Pacchetto Deep Learning

Le reti neurali sono sistemi informatici ispirati alle reti neurali biologiche che costituiscono il cervello umano. Le reti neurali convoluzionali (CNN) sono una classe di reti neurali artificiali profonde e feed-forward, applicate più comunemente all'analisi delle immagini. Il deep learning utilizza grandi CNN per risolvere problemi complessi difficili o impossibili da risolvere con i cosiddetti algoritmi di visione artificiale convenzionali. Gli algoritmi di deep learning possono essere più facili da usare in quanto tipicamente apprendono dall'esempio. Non richiedono all'utente di capire come classificare o effettuare l'ispezione delle parti. Al contrario, in una fase iniziale di addestramento, apprendono semplicemente guardando molte immagini delle parti da ispezionare. Dopo un addestramento riuscito, possono essere utilizzati per classificare le parti o rilevare e segmentare i difetti.

Open eVision include l'applicazione gratuita Deep Learning Studio. Questa applicazione assiste l'utente durante la creazione del set di dati, nonché durante l'addestramento e il collaudo dello strumento di deep learning. Per EasySegment, Deep Learning Studio integra uno strumento di annotazione e può trasformare la previsione in annotazione ground truth. Consente inoltre di configurare graficamente lo strumento per adattarlo ai requisiti di prestazione. Ad esempio, dopo l'addestramento, è possibile scegliere un compromesso tra un tasso di rilevamento dei difetti migliore o un tasso di rilevamento dei prodotti buoni migliore.

Il Deep Learning richiede generalmente una notevole potenza di elaborazione, specialmente durante la fase di apprendimento. Deep Learning Bundle supporta le CPU standard e rileva automaticamente le GPU compatibili con Nvidia CUDA presenti nel PC. L'utilizzo di una singola GPU accelera in genere le fasi di apprendimento ed elaborazione di un fattore 100.