FLIR Neuro-Technologie : Entscheidungsfindung mit KI schneller automatisieren

Mit Deep Learning können Entwickler die komplexe und subjektive Entscheidungsfindung schnell automatisieren. Das Resultat: schnellere Systementwicklung, hochwertigere Produkte und gesteigerte Produktivität.

Normalerweise erfordern Deep-Learning-Systeme separate Kameras und Computernetzwerke. Oftmals müssen die zur Analyse erfassten Bilder an ein Host- oder Cloudsystem geschickt werden, in dem ein neuronales Netzwerk durch Inferenzieren eine Entscheidung trifft.  Das ist oft suboptimal: Eine ausgelagerte oder cloudbasierte Verarbeitung verursacht Latenz und riskiert Zuverlässigkeit sowie Sicherheit.

FLIR Neuro-Technologie verschafft hier Abhilfe und vereinfacht die Systeminfrastruktur durch die Bereitstellung Ihres trainierten neuronalen Netzwerks direkt auf der Kamera. Kosten und Komplexität des Systems werden so gesenkt, da Entscheidungen direkt auf der Kamera, oftmals sogar ohne Host-PC, getroffen werden. Eine inferenzbasierte Entscheidungsfindung direkt auf der Kamera (am sogenannten "Netzwerkrand") vermeidet Latenz und potenzielle Sicherheitsrisiken.  Im Falle der FLIR Firefly DL-Kamera findet sowohl die Bilderfassung als auch die inferenzbasierte Entscheidungsfindung in einem System mit einer Größe von nur 27 mm x 27 mm x 14,5 mm statt.

Offene Plattform für grenzenlose Flexibilität

  • Durch die Unterstützung gängiger Open-Source-Frameworks wie TensorFlow und Caffe bietet Neuro höchste Flexibilität.
  • Mit dem anwenderfreundlichen Konvertierer NeuroUtility von FLIR können sowohl Neueinsteiger als auch Deep-Learning-Experten Netzwerke zur Klassifizierung, Erkennung und Ortung schnell und einfach auf Neuro-fähigen Kameras bereitstellen.

 Zentrale Deep-Learning-Funktionen

Neuro eignet sich ideal für die Inferenzfunktionen Objektklassifizierung, -erkennung und -ortung:

KLASSIFIZIERUNG
Überwachung von Fahrern/Piloten Erkennt den Wachzustand von Fahrern oder Piloten
Produktinspektion Klassifizierung und Sortierung von Produkten
Ausfallsicherheit für Biomedizin – allgemein Erkennen bestimmter Auffälligkeiten bei Gewebe in Biopsieproben
Erkennung fehlender Teile Erkennen von fehlenden Verpackungsinhalten
Gesichtserkennung – Automatisierung Gesichtserkennung für die Gebäudeautomatisierung
Gesichtserkennung – Sicherheit Gesichtserkennung zu Sicherheitszwecken
Inspektion von Solarmodulen Unterscheiden zwischen kosmetischen Schäden und gefährlichen Sprüngen
Verpackungsprüfung Überprüfen bedruckter Verpackung
Lesen von Gebärdensprache Übersetzen von Gebärdensprache in Wörter
Inspektion von Einzelteilen Überprüfen einzelner Teile
Haustiererkennung Erkennt Haustiere zur Ausgabe von Futter/Öffnung von Haustierklappen
Inspektion von Leiterplatten Erkennen von Defekten an bestimmten Stellen von Leiterplatten
ERKENNUNG UND ORTUNG
Inspektion von Textilien Erkennen von Defekten an Textilien
Ausfallsicherheit für Biomedizin – spezifische Erkennung Erkennen von auffälligem Gewebe in Biopsieproben
Wafer-Inspektion in der Halbleiterfertigung – allgemein bgleich von Silizium-Wafers mit fehlerfreien Musterstücken
Kollisionsvermeidung für unbemannte Flugsysteme Erkennen von Kollisionsgefahren für Drohnen
Point-of-Sale-Systeme Erkennen von Produkten auf dem Kassenband
Erkennung von ausverkauften Posten Erkennen von ausverkauften Produkten
Inspektion von Blister-Verpackungen Inspektion der Verpackung pharmazeutischer Erzeugnisse
Wafer-Inspektion in der Halbleiterfertigung – spezifische Defekte Suche nach spezifischen Defekten auf einem Silizium-Wafer
Semiconductor wafer inspection - specific defect Looking for specific class of defects on a silicon wafer
Unkrauterkennung


Weitergabe von Koordinaten zur Unkrautbekämpfung

Erkennung von Nummernschildern Erkennen von Nummernschildern an Fahrzeugen
Killbot Steuerung von Robotern zur Erkennung und sicheren Vernichtung invasiver Arten
Erkennung und Verfolgung von Seeläusen Erkennen und Verfolgen von Seeläusen auf Fischfang
Demografisches Profiling Schätzen von Alter und Geschlecht von Menschen in einer Aufnahme zu Analysezwecken im Einzelhandel
Sicherheitssystem für mobile Roboter Erkennung und Schutz von Personen
Soldering inspectionInspektion der Qualität von Lötnähten Inspektion von Lötstellen

Funktionen für eine einfachere Entwicklung von Deep-Learning-Systemen

  • Neuro skaliert Bilder automatisch. Von der Kamera weitergeleitete Bilder werden automatisch entsprechend der Parameter Ihres neuronalen Netzwerks skaliert
  • Neuro bietet eine sofortige Validierung von Ergebnissen. Sie können die Inferenzergebnisse hochgeladener Bilder sofort validieren, wodurch sich neue Entwicklungsschritte schnell vollziehen lassen und eine separate Testumgebung hinfällig wird.  Dies geschieht mittels Image Injection. Dabei werden Testbilder zur Validierung direkt an das neuronale Netzwerk geschickt, ohne die Kernfunktionen der Kamera zu durchlaufen. 

Von Neuro unterstützte FLIR-Kameras

 FLIR Firefly DL camera  

Zugehörige Artikel