Dalsa AI Astrocyte
商品 模組 明細
Dalsa AI Astrocyte
Teledyne DALSA Astrocyte 使用戶能夠利用自己的產品、樣品和缺陷圖像來訓練神經網絡來執行各種任務，
例如異常檢測、分類、對象檢測和分割。
憑藉其高度靈活的圖形用戶界面，Astrocyte 允許可視化和解釋模型的性能/準確性，
以及將這些模型導出到準備好在 Teledyne DALSA Sapera 和 Sherlock 視覺軟件平台中運行的文件。
無需 AI 專業知識或代碼
-
無需了解任何 AI 參數即可訓練模型
-
只需選擇三個調整深度選項（低、中、高）之一，即可輕鬆獲得優化的 AI 模型
-
用於快速機器視覺開發的圖形用戶界面
-
快速訓練 AI 模型（在 10 分鐘內獲得良好數據）
節省標記圖像和訓練的時間
-
持續學習允許在工廠車間更新分類模型而無需重新培訓。這節省了更新模型的時間。
-
自動標記（通過 SSOD 或預訓練模型）生成邊界框和標籤
-
導入現有標籤集（.txt、PASCAL VOC、MS COCO、KITTI）
-
不同形狀的分割標註（多邊形、矩形、圓形、環面工具）
-
使用預訓練的 AI 模型減少訓練工作量（需要更少的樣本）
結合其他 Teledyne 組件
-
利用 Teledyne 的 Sherlock 或 Sapera Processing 獲得最好的基於規則的算法，結合 AI 模型以獲得完整的解決方案
-
從 Teledyne 和第三方攝像機採集實時視頻
分類 Classification
說明
用於識別圖像類別的通用分類器。
典型用法
在需要多類識別的應用中使用。例如，它可用於識別工業檢測中的幾類缺陷。
它可以通過持續學習在現場進行培訓。
異常檢測 Anomaly Detection
說明
僅在“好”圖像上訓練的二元分類器（好/壞）。
典型用法
用於缺陷檢查，只要發現缺陷就足夠了（無需對缺陷進行分類）。
對於不平衡的數據集很有用，其中有許多“好”圖像和一些“壞”圖像可用。
不需要手動圖形註釋，在大型數據集上非常實用。
物體檢測 Object Detection
說明
一個多合一的定位器和分類器。對象檢測找到對像在圖像中的位置並對其進行分類。
典型用法
在對象位置很重要的應用程序中使用。
例如，它可用於提供工業檢測中缺陷的位置和類別。
分割 Segmentation
說明
一個像素分類器。分割將每個圖像像素與一個類相關聯。
同一類的連接像素在圖像中創建可識別區域。
典型用法
在需要對象的大小和/或形狀的應用中使用。
例如，它可用於提供工業檢測中缺陷的位置、類別和形狀。
| MODEL | INFERENCE TIME (ms) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| Module | Dataset | Image Size | Input Size | RTX A2000 | RTX3070 | RTX3090 | CPU1 | CPU2 | CPU3 | CPU4 |
| Anomaly Detection | Metal | 2592 x 2048 x 1 | 1024 x 1024 x 1 | 37 | 21 | 15 | 665 | 500 | 764 | 302 |
| Classification | Screw | 768 x 512 x 1 | 768 x 512 x 1 | 5 | 3 | 2 | 64 | 50 | 50 | 54 |
| Object Detection | Hardware | 1228 x 920 x 3 | 512 x 512 x 3 | 7 | 4 | 4 | 19 | 17 | 34 | 23 |
| Segmectation | Material | 1500 x 1125 x 3 | 512 x 300 x 3 | 21 | 14 | 10 | 172 | 130 | 139 | 140 |
| Module: AI model type | CPU1: Intel Core-i7 7700K @ 4.2GHz |
|---|---|
| Dataset: Series of images on which the model was trained | CPU2: Intel Core-i9 9900K @ 3.6GHz |
| Image Size: Size of original image | CPU3: AMD Epyc 7252 @ 3.1GHz |
| Input Size: Size of image after resized (just before entering the neural network) | CPU4: Intel Core-i9 12900K @ 3.2GHz |
| Inference Time: Total execution time including resizing and inference in milliseconds |
| Sapera Processing (Inference) | Astrocyte (Training) | ||
|---|---|---|---|
| Operating System | Windows 10 or 11 (64-bit) | Operating System | Windows 10 or 11 (64-bit) |
| CPU | Intel® Processor w/ EM64T technology | CPU | Intel® Processor w/ EM64T technology Minimum 16GB RAM (32 GB ideal) |
| GPU | (Optional) An NVIDIA GPU for higher speed Minimum 6GB RAM (recommended) Driver version 516.31 or later Suggestion: RTX 2000 and 3000 series |
GPU | An NVIDIA GPU Minimum 8GB of RAM Driver 516.31 or later Recommendations: Minimum: RTX 3070 or like (8GB) Very good: RTX 3080 or like (12GB) Best: RTX 3090 or like (24GB) "Sapera AI SDK" license (Optional) Sapera LT 8.71 or higher (for demos) |