簡易斑點偵測器

先進表面檢測技術應用於電池、紙張、薄膜或玻璃產業

- 偵測微弱缺陷與污染物，即使在雜訊影像中亦能實現
- 快速處理以支援線上檢測
- 相容於線掃描與2D相機的影像擷取
- 可選配零件邊緣區域的預對齊功能
- 可選配深度學習缺陷分類技術
- 提供簡易且全面的C++、C#與Python API介面

描述

EasySpotDetector採用局部分割技術，從背景中提取顯著物體。適用於多種材料，如薄膜、塗層表面、鋼材、電池箔、玻璃等。透過特定參數可設定缺陷的外觀與尺寸，以及檢測靈敏度。此分割技術對雜訊具有強健性，無需上下文訓練或校準。

即時處理技術應用於在線表面檢測

憑藉其兩階段處理架構，EasySpotDetector 的運算速度超越其他基於深度學習的物體分割處理方案。在 Intel i7-10850H 處理器的電腦上，EasySpotDetector 每秒可處理高達 200 百萬像素（僅檢測階段）。分類任務雖能透過 GPU 運算提升效能，但憑藉 OpenVINO 技術，其運算流程亦針對 CPU 執行進行了優化。

EasySpotDetector Parameters to control segmentation

控制缺陷分割的參數集

一組明確參數可讓使用者鎖定特定缺陷。可調整缺陷的類型（顆粒、刮痕等）、外觀（較淺、較深或兩者皆有）、尺寸，以及最低對比度（明顯或微弱缺陷）。

簡易且全面的 API

EasySpotDetector 提供單一 API，用於對齊感興趣區域 (ROI)、檢測表面缺陷，以及透過自訂訓練的深度學習分類器進行分類。

EasySpotDetector Custom trained Deep Learning object classifier

客製化訓練的深度學習物件分類器

偵測到的物件可提交至深度學習分類器。該分類器由使用者透過簡易操作的深度學習工作室進行訓練，專為其特定應用場景量身打造。分類器的潛在用途包括：

確認或否定檢測到的候選物件。
評估缺陷的嚴重程度等級。
依據物體外觀特徵將檢測結果劃分為多個類別。

EasySpotDetector Tested on various use cases

經多種使用情境測試

EasySpotDetector 已成功應用於多種表面檢測領域，包括：電池箔片、織物、鋼材、被動電子元件，以及天然材質（例如：皮革、木材）。

EasySpotDetector 示意圖

全新開放式eVision工作室

複雜的影像處理序列可透過圖形介面進行設計。這套工具集展現了Open eVision函式庫的多樣性與功能。對應處理流程的C++、Python及C#原始碼將自動生成，並提供Open eVision API的互動式文件。新版Open eVision Studio可處理即時影像來源，例如GigE Vision相機、Coaxlink影像擷取卡或eGrabber錄影機序列。

本應用程式免費提供，支援 Windows 與 Linux 系統，並相容於 Intel 及 ARM 64 位元架構。

探索我們全新啟用的eVision工作室

此套圖書可單獨購買，亦可作為組合套裝的一部分。

完整套裝

所有 eVision 函式庫的組合包。

通用型
匹配與測量
文字與代碼讀取
3D 處理
深度學習
應用處理

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)