Olympus semplifica le analisi delle immagini industriali per le ispezioni dei materiali

Pubblicato il 6 ottobre 2021

Il software di analisi delle immagini OLYMPUS  Stream adesso si avvale dell’efficacia dell‘intelligenza artificiale per integrare la nuova generazione di segmentazione delle immagini nelle ispezioni dei microscopi industriali. La versione 2.5 del software aggiunge la tecnologia deep learning TruAI Olympus, permettendo agli utenti di allenare le reti neurali per automaticamente segmentare e classificare gli oggetti nelle immagini dei microscopi per diversi tipi di ispezioni di materiali. Una rete allenata può essere applicata per future analisi nell’ambito di applicazioni simili in modo da massimizzare l’efficienza.

Attraverso la soluzione TruAI, gli utenti possono facilmente allenare delle reti neurali affidabili. Un’interfaccia di facile uso permette agli utenti di assegnare etichette per le immagini e di avviare allenamenti in batch. Le reti possono essere configurate con numerosi canali di ingresso, allenate per identificare fino a 16 classi, inoltre possono essere importate e esportate. Questa soluzione offre inoltre delle opzioni per consultare e modificare le informazioni relative agli allenamenti.



Contenuti correlati

  • I benefici del “real-time” nelle applicazioni IoT

    Nello sviluppo di sistemi embedded, i sistemi operativi real-time, o RTOS, possiedono qualità che stanno giocando un ruolo sempre più importante nell’implementazione di un crescente numero di applicazioni Internet of Things “time-critical” Leggi l’articolo completo su Embedded...

  • Architetture orientate ai servizi per l’industria automotive

    Con l’obiettivo di gestire i costi e la complessità dello sviluppo del software automotive, NXP ha introdotto il software Real-Time Drivers (RTD) che supporta tutti i processori automotive S32 con core Arm Cortex-M o Cortex-R52 Leggi l’articolo...

  • Come rendere (e mantenere) sicuri gli apparecchi medicali

    Il tradizionale approccio costituito da progettazione e sviluppo, seguiti dal testing prima del lancio del prodotto non è infatti più sufficiente per la gestione di una sicurezza che mantenga la propria efficacia per tutta la vita del...

  • L’applicazione dell’intelligenza artificiale e del Machine Learning nei sistemi di produzione

    Lo scopo di questo articolo è quello di analizzare l’applicazione dell’intelligenza artificiale e del Machine Learning (ML) (apprendimento automatico) nella produzione industriale. Con l’introduzione dell’Industria 4.0, l’intelligenza artificiale e l’apprendimento automatico sono considerati la forza trainante della...

  • Acceleratori hardware per machine learning

    In questo articolo viene fatta una panoramica sugli acceleratori hardware per l’apprendimento automatico nelle applicazioni di Intelligenza Artificiale Leggi l’articolo completo su EO 505

  • Uno sguardo all’evoluzione del debug

    I progressi tecnici che hanno caratterizzato l’industria dei semiconduttori hanno contribuito a modificare il processo di sviluppo del software e di conseguenza anche il debugger, divenuto un vero e proprio tool di processo Leggi l’articolo completo su...

  • Modello DevOps nei sistemi embedded, sfide e vantaggi

    Sempre più, anche nel settore della progettazione embedded, agilità e velocità del ciclo di sviluppo software diventano requisiti chiave per ridurre il time-to-market dei prodotti e accelerare la frequenza dei rilasci. L’implementazione del modello DevOps nello sviluppo...

  • Le innovative applicazioni dei dispositivi programmabili FPGA-SoC

    Questo articolo è una panoramica sulle nuove funzionalità FPGA e le risorse SoC in applicazioni come il posizionamento indoor, l’ottimizzazione di algoritmi utilizzando sistemi operativi, codici di ottimizzazione, reti definite da software e nuove piattaforme di elaborazione...

  • I chip chiave per Industria 4.0

    Alcune categorie di circuiti integrati stanno guidando la crescita dei chip dedicati al mondo della Internet of Things. In uno studio sul comparto, la società di ricerca IoT Analytics individua quattro categorie principali: MCU, chip di connettività,...

  • La mobilità del futuro: i sette megatrend

    Connesse, intelligenti, automatizzate e autonome: le tecnologie per la digitalizzazione, l’integrazione dell’intelligenza artificiale e l’apprendimento automatico stanno determinando un cambiamento nella produzione e nell’utilizzo dei veicoli del futuro Leggi l’articolo completo su EO 504

Scopri le novità scelte per te x