- 비지도 학습 모드: "양호한" 이미지만으로 훈련하여 새 이미지에서 이상 및 결함을 탐지하고 분할합니다.
- 지도 학습 모드: 결함 모델을 학습하여 분할 및 탐지 정밀도를 향상시킵니다.
- 모든 이미지 해상도에서 작동합니다.
- 데이터 증강 및 마스크를 지원합니다.
- CPU 및 GPU 처리와 호환됩니다.
- 데이터셋 생성, 훈련 및 평가를 위한 무료 Deep Learning Studio 애플리케이션 포함
- Deep Learning Bundle 구성 요소로 제공
- 비용 효율적인 추론 전용 라이선스도 제공
설명
-
EasySegment는 딥 러닝 번들의 분할 도구입니다. EasySegment는 결함 검출 및 분할을 수행합니다. 결함이 포함된 부품을 식별하고 이미지 내 정확한 위치를 지정합니다.
-
EasySegment의 지도 학습 모드는 이미지의 결함 부위와 "양호한" 부위에 대한 모델을 학습하는 방식으로 작동합니다. 이는 예상되는 분할 정보가 주석 처리된 이미지로 훈련을 수행함으로써 이루어집니다. 이후 이 도구를 사용하여 새로운 이미지의 결함을 탐지하고 분할할 수 있습니다.
-
감독 학습 모드는 예상되는 분할 정보를 활용하므로 비지도 학습 모드보다 더 높은 정밀도를 달성하며, 더 복잡한 결함도 분할할 수 있습니다.
-
EasySegment의 비지도 학습 모드는 "양품"(즉, 결함이 전혀 없는 샘플)이 무엇인지에 대한 모델을 학습하는 방식으로 작동합니다. 이는 양품 샘플 이미지만으로 훈련함으로써 이루어집니다.
-
이후 이 도구를 활용하여 새 이미지를 양품 또는 불량품으로 분류하고 해당 이미지에서 결함을 분할할 수 있습니다. 양품 샘플 이미지로만 훈련함으로써, EasySegment의 비지도 학습 모드는 결함 유형이 사전에 알려지지 않았거나 불량 샘플을 쉽게 확보할 수 없는 상황에서도 검사를 수행할 수 있습니다.
딥 러닝이란 무엇인가?
신경망은 인간의 뇌를 구성하는 생물학적 신경망에서 영감을 받은 계산 시스템이다. 컨볼루션 신경망(CNN)은 심층적인 전방전달 인공 신경망의 한 종류로, 주로 이미지 분석에 적용된다. 딥 러닝은 대규모 CNN을 활용하여 기존 컴퓨터 비전 알고리즘으로는 해결하기 어렵거나 불가능한 복잡한 문제를 해결한다. 딥 러닝 알고리즘은 일반적으로 예시를 통해 학습하므로 사용이 더 쉬울 수 있습니다. 사용자가 부품의 분류나 검사 방법을 직접 파악할 필요가 없습니다. 대신 초기 훈련 단계에서 검사 대상 부품의 다양한 이미지를 보여주기만 하면 학습합니다. 성공적인 훈련 후에는 부품 분류나 결함 탐지 및 분할에 활용할 수 있습니다.
EasySegment은 무엇에 유용한가요?
딥 러닝은 일반적으로 정밀한 측정이나 계측이 필요한 응용 분야에는 적합하지 않습니다. 또한 특정 유형의 오류(예: 거짓 음성)가 완전히 용납될 수 없는 경우에도 권장되지 않습니다. EasySegment의 비지도 학습 모드는 결함 탐지 및 분할 작업에 효과적이며, 특히 결함 샘플을 확보하기 어려운 경우에 유용합니다. 딥 러닝 도구는 일반적으로 복잡한 표면 패턴(예: 목재, 직물 등)을 가진 자연물 또는 제조물의 이미지에 매우 효과적입니다. 이러한 패턴은 기존 머신 비전 알고리즘으로 결함을 탐지하기 매우 어렵게 만듭니다. 또한 딥 러닝의 "예시를 통한 학습" 패러다임은 컴퓨터 비전 프로세스 개발 시간을 단축시킬 수 있습니다.
EasySegment 지도 학습 모드
EasySegment는 딥 러닝 번들의 분할 도구입니다. EasySegment는 결함 검출 및 분할을 수행합니다. 결함이 포함된 부품을 식별하고 이미지 내 정확한 위치를 지정합니다. EasySegment의 지도 학습 모드는 이미지의 결함 부위와 "양호한" 부위에 대한 모델을 학습하는 방식으로 작동합니다. 이는 예상되는 분할 정보가 주석 처리된 이미지로 훈련함으로써 이루어집니다. 이후 이 도구를 사용하여 새로운 이미지의 결함을 검출하고 분할할 수 있습니다. EasySegment의 지도 학습 모드는 예상되는 분할 정보를 활용함으로써 비지도 학습 모드보다 더 높은 정밀도를 달성하고 더 복잡한 결함을 분할할 수 있습니다.
EasySegment 비지도 학습 모드
EasySegment는 딥 러닝 번들의 분할 도구입니다. EasySegment는 결함 검출 및 분할을 수행합니다. 결함이 포함된 부품을 식별하고 이미지 내 정확한 위치를 지정합니다. EasySegment의 비지도 학습 모드는 "양호한" 샘플(즉, 결함이 전혀 없는 샘플)의 모델을 학습하는 방식으로 작동합니다. 이는 "양호한" 샘플 이미지만으로 훈련함으로써 이루어집니다. 이후 이 도구를 활용해 새로운 이미지를 양품 또는 불량품으로 분류하고, 해당 이미지에서 결함을 분할할 수 있습니다. 양품 샘플 이미지만으로 훈련함으로써, EasySegment의 비지도 학습 모드는 결함 유형이 사전에 알려지지 않았거나 불량 샘플을 쉽게 확보할 수 없는 상황에서도 검사가 가능합니다.
비용 효율적인 추론 라이선스
일반적으로 생산 현장에 딥 러닝을 배포할 때는 추론 처리만 필요합니다. 추론은 사전에 훈련된 모델을 활용하여 새로 획득한 이미지를 검사하고 분석하는 과정입니다. 대부분의 경우 훈련은 오프라인 프로세스입니다. 훈련은 Open eVision API를 사용하여 실행할 수 있으며 딥 러닝 번들 라이선스가 필요합니다. 또는 딥 러닝 스튜디오 애플리케이션을 통해 무료로 훈련을 수행할 수도 있습니다. 추론 전용 라이선스는 딥 러닝 번들 라이선스의 대안으로, 고객이 비용 최적화된 딥 러닝 솔루션을 배포할 수 있도록 합니다.
데이터 증강
딥 러닝은 신경망을 훈련시켜 참조 이미지 집합을 분류하는 방법을 가르치는 방식으로 작동합니다. 이 과정의 성능은 참조 이미지 집합의 대표성과 포괄성에 크게 좌우됩니다. 딥 러닝 번들은 "데이터 증강"을 구현하여 프로그래밍 가능한 범위 내에서 기존 참조 이미지를 변형(예: 이동, 회전, 크기 조정)함으로써 추가 참조 이미지를 생성합니다. 이를 통해 딥 러닝 번들은 클래스당 단 100장의 훈련 이미지만으로도 작동할 수 있습니다.
성능
딥 러닝은 일반적으로 상당한 양의 처리 능력이 필요하며, 특히 학습 단계에서 그러합니다. 딥 러닝 번들은 표준 CPU를 지원하며 PC 내 Nvidia CUDA 호환 GPU를 자동으로 감지합니다. 단일 GPU 사용 시 일반적으로 학습 및 처리 단계가 100배 가속화됩니다.
기타 혜택
네오 라이선싱 시스템
네오는 새로운 라이선싱 시스템입니다. 신뢰할 수 있고 최첨단이며, 이제 Open eVision 및 eGrabber 라이선스를 저장할 수 있습니다. 네오를 사용하면 라이선스를 활성화할 위치를 선택할 수 있습니다. 네오 동글에서 활성화하거나 네오 소프트웨어 컨테이너에서 활성화할 수 있습니다. 라이선스를 구매한 후 나중에 결정하면 됩니다.
네오 동글은 견고한 하드웨어를 제공하며 컴퓨터 간 이동이 가능합니다. 네오 소프트웨어 컨테이너는 전용 하드웨어가 필요하지 않으며, 활성화된 컴퓨터에 연결됩니다.
Neo는 자체 전용 Neo 라이선스 관리자를 함께 제공합니다. 이 관리자는 두 가지 형태로 제공됩니다: 직관적이고 사용하기 쉬운 그래픽 사용자 인터페이스(GUI)와 Neo 라이선싱 절차를 쉽게 자동화할 수 있는 명령줄 인터페이스(CLI)입니다.
Windows 및 Linux용 모든 Open eVision 라이브러리
- Microsoft Windows 11, 10 for x86-64 (64비트) 프로세서 아키텍처
- x86_64 시스템용 Microsoft Windows 11, 10 IoT Enterprise
- x86-64(64비트) 및 ARMv8-A(64비트) 프로세서 아키텍처용 Linux (glibc 버전 2.18 이상)
샘플 데이터셋: 직물 결함 검출
"Fabric" 샘플 데이터셋은 EasySegment의 비지도 학습 모드를 활용하여 훈련용 양호한 샘플이 극소수이고 예상되는 결함 유형에 대한 사전 지식 없이도 직물 내 결함을 탐지 및 분할하는 방법을 보여줍니다. 또한 EasySegment의 비지도 학습 모드는 그 결과를 검토하여 지도 학습 모드에 필요한 예상 분할 주석 작업을 지상 진실(ground truth)로 활용함으로써 주석 작업을 용이하게 할 수 있습니다.
샘플 데이터셋: 이물질 탐지 및 분할
"커피" 샘플 데이터셋은 EasySegment의 지도 학습 모드를 활용하여 생산 라인에서 이물질의 색상과 질감이 대상 제품과 매우 유사한 경우에도 이물질을 효율적으로 탐지하고 분할하는 방법을 보여줍니다.
Open eVision Deep Learning Studio
Open eVision에는 무료 Deep Learning Studio 애플리케이션이 포함됩니다. 이 애플리케이션은 데이터셋 생성 및 딥러닝 도구의 훈련과 테스트 과정에서 사용자를 지원합니다. EasySegment의 경우, Deep Learning Studio는 주석 도구를 통합하여 예측 결과를 실제 데이터 주석으로 변환할 수 있습니다. 또한 성능 요구 사항에 맞게 도구를 그래픽으로 구성할 수 있습니다. 예를 들어, 훈련 후 결함 감지율 향상과 정상 감지율 향상 사이의 균형을 선택할 수 있습니다.
Software
- Host PC Operating System
-
Open eVision is a set of 64-bit libraries that require an Intel compatible processor with the SSE4 instruction set or an ARMv8-A compatible processor.
Open eVision can be used on the following 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
Remote connections
Remote connections are allowed using remote desktop, TeamViewer or any other similar software.
Virtual machines
Virtual machines are supported. Microsoft Hyper-V, Oracle VirtualBox and libvirt hypervisors have been successfully tested.
Only the Neo Licensing System is compatible with virtualization.
Minimum requirements:
2 GB RAM to run an Open eVision application
8 GB RAM to compile an Open eVision application
Between 100 MB and 2 GB free hard disk space for libraries, depending on selected options.
- 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
Ordering Information
- Product status
-
Released
- Product code - Description
-
PC4188 Open EasySegment for USB dongle
PC4338 Open eVision EasySegment
PC4193 Open EasySegment Inference for USB dongle
PC4343 Open eVision EasySegment Inference
- Related products
-
PC4182 Open Deep Learning Bundle for USB dongle
PC4332 Open eVision Deep Learning Bundle