Rilevatore di punti facili
Ispezione avanzata delle superfici per i settori delle batterie, della carta, delle pellicole o del vetro
- Rilevamento di difetti e contaminazioni lievi, anche in immagini rumorose
- Elaborazione veloce per ispezioni in linea
- Compatibile con l'acquisizione da telecamere lineari e 2D
- Preallineamento opzionale dell'area di interesse sui bordi dei pezzi
- Classificazione opzionale dei difetti tramite Deep Learning
- API C++, C# e Python semplici e complete
Descrizione
Elaborazione in tempo reale per l'ispezione superficiale in linea
Con il suo approccio in due fasi, EasySpotDetector è più veloce rispetto ad altri processi di segmentazione degli oggetti basati sul Deep Learning. EasySpotDetector è in grado di elaborare fino a 200 MPixel al secondo su un computer Intel i7-10850H (solo rilevamento). La classificazione può trarre vantaggio dal funzionamento della GPU, ma è anche ottimizzata per funzionare sulla CPU grazie a OpenVINO.
Insieme di parametri per controllare la segmentazione dei difetti
Una serie di parametri espliciti consente all'utente di individuare difetti specifici. È possibile regolare il tipo (particella, graffio...), l'aspetto (più chiaro, più scuro o entrambi), la dimensione e il contrasto minimo (difetto forte o debole) dei difetti.
API semplice e completa
EasySpotDetector fornisce un'unica API per l'allineamento della regione di interesse (ROI), il rilevamento dei difetti sulle superfici e la classificazione con un classificatore Deep Learning personalizzato.
Classificatore di oggetti con deep learning personalizzato
Gli oggetti rilevati possono essere sottoposti a un classificatore di deep learning. Il classificatore viene addestrato dall'utente, specificamente per la sua particolare applicazione, utilizzando il Deep Learning Studio di facile utilizzo. I possibili utilizzi del classificatore sono:
- Confermare o invalidare i candidati rilevati.
- Valutare il livello di gravità dei difetti.
- Dividere gli oggetti rilevati in diverse classi in base al loro aspetto.
Testato su vari casi d'uso
EasySpotDetector è stato testato con successo su diverse applicazioni di ispezione delle superfici, tra cui: fogli per batterie, tessuti, acciaio, componenti elettronici passivi e materiali naturali, ad esempio pelle e legno.
Illustrazioni EasySpotDetector
New Open eVision Studio
È possibile progettare sequenze complesse di elaborazione delle immagini utilizzando un'interfaccia grafica. La raccolta di strumenti rappresenta la diversità e le capacità delle librerie Open eVision. Il codice sorgente C++, Python e C#, corrispondente alla pipeline di elaborazione, viene generato automaticamente e fornisce una documentazione interattiva dell'API Open eVision. Il New Open eVision Studio è in grado di elaborare sorgenti di immagini live come una telecamera GigE Vision, un frame grabber Coaxlink o sequenze di registrazioni eGrabber.
Questa applicazione è gratuita, funziona su Windows, Linux ed è compatibile con le architetture Intel e ARM a 64 bit.
Software
- Host PC Operating System
-
Supported operating systems:
Microsoft Windows 11, 10 for x86-64 (64-bit) processor architecture
Microsoft Windows 11, 10 IoT Enterprise for x86-64 systems
Linux for x86-64 (64-bit) and ARMv8-A (64-bit) processor architectures with a glibc version greater or equal to 2.18
Minimum requirements:
8 GB RAM
Optional NVidia GPU
- APIs
-
Supported programming languages :
The Open eVision libraries and tools support C++, Python and the programming languages compatible with the .NET (C#, VB.NET)
C++ requirements: A compiler compatible with the C++ 11 standard is required to use Open eVision
Python requirements: Python 3.11 or later is required to use the Python bindings for Open eVision
.NET requirements: .NET framework 4.8 (or later) or the .NET platform 6.0 (or later) are supported
Supported Integrated Development Environments:
Microsoft Visual Studio 2017 (C++, C#, VB .NET, C++/CLI)
Microsoft Visual Studio 2019 (C++, C#, VB .NET, C++/CLI)
Microsoft Visual Studio 2022 (C++, C#, VB .NET, C++/CLI)
QtCreator 4.15 with Qt 5.12
- Input
-
Image source:
Any 8-bit grey scale image, no size limit
Region of interest:
Explicit or automatic selection of the region of interest (an oriented rectangle is fitted to the part’s edges)
- Output
-
A list of detected spots with their type (particle or scratch), position and size, strength, and pixel level segmentation map
Optionally, if a deep learning classifier is loaded, a class and a probability is set for each spot. The deep learning classifier is a trained EasyClassify tool.
Display functions are provided to draw the spot bounding boxes and segmented pixel
- Performance
-
Processing speed on single core Intel i7-10850H:
Particle detection only: 200 MPixels/s
Particle and scratch: 60 MPixels/s
- Requirements
-
Minimum defect size:
2x2 pixels
No maximum defect size
Ordering Information
- Product status
-
Released
- Product code - Description
-
PC4190 Open EasySpotDetector for USB dongle
PC4340 Open eVision EasySpotDetector
- Related products
-
PC6512 eVision/Open eVision USB Dongle (empty)
PC6514 Neo USB Dongle (empty)