Rozszerzenie Zebra Aurora Deep Learning to oparte na machine learning-u rozwiązanie, które samo uczy się odpowiednio klasyfikować obiekty, na podstawie analizy złych i dobrych próbek. Jedyne co musisz zrobić to dostarczyć 20-50 obrazów, zawierających zarówno złe jak i dobre obiekty. Deep Learning, w zależności od potrzeb, może doskonale uzupełniać się z tradycyjnymi systemami widzenia maszynowego lub też być podstawą całego systemu.

Oprogramowanie Zebra Aurora Deep Learning może pracować w dwóch trybach:

• Supervised mode - w tym trybie użytkownik musi dokładnie oznaczyć piksele odpowiadające defektom na obrazach szkoleniowych, narzędzie uczy się odróżniać dobre i złe obiekty, analizując ich kluczowe cechy;
• Unsupervised mode - tutaj nauka jest prostsza, nie ma potrzeby bezpośredniego wskazywania wad - narzędzie zapamiętuje dobre obrazy, a następnie wykrywa wszelkiego rodzaju odchylenia.

Technologia Deep Learning świetnie sprawdzi się wszędzie tam, gdzie mamy do czynienia z odkształcalnymi lub zmieniającymi położenie obiektami oraz np. jeśli klient nie dostarcza dokładnej specyfikacji, a jedynie przykłady dobrych i złych obiektów.

Najważniejsze cechy

• Szybkość - standardowy czas nauki to 5 minut z wykorzystaniem wydajnego GPU
• Typowe zastosowania wymagają dostarczenia od 20 do 50 przykładowych obrazów
• Standardowy czas realizacji - 200 ms

Zastosowania

• Kontrola powierzchni (zarysowania, pęknięcia)
• Kontrola żywności, drewna
• Tworzywa sztuczne wtryskowe
• Kontrola tkanin
• Obrazowanie medyczne

Wymagania sprzętowe

Zebra Aurora Deep Learning do działania potrzebuje standardowego, przemysłowego PC; dla lepszej wydajności rekomendowane jest użycie nowoczesnego GPU z serii nVidia GeForce lub Tesla.