eVision  EasyLocate

EasyLocate

Libreria per la localizzazione e la classificazione basata sul deep learning

- Localizzazione e identificazione di oggetti/prodotti/difetti
- Conteggio degli oggetti
- Riquadri di delimitazione allineati agli assi
- Punti di interesse
- Supporta l'aumento dei dati e le maschere
- Compatibile con l'elaborazione su CPU e GPU
- Deep Learning Studio incluso per la creazione, l'addestramento e la valutazione dei set di dati
- Disponibile come parte del Deep Learning Bundle
- Disponibile anche come licenza economica dedicata esclusivamente all'inferenza

Descrizione

  • EasyLocate è la libreria di localizzazione e identificazione di Deep Learning Bundle. Viene utilizzata per localizzare e identificare oggetti, prodotti o difetti nell’immagine. È in grado di distinguere oggetti sovrapposti e, pertanto, EasyLocate è adatta al conteggio del numero di istanze di un oggetto. Sono disponibili due metodi:
    • “EasyLocate Axis Aligned Bounding Box” prevede il riquadro di delimitazione che circonda ciascun oggetto (o difetto) individuato nell’immagine e assegna un’etichetta di classe a ciascuno di essi. Deve essere addestrata con immagini in cui gli oggetti (o difetti) da individuare sono stati annotati con un riquadro di delimitazione e un’etichetta di classe.
    • “EasyLocate Interest Point” prevede la posizione (come un punto, in genere il centro, ma definibile anche diversamente) di ciascun oggetto (o difetto) individuato nell’immagine e assegna un’etichetta di classe a ciascuno di essi. Tutti gli oggetti (o difetti) presenti nell’immagine devono avere all’incirca le stesse dimensioni. Deve essere addestrato con immagini in cui gli oggetti (o difetti) da individuare sono stati semplicemente annotati con un punto di interesse e un’etichetta di classe. Il processo di annotazione è più veloce con EasyLocate Interest Point, poiché basta un solo clic per annotare un oggetto.

Novità di eVision 26.10

  • Il prodotto Open eVision è stato rinominato eVision e sarà commercializzato con il marchio Allied Vision
  • Nuove simbologie per EasyBarCode e miglioramenti apportati a EasyQRCode
  • Funzionalità di rilevamento delle linee e di riempimento dei fori in EasyImage
  • Supporto per NVidia Jetson DLA (Deep Learning Accelerator)
  • Nuovi strumenti e miglioramenti nell’usabilità per eVision Studio
  • Documentazione online rielaborata
Scarica eVision

Che cos’è il deep learning?

Le reti neurali sono sistemi informatici ispirati alle reti neurali biologiche che costituiscono il cervello umano. Le reti neurali convoluzionali (CNN) sono una classe di reti neurali artificiali profonde e feed-forward, utilizzate più comunemente per l’analisi delle immagini. Il deep learning utilizza CNN di grandi dimensioni per risolvere problemi complessi, difficili o impossibili da risolvere con i cosiddetti algoritmi convenzionali di visione artificiale. Gli algoritmi di Deep Learning possono risultare più semplici da utilizzare poiché, in genere, apprendono tramite esempi. Non richiedono all’utente di capire come classificare o effettuare l’ispezione dei componenti. Al contrario, in una fase iniziale di addestramento, apprendono semplicemente osservando numerose immagini dei componenti da ispezionare. Una volta completato con successo l’addestramento, possono essere utilizzati per classificare i componenti oppure per rilevare e segmentare i difetti.

EasyClassify Illu2 Table

Licenza di inferenza conveniente

Di solito, l'implementazione del Deep Learning in ambiente produttivo richiede solo l'elaborazione di inferenza. L'inferenza è il processo che consiste nell'utilizzare un modello precedentemente addestrato per effettuare l'ispezione e l'analisi di immagini appena acquisite. L'addestramento è, nella maggior parte dei casi, un processo offline. L'addestramento può essere eseguito utilizzando l'API eVision e richiede una licenza del Deep Learning Bundle. In alternativa, l'addestramento può essere effettuato gratuitamente anche con l'applicazione Deep Learning Studio. Le licenze solo inferenza rappresentano un'alternativa alla licenza del Deep Learning Bundle, consentendo al cliente di implementare soluzioni di deep learning ottimizzate in termini di costi.

DataAugmentation

Aumento dei dati

Il Deep Learning funziona addestrando una rete neurale, insegnandole come classificare un insieme di immagini di riferimento. Le prestazioni del processo dipendono in larga misura da quanto sia rappresentativo ed esteso l’insieme delle immagini di riferimento. Deep Learning Bundle implementa il “data augmentation”, che crea immagini di riferimento aggiuntive modificando (ad esempio spostando, ruotando o ridimensionando) le immagini di riferimento esistenti entro limiti programmabili. Ciò consente a Deep Learning Bundle di funzionare con un numero minimo di cento immagini di addestramento per classe.

EasyClassify Performance

Prestazioni

Il deep learning richiede in genere una notevole potenza di elaborazione, soprattutto durante la fase di apprendimento. Deep Learning Bundle supporta le CPU standard e rileva automaticamente le GPU compatibili con Nvidia CUDA presenti nel PC. L'utilizzo di una singola GPU accelera in genere le fasi di apprendimento ed elaborazione di un fattore 100.

EasyLocate SampleDataset Elec

Set di dati di esempio: Componenti elettronici

Il nostro set di dati “Componenti elettronici” mostra come EasyLocate Bounding Box sia in grado di rilevare e contare in modo affidabile diversi tipi di componenti elettronici standard conservati sfusi all’interno di sacchetti di plastica, nonostante le scarse condizioni di illuminazione.

EasyLocate SampleDataset

Set di dati di esempio: condensatore ceramico

Il nostro set di dati “Condensatori ceramici” mostra come EasyLocate Interest Point sia in grado di rilevare e contare in modo affidabile un gran numero di condensatori ceramici che si sovrappongono o si toccano tra loro.

Altri vantaggi

Sistema di licenze Neo

Neo è il nuovo sistema di gestione delle licenze. È affidabile, all’avanguardia ed è ora disponibile per la gestione delle licenze eVision ed eGrabber. Neo ti permette di scegliere dove attivare le tue licenze: su un dongle Neo o in un contenitore software Neo. Acquista una licenza, deciderai in seguito.

I Neo Dongle offrono un hardware robusto e garantiscono la flessibilità di poter essere trasferiti da un computer all’altro. I Neo Software Container non richiedono alcun hardware dedicato, ma sono invece collegati al computer su cui sono stati attivati.

Neo viene fornito con il proprio Neo License Manager dedicato, disponibile in due versioni: un’interfaccia grafica intuitiva e di facile utilizzo e un’interfaccia a riga di comando che consente di automatizzare facilmente le procedure di licenza di Neo.

Tutte le librerie eVision per Windows e Linux

  • Microsoft Windows 11, 10 per architettura processore x86-64 (64 bit)
  • Microsoft Windows 11, 10 IoT Enterprise su sistemi x86_64
  • Linux per architetture di processori x86-64 (64 bit) e ARMv8-A (64 bit) con versione glibc superiore o uguale a 2.18
DriverWinLinuxARM

eVision Deep Learning Studio

eVision include l’applicazione gratuita Deep Learning Studio. Questa applicazione assiste l’utente durante la creazione del set di dati, nonché durante l’addestramento e il test dello strumento di deep learning. Per EasySegment, Deep Learning Studio integra uno strumento di annotazione ed è in grado di trasformare le previsioni in annotazioni di ground truth. Consente inoltre di configurare graficamente lo strumento per adattarlo ai requisiti prestazionali. Ad esempio, dopo l’addestramento, è possibile scegliere un compromesso tra un tasso di rilevamento dei difetti più elevato o un tasso di rilevamento dei prodotti conformi più elevato.

eVision Bundle DeepLearning AVT
eVision Bundle DeepLearning AVT

Software

Host PC Operating System

eVision is a set of 64-bit libraries that require an Intel compatible processor with the SSE4 instruction set or an ARMv8-A compatible processor.

eVision can be used on the following 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

Remote connections

Remote connections are allowed using remote desktop, TeamViewer or any other similar software.

Virtual machines

Virtual machines are supported. Microsoft Hyper-V, Oracle VirtualBox and libvirt hypervisors have been successfully tested.

Only the Neo Licensing System is compatible with virtualization.

Minimum requirements:

2 GB RAM to run an eVision application

8 GB RAM to compile an eVision application

Between 100 MB and 2 GB free hard disk space for libraries, depending on selected options.

APIs

Supported programming languages :

The 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 eVision

Python requirements: Python 3.11 or later is required to use the Python bindings for 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

Ordering Information

Product status

Released

Product code - Description

PC4189 Open EasyLocate for USB dongle

PC4339 Open eVision EasyLocate

PC4194 Open EasyLocate Inference for USB dongle

PC4344 Open eVision EasyLocate Inference

Related products

PC4182 Open Deep Learning Bundle for USB dongle

PC4332 Open eVision Deep Learning Bundle

EasyLocate