenti

Rilevazione di caratteristiche

Nella modalità supervisionata, l'utente deve evidenziare i pixel corrispondenti ai difetti sulle immagini di training. Lo strumento impara quindi a distinguere gli scarti cercandone le caratteristiche identificative.

Ispezione di pannelli fotovoltaici

In questa applicazione, crepe e graffi devono essere rilevati su una superficie che include caratteristiche complesse. Con i metodi tradizionali, questo richiede algoritmi complicati con decine di parametri che devono essere modificati per ogni tipo di pannello. Con il Deep Learning Add-on è sufficiente addestrare il sistema in modalità supervisionata, utilizzando un unico strumento.

Segmentazione dell'immagine satellitare

Le immagini satellitari sono difficili da analizzare poiché includono un'enorme varietà di caratteristiche. Tuttavia, il Deep Learning Add-on può essere addestrato per rilevare strade ed edifici con un'affidabilità molto elevata. Il training può essere eseguito utilizzando una sola immagine correttamente etichettata e i risultati possono essere verificati immediatamente. L’aggiunta di più campioni è utile ad aumentare la robustezza del modello.

Rilevazione di anomalie

Nella modalità senza supervisione il training è più semplice. Non esiste una definizione diretta di difetto: lo strumento viene addestrato a cercare deviazioni, di qualsiasi tipo, rispetto a campioni che vorremmo.

Verifica del packaging

In una confezione alimentare, ciascuno degli elementi deve essere posizionato correttamente. I difetti sono difficili da identificare quando gli oggetti sono corretti ma si trovano in una posizione sbagliata. In questo caso devono comunque essere classificati come errati. La soluzione è utilizzare un deep learning senza supervisione che rileva eventuali variazioni significative rispetto a ciò che lo strumento ha visto e appreso nella fase di formazione.

Materie plastiche, stampaggio a iniezione

Lo stampaggio a iniezione è un processo complesso con diversi, possibili, problemi di produzione. Gli oggetti in plastica possono anche includere piegature o altre deviazioni di forma accettabili per il cliente. Il nostro componente aggiuntivo Deep Learning può apprendere tutte le deviazioni accettabili dai campioni forniti e quindi rilevare anomalie di qualsiasi tipo durante l'esecuzione sulla linea di produzione.

Classificazione di oggetti

Lo strumento di classificazione degli oggetti divide le immagini di input in gruppi creati dall'utente in base alle loro caratteristiche specifiche. Di conseguenza vengono forniti il nome di una classe il livello di confidenza di ogni classificazione.

Posizionamento tappi (anteriore/posteriore)

Talvolta i tappi di plastica possono capovolgersi accidentalmente nella macchina di produzione. Il cliente desidera evitare questa situazione. L'attività può essere completata con metodi tradizionali, ma richiede un esperto per progettare un algoritmo specifico per questa applicazione. E’ invece possibile usare la classificazione basata sul Deep Learning che impara automaticamente a riconoscere il fronte e il retro da una serie di immagini di training.

Identificazione 3D di cerchi in lega

Potrebbero esserci centinaia di diversi tipi di cerchi in lega prodotti in un singolo stabilimento: l'identificazione di un particolare modello, rispetto a tali quantità, è impossibile con i metodi tradizionali. Un approccio Template Matching richiederebbe un'enorme quantità di tempo per cercare di abbinare centinaia di modelli, mentre la realizzazione manuale di modelli su misura richiederebbe uno sviluppo e una manutenzione eccessivi. Il deep learning si presenta come una soluzione ideale che apprende direttamente dalle immagini di esempio senza alcun sviluppo ad hoc.

Segmentazione in classi

La tecnica di segmentazione dell’istanza viene utilizzata per individuare, segmentare e classificare oggetti singoli o multipli all'interno di un'immagine. A differenza dello strumento di rilevazione di caratteristiche, questa tecnica rileva oggetti singoli e può essere in grado di separarli anche se si toccano o si sovrappongono.

Segmentazione di frutta secca

Poiché la composizione percentuale di frutta secca in una confezione deve essere conforme all'elenco degli ingredienti riportati in etichetta, il produttore deve verificare che venga imballata la giusta quantità di frutta secca per ciascun tipo. Lo strumento di segmentazione delle istanze è una soluzione ideale in tale applicazione, poiché restituisce maschere corrispondenti agli oggetti segmentati.

Verifica del packaging

Nell’esempio di verdure preconfezionate, la posizione degli ortaggi è casuale. I lavoratori della linea di produzione possono a volte dimenticarsi, accidentalmente, di mettere una delle verdure all’interno della confezione. Sebbene esista un sistema che pesa il pacchetto, è preferibile verificare la completezza del prodotto prima del processo di confezionamento. Poiché non esistono due ortaggi uguali, la soluzione è utilizzare la segmentazione basata sul deep learning. Nella fase di training, l’utente deve semplicemente contrassegnare le regioni corrispondenti alle verdure.

Tracciamento di punti

Lo strumento di tracciamento di punti cerca forme, caratteristiche o segni specifici che possono essere identificati come punti in un'immagine di input. Può essere paragonato al tradizionale template matching, ma qui lo strumento viene addestrato con più campioni e diventa robusto contro l'enorme variabilità degli oggetti di interesse.

Tracciamento api

Questo compito, impossibile da realizzare con i metodi tradizionali di elaborazione delle immagini, può essere svolto con il nostro ultimo strumento. Al termine dell’identificazione, possiamo verificare se sono stati infettati dalla varrosi, malattia causata dagli acari parassiti che attaccano le api mellifere. Il parassita si attacca al corpo degli insetti e sulla base di una caratteristica infiammazione rossa possiamo classificarle in base alle loro condizioni di salute. Questo esempio mostra che lo strumento si estende facilmente a molti diversi rami dell'industria, ad es. agricoltura.

Pick and Place

In queste applicazioni abbiamo bisogno di guidare un braccio robotico per prelevare gli articoli, tipicamente da un nastro trasportatore o da un contenitore. Un buon esempio di tale applicazione è raccogliere piccole talee di stelo per poi metterle verticalmente in vasi. Eventuali imprecisioni nel rilevamento potranno comportare un invaso troppo profondo o capovolto: le talee non formeranno radici. I nostri strumenti di deep learning consentono di individuare rapidamente le parti desiderate della pianta e fornire i risultati accurati, richiesti, per questa operazione.

Tipi di licenze

Esistono due tipi di licenze commerciali:

Sviluppatore

assegnata a un solo tecnico. Include un anno di supporto tecnico, che può essere esteso con una spesa annua. Il supporto tecnico valido offre anche il diritto di aggiornare il software alle versioni più recenti e la possibilità di sconti sulle licenze Runtime.

Prodotto

Tipo

P/N

FabImage^® Studio Professional

Sviluppatore

FIS-PRO

la licenza, assegnata a un singolo utente, include 1 anno di supporto tecnico
include 1 anno di supporto tecnico
consegnato su dongle usb

Soluzione completa FabImage^® Studio + Library

Sviluppatore

FIS-ADD

Licenza per utenti che hanno bisogno sia di FabImage^® Studio Professional che di FabImage^® Library Suite; include la generazione di codice C++ dai programmi in FabImage^® Studio Professional
include 1 anno di supporto tecnico
consegnato su dongle usb

Runtime

assegnato a un solo sistema di visione. È possibile utilizzare una licenza per un sistema a telecamere multiple, ma per il controllo di diversi sistemi indipendenti sono necessarie più licenze, anche se avviate da un unico computer fisico.

Prodotto

Tipo

P/N

FabImage^® Studio Runtime

Runtime

FIS-RUN

può essere utilizzato per controllare fino ad un sistema di visione
il prezzo per integratori / oem: richiede una licenza (svil.) Professional con supporto tecnico valido

Dotato di Licenza per sviluppo e supporto tecnico valido

FabImage^® Studio Runtime

Runtime

FIS-RTB

può essere utilizzato per controllare un massimo di un sistema di visione

Dotato di Licenza per sviluppo e supporto tecnico scaduto

Prodotti aggiuntivi

Tipo

P/N

Componente aggiuntivo Multithreading

Sviluppatore

FI-PAR

si applica alle licenze per sviluppatore. Permette all’utente di eseguire diversi macrofiltri (compiti di lavoro) in parallelo. I progetti multithread richiedono licenze runtime speciali.

Estensione del supporto di 1 anno

Sviluppatore

FIS-EXT, ADD-EXT

si applica a tutti i tipi di licenze per sviluppatore estende i diritti di licenza per sviluppatore per un altro anno

Dotato di Licenza per sviluppo e supporto tecnico valido

Dongle USB con Licenza

USB-DONGLE-FI / USB-DONGLE-RUN

Alternativa ad un licensing legato all'ID del computer che permette l’uso del software su più computer e può essere utilizzato sia per le licenze per sviluppatori che licenze runtime

Dongle USB per licenze FabImage^® per sviluppatori / Dongle USB per licenze FabImage^® Runtime

Guida rapida ai part number FabImage^®:

FabImage^® Studio Professional (FIS-PRO) permette di creare applicazioni di visione artificiale complete, incluse le HMI. FabImage^® Studio Runtime (FIS-RUN/FIS-RTB) è necessario per eseguire le applicazioni su ogni sistema di ispezione.
FabImage^® Studio Professional (FIS-PRO) include la funzione Filtri Utente, che permette di incorporare nel modello di programmazione grafica il codice C++ dell’utente. FabImage^® Library Suite, FIL-SUI (o il bundle Studio + Library, FIS-ADD) è richiesto solo se si necessita di richiamare gli strumenti integrati di analisi delle immagini come funzioni C++.
Se si desidera realizzare prototipi di applicazioni in FabImage^® Studio Professional (FIS-PRO) e trasformarle successivamente in codice C++, allora è necessario il bundle FabImage^® Studio + Library (FIS-ADD)
Qualora l’ambiente di programmazione grafica per la prototipazione veloce non fosse necessario, in tal caso FabImage^® Library Suite (FIL-SUI) è sufficiente per lo sviluppo.
In generale, sono disponibili quattro modalità per lavorare con i prodotti:

Programmazione in forma grafica - questo richiede una licenza FabImage^® Studio Professional (FIS-PRO) per ogni sviluppatore e una licenza FabImage^® Studio Runtime (FIS-PRO/FIS-RTB) per ogni sistema. Un vantaggio particolare offerto da questo metodo è la facilità di introdurre modifiche, anche direttamente sulla linea di produzione
Programmazione in forma grafica e successiva generazione di codice C++ - questo richiede una licenza FabImage^® Studio + Library bundle (FIS-ADD) per ogni sviluppatore e una licenza FabImage^® Library Runtime (FIL-RUN/FIL-RTB) per ogni sistema. Questo metodo permette di integrare le soluzioni create con progetti software più grandi.
Programmazione in forma grafica e successiva generazione di interfacce Macrofilter .NET - questo richiede una licenza FabImage^® Studio Professional (FIS-PRO) per ogni sviluppatore e una licenza FabImage^® Studio Runtime (FIS-RUN/FIS-RTB) per ogni sistema. Non è necessaria alcuna licenza specifica per le librerie, poiché .NET Macrofilter Interfaces utilizza gli stessi meccanismi di esecuzione dei programmi di Studio.
Programmazione diretta in C++ o .NET - questo è per chi pensa in C++ o C# e non vuole ricorrere alla programmazione in forma grafica. In questo caso è necessaria una licenza FabImage^® Library Suite (FIL-SUI) per ogni sviluppatore e una licenza FabImage^® Library Runtime (FIL-RUN/FIL-RTB) per ogni sistema.

In questa applicazione, dobbiamo ordinare i chiodi tra dadi e bulloni. L'immagine è soggetta a soglia e le aree risultanti vengono suddivise in BLOB; infine, le macchie sono classificate in base al loro allungamento e le unghie sono facilmente reperibili.

Questo esempio mostra un filtro ReadBarcodes di base. Lo strumento trova automaticamente il codice a barre e fornisce come output il testo decodificato.

There are over 1000 filters encompassing both basic transforms and specialized machine vision tools.

Image processing
Shape fitting
Barcode reading
Template Matching
Support vector machines
Blob analysis
Camera calibration
Data code reading
Measurements
GigE Vision and GenTL
Contour analysis
Fourier analysis
Corner detection
Histogram analysis
Planar geometry
Hough transform
1D profile analysis
OCR

Intuitivo

Drag & Drop

L’intera programmazione viene effettuata selezionando i filtri e collegandoli tra di loro. È possibile concentrarsi sulla visione artificiale.

Si può vedere tutto

I risultati dei controlli vengono visualizzati sotto forma di anteprime multiple di dati configurabili e, quando un parametro del programma viene modificato, è possibile visualizzare le anteprime aggiornate in tempo reale.

Designer di HMI

Permette di creare facilmente interfacce utente grafiche personalizzate e di realizzare l’intera applicazione di visione artificiale utilizzando un unico pacchetto software.

Potente

Oltre 1000 filtri pronti all’uso

Sono disponibili oltre 1000 filtri macchina pronti all’uso, testati e ottimizzati su centinaia di applicazioni. Sono dotati di una serie di funzioni avanzate, come l’eliminazione degli outlier, la precisione dei subpixel o ROI di qualsiasi forma.

Accelerazione hardware

I filtri sono fortemente ottimizzati per la tecnologia SSE e per i processori multicore. Le nostre implementazioni sono tra le più rapide al mondo!

Cicli e condizioni

È possibile creare flussi di programmi personalizzati e in scala senza scrivere una sola linea di codice. I cicli, le condizioni e i sottoprogrammi (macrofiltri) sono realizzati graficamente con apposite strutture di flussi di dati.

Adattabile

GigE Vision e GenTL Support

FabImage^® Studio è un prodotto conforme GigE Vision, in grado di supportare l’interfaccia GenTL e una vasta serie di API specifiche dei venditori. Questo permette di utilizzare le telecamere Opto Engineering® e la maggior parte delle telecamere disponibili sul mercato, inclusi i modelli di Matrix Vision, Allied Vision, Basler, Baumer, Dalsa, PointGrey, Photon Focus, XIMEA e molti altri.

Filtri utente

È possibile utilizzare i filtri utente per integrare il proprio codice C/C++ con i vantaggi della programmazione visiva.

Generatore di codici C++

È possibile esportare i programmi creati in FabImage^® Studio in codice C++ o in gruppi .NET. Questo semplifica l’integrazione degli algoritmi di visione con applicazioni create in un linguaggio di programmazione C++, C# o VB.

Altri video (in inglese)

The easiest and fastest development tool for your machine vision applications

Altri video sono disponibili sul nostro canale Vimeo

Immagini prodotto

Profilo & Risorse

Tecnologie ottiche per sistemi di visione OE per il futuro Chi siamo Una storia di innovazione Impegno costante per la qualità Joint ventures Dove siamo Informazioni legali Riconoscimenti Video aziendali Modelli 2D e 3D Raccolta immagini Raccolta video Gamma prodotti OE per applicazione Note di applicazione Informazioni di base Domande frequenti Rassegna Stampa Lavora con noi

Fiscal code and registration number at Mantova Business Register 02011230204, Nr. REA: MN-216669, Share Capital: 200.000,00 €
Design & development by Opto Engineering® → SEO and consulting by Dipiemme Studio

VANTAGGI CHIAVE