Direkt zum Inhalt
Automation 31. Oktober 2019

Kamera für die Qualitätssicherung mit Deep Learning

Flir hat mit der Firefly DL die erste Deep Learning interferenzfähige maschinelle Bildverarbeitungskamera auf den Markt gebracht.
Die Firefly DL Kamera mit Deep Learning ermöglicht es den Herstellern von Originalgeräten, Ingenieuren und Entwicklern, schnelle Lösungen für anspruchsvolle Automatisierungsaufgaben zu entwickeln.
Die Firefly DL Kamera mit Deep Learning ermöglicht es den Herstellern von Originalgeräten, Ingenieuren und Entwicklern, schnelle Lösungen für anspruchsvolle Automatisierungsaufgaben zu entwickeln.

Flir hat mit der Firefly DL die erste Deep Learning interferenzfähige maschinelle Bildverarbeitungskamera auf den Markt gebracht.

Aufgrund ihrer kleinen Größe (27 x 27 x 14,5 mm), dem geringen Gewicht (20 g), dem niedrigen Stromverbrauch und der hohen Lernfähigkeit ist die Firefly DL Kamera mit Deep Learning besonders zum Einbau in Smartphones, Desktops und in tragbare Systeme geeignet. Sie ermöglicht es den Herstellern von Originalgeräten, Ingenieuren und Entwicklern, schnelle Lösungen für anspruchsvolle Automatisierungsaufgaben zu entwickeln und einzuführen. Zudem senken Systemhersteller Kosten und Arbeitsaufwand ihrer Tätigkeit, indem sie ein geschultes neuronales Netzwerk direkt in der Kamera installieren. Somit wird kein Hostsystem mehr benötigt wird, das die Aufgaben der Klassifizierung und der Objekterkennung sowie der Ortsbestimmung erfüllt.

Deep Learning für komplexe Bildverarbeitungsaufgaben

Die Firefly DL kombiniert die Leistungsfähigkeit der industriellen Bildverarbeitung mit Deep Learning, um komplexe und sachliche Probleme anzugehen, wie zum Beispiel Gesichtserkennung oder den Qualitätsnachweis von Bauteilen. Flir setzt hier erstmals seine Neuro-Technologie ein und ermöglicht es dem Bediener, sein geschultes neuronales Netzwerkverzeichnis auf der Kamera zu installieren, wobei die Verknüpfungen an den Randbereichen und an der Kamera stattfinden.

Neuro stellt eine offene Plattform zur Verfügung und unterstützt die gängigsten Frameworks wie zum Beispiel Tensorflow und Caffe mit hoher Flexibilität. Neuro eignet sich sehr gut für die Zuordnung, Ortung und Erfassung von Informationen.

Ad

sk

Passend zu diesem Artikel