総合TOP

EasyClassify

　

EasyClassify

EasyClassifyは、ユーザーの用意したターゲット画像に対し、
登録画像と比較し、合格・不合格などの判定を行うことができる
Open eVisionの分類ライブラリです。

画像はトレーニングを行い、判定基準の向上に繋げることができます。

　

主な特長

  • 機械学習および画像分類機能を搭載
  • 欠陥品の検出やクラス分類が可能
  • 少ない画像データにより分類範囲の拡大が可能
  • 無償のDeep Learning Studioアプリケーションにてデータセット作成、トレーニング、評価が可能

主な用途

マーク検査、LED検査、プレゼンス/アブセンス検査、表面検査、アセンブリ検査、ラベル検査、食品検査

  • 仕様
    ライブラリ名

    EasyClassify

    対応OS

    Windows 10 (32, 64 bits)
    Windows 8 (32, 64 bits)
    Windows 7 (32, 64 bits)

    対応開発環境/言語

    Microsoft Visual Studio 2008® SP1 (C++, C#, VB .NET, C++/CLI)
    Microsoft Visual Studio 2010® (C++, C#, VB .NET, C++/CLI)
    Microsoft Visual Studio 2012® (C++, C#, VB .NET, C++/CLI)
    Microsoft Visual Studio 2013® (C++, C#, VB .NET, C++/CLI)
    Microsoft Visual Studio 2015® (C++, C#, VB .NET, C++/CLI)
    Microsoft Visual Studio 2017® (C++, C#, VB .NET, C++/CLI)

  • EasyClassifyのメリット

    ディープラーニングの有効活用

    一般的に、ディープラーニングは精密な測定や計量には不向きです。
    検出漏れ部分をどのように処理するのかが極めて困難とされるためです。

    EasyClassifyは、様々な尺度と位置における複雑な形状を記憶することができ、
    欠陥原因の検出が困難な場合に、従来の画像処理よりも高い性能を発揮します。

    さらに、お手本学習というディープラーニング手法を採用したことにより、
    従来プロセスの開発に必要な時間を短縮することができます。

    トレーニング画像の削減

    ディープラーニングは、ある一連の基準画像の分類方法を指示し、
    トレーニングすることによって学習されます。
    如何に典型的で広域な画像を使用することが、
    効率的な基準構築に関わってきます。

    Deep Learning Bundleは、データ拡充性に優れ、
    既存の基準画像からシフト、回転、拡大縮小などを計算し、
    追加の基準画像を作り出すことが可能です。
    そのため、必要なトレーニング画像をわずか100件に抑えることができます。

    ディープラーニングの処理性能の向上

    ディープラーニングには、特に学習段階において、
    非常に高いプロセッシング能力が必要となります。
    Deep Learning Bundleは、標準的なCPUをサポートしており、
    PC内のNvidia CUDA対応GPUを自動的に検出します。
    従来法と比較し、学習と処理の段階を100倍速めることが期待されます。