深度学习创新导致了用于工业图像处理的新型应用领域，包括以前根本不可行的应用程序，或者仅仅付出了巨大的努力。
图像处理的新方法与许多现有方法显着不同，带来了挑战，并经常为用户学习陡峭的学习曲线。
为了帮助缓解这种过渡，IDS开发了一个多合一的嵌入式视觉解决方案这允许任何用户使用用作嵌入式推理系统的相机将基于AI的图像处理集成到其应用程序中。
IDS的推理系统可以快速，轻松地设置，而无需复杂的编程知识 - 现在，深度学习比以往任何时候都更容易访问和用户友好。
在各个部门和行业中，计算机视觉和图像处理解决方案至关重要，经常需要这些系统来适应不断扩展的产品，变体和有机物体的范围；例如，水果，蔬菜或植物。
人工智能可以轻松处理不同的物体条件。图片来源：IDS成像开发系统GmbH
当在分析的图像数据经常变化或表现出难以或无法描述使用算法的差异时，基于规则的图像处理方法将面临明显的局限性。
这些僵化的规则集意味着强大的自动化不是这些应用程序的可行选择。
许多无法通过基于规则的方法来管理的任务对于人类而言很容易解决 - 即使孩子以前没有看到该特定模型，孩子也可以识别汽车。孩子以前会看过其他汽车类型和型号，从而能够识别。
机器学习有可能促进灵活和独立的决策，即现在可以在图像处理系统中使用的功能。
通过使用神经网络和深度学习算法，计算机现在可以观察对象，识别对象并从此过程中所学到的内容得出适当的结论。
这与人类的学习过程类似，使用经验价值来做出明智的决定，智能自动化学习。
与传统图像处理的差异
深度学习和基于规则的图像处理之间的关键区别是 - 以及通过谁认识到图像特征以及如何表征这些学识的方式。
传统的符号方法看到图像处理专家在根据某些规则描述这些图像之前定义了决定性图像特征。
由于该软件只能识别规则涵盖的功能，因此这意味着许多源代码需要提供足够的详细信息以完成给定任务。
执行任务是在定义的范围内进行的，没有解释的空间 - 每个智力考虑仍然是图像处理专家的唯一责任。
神经网络与这种基于规则的方法有很大差异，这主要是由于其独立确定必须考虑哪种图像特征来得出最合适的结论的能力。
这可以理解为一种非符号的方法。知识是隐含的，这不允许深入了解所学的任何解决方案。得出的存储特性，加权和结论仅受训练图像的内容和数量的影响。
深度学习算法可以识别和分析完整的图像内容。公认的特征与术语有关，这些术语取决于这些术语的发生频率。
可以将这些特征的统计频率理解为培训期间的“经验”。
机器学习：通过示例进行教学。图片来源：IDS成像开发系统GmbH
Cassie Kozyrkov- Google的人工智能专家 - 将机器学习描述为里斯本的2019 Websummit的编程工具，将其与使用示例来教授机器而不是明确说明的工具有关。
该定义应促使基于AI的机器视觉应用程序的开发重新考虑。结果质量（例如，对象检测的可靠性和速度）高度取决于神经网络检测特征和得出结论的潜力。
建立网络的人的经验和专业知识至关重要，因为它们必须确保适当的数据集可用于培训。这些数据集必须包含尽可能多的示例图像，以确保这些功能具有要学习的术语。
从历史上看，传统的方法将这一责任归于图像处理专家。但是，在机器学习中，这成为数据专家的责任。
开发新型AI应用的挑战
检查AI应用程序开发所涉及的各个步骤，发现了与通常与传统方法相关的开发阶段完全不同的任务和概念。
需要新的工具和开发框架来有效处理和准备图像数据并培训神经网络。这些工具和框架中的每一个都必须在适当的PC基础架构上安装和执行。
指导和开源软件通常都可以从云提供商或GitHub等平台上免费获得，但是这些软件往往只包含需要高度经验的基本工具。
使用这些开源工具在合适的硬件平台上对培训结果的创建，执行和评估取决于操作员的知识和硬件，软件以及这些应用程序层之间的接口。
使用易于使用的工具较低进入屏障。图片来源：IDS成像开发系统GmbH
机器学习的多合一解决方案
IDS旨在在整个过程中为用户提供支持，从他们使用这项新技术的第一步到更高级的使用，通过深度学习体验和在多合一推理相机解决方案中提供的高端摄像头技术实现这一目标。
基于AI的图像处理得益于IDS的NXT Ocean，所有用户立即可用。该系统大大降低了AI成像应用程序的进入障碍，并且其一系列易于使用的工具能够在几分钟内生成用于在相机上执行的推理任务，即使有最少的先验知识。
该系统由三个核心组成部分组成：
-
智能相机平台
-
可访问的神经网络培训软件
-
AI加速器能够在硬件上执行神经网络
IDS已经开发了这些单独的组件，以无缝合作，以确保功能强大，用户友好的系统。
IDS NXT NXT基于云的训练包旨在指导用户通过数据准备和神经网络培训过程，而无需使用高级工具或安装开发环境。
由于它是Web应用程序，因此可以根据需要提供IDS NXT灯塔。该应用程序具有直观的工作流程，存储空间和适当的培训性能 - 用户只需要登录，上传和标签培训图像才能开始训练所需的网络。
该系统的其他好处包括出色的数据保护和安全性，通过可靠的数据中心和Amazon Web Services（AWS）提供的德国服务器的强大网络体系结构促进。
用户能够使用一系列用户友好的对话框和配置设置来定义应用程序的速度和准确性要求。IDS NXT Lighthouse将选择网络并独立设置所需的培训参数。
培训完成后，结果提供了训练有素的智能质量的指示，使用户可以修改并重复训练过程，直到达到所需的准确性水平。
IDS灯塔系统继续进行改进和升级，而其基于Web的交付可确保最新版本不断可用 - 用户不需要管理更新或维护系统。
培训软件利用监督学习来培训神经网络，通过预定义的输入/输出对采用深度学习算法。用户通过将正确的类分配给示例图像来提供输入的功能值。
该网络独立进行这些关联，围绕图像数据做出预测，并将其显示为百分比。较高的值代表更可靠，准确的预测。
一旦神经网络得到了充分的训练，这些网络将直接在IDS NXT摄像机上上传并执行。无需其他编程，并且用户可以立即访问完全操作的嵌入式视觉系统，并具有从捕获的任何图像数据中查看，识别和生成结果的能力。
相机的数字接口（例如，REST和OPC UA）也可以直接控制机器。
软件和硬件的无缝相互作用。图片来源：IDS成像开发系统GmbH
嵌入式视觉混合系统
与智能IDS NXT摄像头平台的FPGA兼容的ID已开发了一个AI核心。
深海核心可用于通过硬件加速执行预训练的神经网络，从而有效地将工业摄像头转变为高性能推理摄像机。这些功能为用户提供了非常有益的人工智能功能，非常适合各种工业环境。
这些系统中的图像分析以分散的方式进行，从而减轻传输过程中可能发生的任何带宽瓶颈。
基于IDS NXT平台的摄像机能够自信地与当前的桌面CPU保持同步，从而提供同等准确性和速度，并大大减少了能量和空间要求。
FPGA也可以相对简单地重新编程。这在未来的安全性，最低率的经常性成本和减少市场时间方面提供了进一步的好处。
使用应用程序和CNN的可扩展功能。图片来源：IDS成像开发系统GmbH
利用IDS软件和硬件的强大组合使用户可以在培训前选择目标推理时间。IDS NXT Lighthouse将根据相机的AI核心性能选择最佳训练设置。
这种方法允许用户预测并解决推理执行过程中发生的问题，从而消除了耗时的调整或再培训的需求。
集成后，IDS NXT系统将继续表现出兼容，一致的行为 - 对于许多工业认证的应用来说，这是一项基本要求。
通过应用程序和CNN的可扩展功能
嵌入式视觉平台的强大而强大的硬件使其提供的远非标准推理摄像头来执行神经网络 - 创新的CPU -FPGA组合提供了一个功能集，可以轻松扩展以满足广泛的应用要求。
可以轻松设置和更改重复的视觉任务，从而在需要时执行完全灵活的图像处理序列。捕获的图像也可以预处理；例如，利用基本分类过程来区分好成分和坏组件。
当检测到错误时，这可能会促使加载复杂而全面的神经网络（仅毫秒毫秒），以便在将结果存储在数据库中之前，进一步确定错误类别。
还提供了一个应用程序开发套件，可以直接实现高度定制的解决方案和个性化的视觉应用程序，这些应用程序可以安装并在IDS NXT摄像机上运行。
IDS NXT摄像机是专门设计的，以作为混合系统运行。这些相机可以促进图像数据的预处理，以及通过神经网络进行图像处理和特征提取，该组合允许单个设备有效地运行一系列图像处理应用程序。
概括
IDS NXT Ocean的硬件和软件组合是理想的匹配，使各种各样的行业能够利用有意义的，用户友好的深度学习应用程序的力量。
现在，在许多字段中设置自动化的智能检测任务比以往任何时候都更容易，打开了许多以前不可能的应用程序。
用户能够在没有编程知识的情况下创建和执行基于AI的图像处理解决方案，并且基于云IDS NXT灯塔培训软件提供可以根据特定用户要求缩放的存储空间和培训性能。
由于该软件是基于云的，因此最新版本始终适用于每个用户 - 无需更新或维护期。
IDS还提供了一个具有成本效益，方便的推理启动软件包，其中包括促进基于AI的图像处理所需的每个组件：具有电源和镜头的相机以及IDS NXT NXT NXT Lighthouse的培训许可证。
此信息已从IDS成像开发系统GmbH提供的材料中采购，审查和调整。亚博网站下载
有关此消息来源的更多信息，请访问IDS成像开发系统GmbH。