深度学习(可以通过人工神经网络等架构完成)通过处理数据和创建用于决策的模式模仿人类大脑的工作方式。大恒图像基于DeepLearning的药片缺陷检测分类系统主要面向本科类高等院校基于深度学习方向的研究,科研院所和工业级客户做深度学习方面的研究和实验验证。系统利用采集好的不同种类缺陷的药片图像,借助HALCON图像处理软件,利用CNNs进行深度学习训练分类器,然后通过加载已训练好的分类器模型实现对药片缺陷的实时准确在线分类检测。
实现对单个药片的精准分割
实现对不同缺陷药片的实时精确分类
训练简易、自动特征学习、识别效率较高
基于CNNs等神经网络方法的缺陷分类(如:电路板、太阳能电池片表面缺陷等)
对象分类(如:从单个图像中识别水果的类型)
序号 | 主要组件 | 数量 |
1 | 实验平台 | 1 |
2 | 光源 | 1 |
3 | 1 | |
4 | 镜头 | 1 |
5 | 光电传感器 | 1 |
6 | 被测样品 | 1 |
7 | 系统演示软件 | 1 |
8 | HALCON图像处理软件 | 1 |
项目 | 参数 |
光源 | 100 mm 方形白光 |
实验平台尺寸 | 循环皮带传输平台 |
相机接口 | USB3.0 |
相机传感器 | CCD |
镜头焦距 | 16 mm |
检测视场 | 200 mm |
被测物大小 | 可定制 |
实验软件基于HALCON图像处理平台开发,并基于MFC框架开发了界面程序。
基于MFC的应用程序界面
首先,读取HALCON提供的预训练DL分类器,根据提供的大量的分类好的样品图片,预处理为大小均一的预训练图片,设置训练需要的参数,进行重新训练,我们会获得新的DL分类器。之后,对新的分类器进行评估。评估合格之后,就可以利用新的分类器对新的图片进行分类工作。
地址:北京市海淀区苏州街3号大恒科技大厦北座12层
邮箱:sales@daheng-imaging.com