Opto Engineering® - 20 years Opto Engineering® - 20 years Opto Engineering. Our first 20 years →
Opto Engineering® - 20 years
主页 软件 机器视觉软件
FabImage® Studio Professional
概述
相关的
Features
Capabilities
Application cases
Licensing model
Deep Learning
Quote
资源

核心优势

    • 无需掌握基础编程知识
    • 基于数据流的软件
    • 快速且经过优化的算法
    • 超过 1000 种高性能函数
    • 自定义机器视觉滤光片
发现更多

直观

强大

适应性强

直观

拖放式操作

所有编程过程均可通过选择过滤器并使其 相互连接来完成。这样您就可以将所有的 注意力集中在计算机视觉上了。

实现全方位可视化

用户可在多个可配置数据预览中查看检测 结果;当程序中的参数发生变化时,您即 可实时查看预览的更新情况。

HMI Designer

您可以轻松创建自定义图形用户界面, 从而使用一个软件包构建整个机器视觉 应用。

强大

超过 1000 个即用型过滤器

该软件具有超过 1000 个即用型机器视觉过滤器,并在数百个应用程序中对其进行了测试和优化。这些过滤器具有许多先进的功能,如异常值抑制、精确亚像素或任何形状的感兴趣区域。

硬件加速

滤光片针对 SSE 技术和多核处理器进行了积极优化。我们的硬件具有世界一流的实施速度!

循环和条件

无需编写一行代码,您即可创建自定义的可扩展程序流程。循环、条件和子程序(微距过滤器)通过适当的数据流结构以图形方式实现。

适应性强

支持Gige视觉和Gen TL

FabImage® Studio 是一款兼容 GigE Vision 的产品,支持 GenTL 接口以及许多供应商特定的 API。因此,该产品可搭配市面上的大多数相机,其中包括 Matrix Vision、Allied Vision、Basler、Baumer、Dalsa、PointGrey、Photon Focus 和 XIMEA 等品牌推出的机型。

用户滤光片

通过用户滤光片,您可以将自己的 C/C++ 代码与可视化编程的优势结合起来。

C++ 代码生成器

用户可以将在 FabImage® Studio 中创建的程序导出至 C++ 代码或 .NET 程序集。因此,将视觉算法与采用 C++、C# 或 VB 编程语言创建的应用程序进行集成将变得十分容易。

超过 1000 个过滤器,其中包含基本变换和专用的机器视觉工具。

  • 图像处理
  • 形状拟合
  • 条码读取
  • 模板匹配
  • 支持向量机
  • 斑点分析
  • 相机校准
  • 数据代码读取
  • 测量
  • GigE Vision 和 GenTL
  • 等值线分析
  • 傅立叶分析
  • 角点检测
  • 直方图分析
  • 平面几何
  • 霍夫变换
  • 1D 剖面分析
  • OCR

在此应用中,我们需要在螺母和螺栓之中拣选出钉子。系统会为图像设置阈值,并将生成的区域分为若干斑点;最后根据斑点的延伸率对其进行分类,从而轻松地找出钉子。

该示例所展示的是一个基本的 ReadBarcodes 滤光片。该工具可自动查找条码,并输出解码后的文本。

许可类型

开发

运行时

FABIMAGE® 部件编号快速指南:

许可类型

有两种商业许可:

开发

分配给一位工程师。包含一年技术支持,可通过年费续期。有效技术支持还允许您将软件升级到新版本,购买运行时许可有折扣优惠。

产品 类型 产品型号
FabImage® Studio Professional 开发 FIS-PRO
  • 分配给一位用户,包含 1 年技术支持
  • 包含 1 年技术支持
  • 通过 USB 加密狗提供
FabImage® Studio + Library 套装 开发 FIS-ADD
  • 适用于需要 FabImage® Studio Professional 和 FabImage® Library Suite 的用户,包括在 FabImage® Studio Professional 的程序中生成 C++ 代码
  • 包含 1 年技术支持
  • 通过 USB 加密狗提供
展开表格

运行时

分配给一个视觉系统。一个多相机系统可使用一个许可,但是控制多个独立系统需要多个许可,即使是在单台物理计算机上运行。

产品 类型 产品型号
FabImage® Studio Runtime 运行时 FIS-RUN
  • 最多可用于控制一个视觉系统
  • 集成商/OEM 价格:需要一个 Professional(开发)许可和有效技术支持
包含开发许可和有效技术支持
FabImage® Studio Runtime 运行时 FIS-RTB
  • 最多可用于控制一个视觉系统
包含开发许可和过期技术支持
展开表格
附加产品 类型 产品型号
多线程附件 开发 FI-PAR
  • 适用于开发许可。允许用户同时运行多个微距滤镜(工作任务)。多线程项目需要特殊运行时许可。
1 年扩展支持 开发 FIS-EXT, ADD-EXT
  • 适用于所有类型的开发许可,将一个开发许可的权限延长一年
包含开发许可和有效技术支持
USB 许可证适配器 - USB-DONGLE-FI / USB-DONGLE-RUN
  • 基于计算机 ID 的许可机制的替代方案,可在多台计算机上使用此软件,可用于开发和运行时许可
适用于 FabImage® 开发许可的 USB 加密狗/适用于 FabImage® 运行时许可的 USB 加密狗
展开表格

FABIMAGE® 部件编号快速指南:

  1. FabImage® Studio Professional (FIS-PRO) 可用于创建完整的机器视觉应用程序,包括 HMI。FabImage® Studio Runtime (FIS-RUN/FIS-RTB) 适用于在每个检测系统上运行应用程序的情况。
  2. FabImage® Studio Professional (FIS-PRO) 包含用户滤镜功能,允许在图形编程模型中嵌入用户的 C++ 代码。FabImage® Library Suite (FIL-SUI)(或 Studio + Library 捆绑版 (FIS-ADD))只适用于需要将内置图像分析工具作为 C++ 函数调用的情况。
  3. 如果您想在 FabImage® Studio Professional (FIS-PRO) 中创建应用程序原型,然后转化成 C++ 代码,那么您需要 FabImage® Studio + Library 捆绑版 (FIS-ADD)
  4. 如果不需要快速创建原型的图形编程环境,那么应用程序开发使用 FabImage® Library Suite (FIL-SUI) 就足够了。
  5. 总之,有四种处理产品的方式:
    1. 以图形方式编程 - 每位工程师需要一个 FabImage® Studio Professional (FIS-PRO),每个系统需要一个 FabImage® Studio Runtime (FIS-PRO/FIS-RTB)。这种方式的一个特别优势是方便引入变更,甚至可以直接在生产线上进行。
    2. 以图形方式编程,然后生成 C++ 代码 – 每位开发员需要一个 FabImage® Studio + Library 捆绑版 (FIS-ADD),每个系统需要一个 FabImage® Library Runtime (FIL-RUN/FIL-RTB)。这种方式可以将创建的解决方案与更大的软件项目集成。
    3. 以图形方式编程,然后生成 .NET 微距滤镜接口 – 每位工程师需要一个 FabImage® Studio Professional (FIS-PRO),每个系统需要一个 FabImage® Studio Runtime (FIS-RUN/FIS-RTB)。不需要库许可,因为 .NET 微距滤镜接口使用与 Studio 相同的程序执行机制。
    4. 直接以 C++ 或 .NET 编程 – 这适合以 C++ 或 C# 编程,不想进行图形编程的人员。在此情况下,每位开发员需要一个 FabImage® Library Suite (FIL-SUI),每个系统需要一个 FabImage® Library Runtime (FIL-RUN/FIL-RTB)。

簡介

Fabimage Deep Learning Add-on 創建了機器視覺技術的新標準。這些經過長時間驗證的可靠工具在經過20-50張影像的 訓練後,就具備自動檢測物體、缺陷和各種特徵的能力。Adaptive Vision的研發團隊運用大量的神經網路和自我設計的WEAVER推論引擎研發出全新一代的高效能深度學習軟體, 非常適合用在工業檢測系統。

為了讓您建構更完整和功能更強大的機器視覺系統方案,它結合Fabimage Studio Professional全圖控操作界面,輕鬆開發傳統機器視覺和深度學習的演算法。

核心优势

從少數樣本中學習

一般的應用僅需要約20到50張影做訓練即可。愈多訓練的效果愈好,但我們的軟體根據訓練庫的主要參數屬性,內部將自動產生數以千計 新的人造影像,讓訓練更有效率。

運行在GPU和CPU

為了讓訓練更有效率,需要新一代的繪圖處理器(GPU)。在生產線上,您可以視需選用GPU或CPU,而GPU的處理時間會比CPU快3到10倍。(Object Classification的運行速度CPU和GPU一樣快)。

最佳性能

一般在GPU的訓練時間大約是5到15分鐘。推論時間的長短每張影像介於5到100毫秒,它和選用的工具與硬體有關。工業級的推論引擎 WEAVER可以保證最佳的性能。

訓練步驟

1. 收集影像並進行歸一化

  • 取得20到50張影像,好壞都要,影像要盡可能涵蓋物件的變化,並儲存到硬碟裡。
  • 影像中物件的比例、方向和明暗盡可能保持一致。

培训

  • 打开FabImage Studio Professional并添加一个Deep Learning Add-on工具
  • 打开与该工具关联的编辑器,并在那里加载培训图像
  • 使用绘图工具标记图像或添加标记
  • 点击“培训”

訓練庫和驗證庫

在深度學習中如同在機器學習的各個領域一樣,遵循正確的方法是非常重要的。最重要的規則是將訓練庫和驗證庫分開。 訓練庫是用於創建模型的一組樣本。我們不能用它來衡量模型的性能,因為這通常會產生過於樂觀的結果。因此,我們使用不同的數據(驗證庫)來評估模型。我們的深度學習工具會根據用戶提供的樣本自動創建這兩種資料庫。

執行

  • 運行程式並查看結果
  • 返回步驟1或2直到結果完全令人滿意。

特征检测

在監督模式下,用戶需要小心翼翼地根據訓練庫中的影像去標註缺陷的位置。該工具藉由尋找關鍵特徵去學習判斷好與壞。

太陽能板檢測

在這個應用中,必須在具有複雜特徵的背景上檢測出破損和刮傷。若用傳統的方法,將需要複雜的演算法,並針對每一種太陽能板調整數十種參數。使用深度學習,只需要一種工具就可以在監督模式下做訓練。

衛星影像識別

衛星影像不容易解析,因為它涵蓋非常多的特徵。不過,我們的深度學習軟體透過訓練可以非常穩定且可靠的區別道路和建築物。

異常檢測

非監督式模式的訓練更加簡單,沒有固定缺陷定義。我們的軟體將樣品圖像並進行訓練。此後尋找任何偏差。

包裝驗證

當壽司盒出貨到市場時,什麼位置放什麼食材都是固定的。雖然同一種食材的外觀不完全相同但可以接受, 而食材的缺陷卻不容易被定義。 解決方式是採用半監督模式去檢測到該工具在訓練期間所經歷的任何重大改變。

塑膠射出成型檢測

射出成型是一個複雜且伴隨許多生產問題的製程。塑膠件可能會折疊或其它形狀的變異,但對客戶來說都是可以接受的。 我們的深度學習工具可以從提供的樣本中接受這種變異,並在生產線上找出有任何異狀的不良品。

物件分類

物體分類工具根據物體的特徵將所提供的輸入圖影像為用戶特定的幾組。其結果為類別名稱和分類置信度。

瓶蓋:正面或反面

塑膠瓶蓋在生產時有時會不經意地翻面。假如客戶想要檢測這種情況,完全可以用傳統的視覺檢測方式做到, 只是它需要一位專家針對此應用設計特定的演算法。另一種方案,我們可以採用以深度學習為基礎的物件分類功能, 從訓練的影像庫中,自動學習瓶蓋的正反面。

3D鋁合金輪圈識別

一家工廠可能生產數以百計樣式不同的鋁合金輪圈。使用傳統的視覺檢測方式要在這麼多樣化的產品中識別出一個特定的輪圈, 實際上是不可能的。模板比對需要大量的時間嘗試從數百個模板中做匹配,而這些模板必須手工逐一訂製, 耗費太多開發和維護時間。而深度學習是一個相當理想的解決方案,它可以讓程式直接從影像庫中學習並訓練, 其結果非常的穩定且可靠。

個體區分

個體區分技術被用來在一張影像中定位、區隔和分類單一或多重物件。它不同於Feature Detection(特徵識別)技術,它可以找出個別的物件,即使物件互相接觸或是重疊也能夠正確區分。

堅果分類

混合堅果是一種非常受歡迎包含各種形狀堅果的休閒食品。由於包裝中堅果的成份百分比應和標籤上印刷的成分清單一致, 客戶希望確保每一種類型的正確數量都可以填充到包裝裡。Instance Segmentation (個體區分) 工具針對這種應用是非常理想的解決方案,因為它能區分物體跟物體間的範圍並返回被分割對象相對應的蒙版。

包裝驗證

歐洲常見的湯類蔬菜組合包是以隨機位置包裝在白色塑膠盤上。生產線作業員有時會忘記將某一種蔬菜放到盤子上。 雖然有秤重系統做把關,但客戶在包裝密封前還是想知道商品是否完整。由於不會有兩種蔬菜看起來是完全相同的, 最理想的解進方案是採用深度學習為基礎的分類法。在訓練階段,客戶只須要在所選的蔬菜上做標註即可。

特徵點定位

特徵點定位工具在影像中尋找獨特的形狀、特徵或記號做為定位點。和傳統的模板比對進行比較,這個工具會進行多次的樣本訓練, 避免因物件的變異影響定位的可靠度。

蜜蜂跟隨

使用我們的深度學習工具可以完成傳統影像處理方法似乎無法實現的任務。在這種情況下,我們可以使用深度學習來檢測蜜蜂, 當訓練完成時,我們可以檢查蜜蜂們是否感染了變色病-由寄生蟎侵襲蜜蜂所引起的疾病。寄生蟲會依附在他們的身體上, 並根據紅色斑點的發炎狀況來檢視他們是否健康。不會只有這個案例讓複雜的任務簡單化, 同時我們對於許多不同的產業是抱持著開放的態度,例如農業。

取放

在這些應用案例中,我們需要引導機器手臂抓取物品,最典型的是從輸送帶或容器中抓取物品。 有一個好的案例是抓取小的莖梗,然後將其垂直放置在花盆中。過程中檢測到任何不正確之處, 都有可能導致種植過深或上下顛倒,將導致根部無法順利生長。我們的深度學習工具可以快速定位植物的部位, 並提供準確的結果。

你想知道更多吗?

填写下面的表格,我们会及时回复您。
必填项目
必填项目
必填项目
必填项目
必填项目
必填项目
必填项目
最小长度:6 个字符
必填项目
captcha
必填项目

新闻与营销内容

Software FabImage®
Brochure FabImage®
Application examples

连结

FabImage® user area