The Imaging Source 官方部落格

USB 3 工業相機實現高速檢測分類

發佈於 2021年4月19日

REGG Inspection i600系列專為要求高速檢測任務而設計,可使用高達5台The Imaging Source USB 3相機進行分析及分類各種緊固件。

REGG Inspection 使用模組設計概念進而設計並產製高品質的檢測系統。 依據客戶需求,系統可配置高達5台高解析度的工業相機以及2台機載電腦,用於處理、分析、回報和決策命令。REGG的高速系統已在全球所處的企業使用,以確保各種緊固件類型的生產和品質控制。

TIS Linux函式庫更新: 嵌入式Linux作業系統

發佈於 2021年4月13日

Linux受到數以千計專業及志願的程式設計師們所使用,其強大且活躍的編程社群提供了各種支持資源,使其成為嵌入式開發人員的主要操作系統。

Linux是一套高穩定性且開源的操作系統,由於其低成本、可擴展性及易於用戶化的特性,而獲得嵌入式開發人員們的廣泛認可。

多年來,The Imaging Source不斷地維護、開發其 Linux library ,包括Apache 2.0授權許可發布的開源項目- Linux tiscamera SDK 而最新版本的 tiscamera SDK包括了補充及更新,以提高嵌入式應用程式的性能:

  • 支援NVIDIA Jetson、Raspberry Pi平台與The Imaging Source USB或GigE相機的整合
  • 支援Raspberry Pi 4平台上基於The Imaging Source MIPI相機的GStreamer元素,進而實現標準化的相機處理
  • 總體穩定性和性能改善

Y您可以在 changelog 中找到tiscamera SDK的所有變更。

TIS顯微相機助力於病理影像數位化

發佈於 2021年1月14日

對於許多嚴重的血液疾病,例如白血病、多發性骨髓瘤和淋巴瘤,骨髓抹片中血液細胞的分類計數是診斷血液疾病的首要關鍵任務。 當前,這些觀察骨髓細胞型態評估仍由病理學家與訓練有素的醫檢師以手動分類計數方式進行,然而,執行這些技術的人員需要高度的專注力與精確度。 諸如壓力、疲勞、分心和訓練水準等"人為因素",容易造成檢測的錯誤解讀,或者科學家們稱之為 "操作員之間的操作差異"。 為了提高血液醫療診斷的準確性和效率,aetherAI雲象科技開發了Microscope x Hema一個完整的數位病理系統,其藉由The Imaging Source的USB 3.0 彩色顯微相機產生數位影像,並採用深度學習技術進行處理。

The Imaging Source USB 顯微相機提供影像予<strong>aetherAI's <i>Microscope x Hema</i></strong>系統,並藉由深度學習技術改善骨髓抹片診斷的準確性及速度。

藉由深度學習進行細胞分類

為了完善地訓練系統的卷積神經網路(CNN),aetherAI與台大醫院合作開發了世界首創用於骨髓抹片的分類計數AI模型。 此模型由500,000顆細胞的骨髓抹片樣本訓練而建立成一巨大的標註資料庫。 Microscope x Hema's 的嵌入式解決方案包括支援AI顯微鏡控制軟體、用於分類計數的AI模型以及支援AI推論的專用硬體。 當使用標準光學顯微鏡採集的細胞影像,往往因為含帶著複雜的背景而不利於有效地細胞分析,而影像品質也會受到模糊強度、雜訊等因素的影響,在不同成像條件亦會導致影像亮度和色調的差異。 具備2000萬畫素的DFK 33UX183 顯微相機 以高靈敏度的CMOS感測器,提供低噪聲影像(高信噪比),其影像預處理可以濾除視覺雜訊,從而增強影像邊緣與輪廓,並突出細節、減少影像模糊。Microscope x Hema 的影像演算法從影像中提取特徵,接著,設置參數例如形狀、輪廓、不規則碎片、顏色和紋理質地等。 一旦系統對樣本中的細胞進行分類和計數,工作流程即告完成。

DFK 33UX183顯微相機擷取的細胞影像經由<strong>aetherAI</strong> 的<i><strong>Microscope x Hema</i></strong> 進行分析並對有核骨髓細胞鑑別與分類。 圖片來源:<i>aetherAI</i>

藉由減輕醫療保健專業人員的負擔,aetherAI 致力於 "提供數位病理和人工智慧診斷支援的解決方案",進而提高醫療診斷品質。 公司創始人Joe Yeh博士表示:" AI革命將實現數位醫學影像的終極價值,並將醫療保健推向新的高度。"

軟體的使用者介面呈現骨髓細胞經預處理後的影像,並提供細胞類別占比及數量報告。圖片來源:<i>aetherAI</i>

兆鎂新參與耶誕慈善競標餐會

發佈於 2021年1月11日

2020年對世界來說是充滿挑戰的一年,但並沒有削減台北英國商會 (British Chamber of Commerce in Taipei) 會員及其家人與朋友的捐贈精神。2020年12月11日第21屆聖誕節慈善拍賣和餐會於台北舉行,為台北英國商會三個主要慈善計劃進行募款,籌集了超過170萬美元,成為商會20年來最成功的籌款活動。

多年來,The Imaging Source 兆鎂新 也與許多公司和組織合作支持慈善活動、關懷地區教育,以履行其企業社會責任。此次拍賣會中,The Imaging Source競標贏得台灣國際兒童村計畫競標 (SOS Children Village) (三個慈善計畫其中之一),同時也是最高的單項出價,貢獻了慈善資金。

The Imaging Source認為每個孩子都應該有機會獲得他們所需的教育並實現他們的夢想。台北英國商會執行長Steven Parker表示: 「由此慈善餐會募得的款項將能幫助我們提供一位學生全額大學獎學金;每年幫助埔里男孩之家80位男孩以及每年支持台灣國際兒童村舉辦年度活動和計畫。」

多感測器數據融合用於產線視覺檢測

發佈於 2020年12月7日

視覺檢測是大多數品管工作流程的基石。由人工執行時,過程昂貴,容易出錯且效率低落: 1成至2成的誤判過篩/偏移率及生產瓶頸很常見。以零檢出產線生產品管產品IQZeProd (Inline Quality control for Zero-error Products) 為名,Fraunhofer IWU的研究人员开发新的产线监控解决方案,以在生产过程中尽早辨识各种材料(例如木材,塑料,金属,和涂漆的表面)的瑕疵。系统使用来自多种传感器的多传感器数据融合技术,在零组件经过生产线时识别结构和表面缺陷。目标是透过提高检测过程可靠性及改进检测缺陷,创造强大且持续性高的工业生产过程。系统的核心是研究人员自行开发的Xeidana®軟體框架及20台工業相機的模組。研究人員對相機特定的要求標準:全局快門黑白感測器;低震動實時觸發;超高數據速率進行可靠數據傳輸,且能直接集成到軟體框架中。他們選擇了The Imaging Source 兆鎂新GigE Vision標準工業相機

IQXeProd中20台TIS GigE工業相機的圖像數據,以及高光譜和非光學感測器呈現的數據。使用Xeidana軟體框架進行融合,以實現零誤差的產線QC系統。<i>(圖片來源: Fraunhofer IWU)</i>

Xeidana提供處理光學,熱感應,多光譜,偏振或非光學感測器(例如渦電流)的數據所需的靈活性,而許多檢測任務則需透過標準光學感測器提供的數據而完成。項目經理亞歷山大·皮耶爾(Alexander Pierer)表示 :「我們經常使用數據融合來多重掃描關鍵零組件區域。多重包含從不同角度掃描同一區域,來模擬手動檢測過程中使用的『鏡像』。」為了獲取完成這些任務所需的視覺數據,研究人員創建了一個由20台TIS相機組成的模組:19台黑白相機 (DMK 33G445)及1台彩色相機 (DFK 33GX273)。

19台黑白工業相機從關鍵零組件區域收集數據。 Xeidana處理多重數據以模擬“鏡像”的過程 ─ 一種在手動檢測過程中很常見的技術。<i>(圖片來源:Fraunhofer IWU) </i>

黑白感測器: 最適瑕疵檢測

由於其固有的物理特性,黑白感測器能呈現比彩色感測器更高的細節,更高的靈敏度及更低的噪點。 皮耶爾指出:「黑白感測器足以檢測因表面亮度差異所引起的缺陷。雖然顏色數據對我們人類非常重要,但在技術應用中,顏色數據通常無法提供其他資料。我們使用彩色相機,透過 HSI變換進行色調分析,以檢測可能顯示塗料厚度有問題的顏色偏差。」

任務需求和短曝光時間意味著工程師對於相機選擇有非常精確的標準設定,皮耶爾繼續說明:「主要選擇標準是全局快門和實時觸發,震動極低,因為我們必須在很短的曝光時間內(10µs的範圍內)拍攝移動中的零件。相機和Lumimax照明(iiM AG)之間的曝光(通過硬體輸入觸發)必須絕對同步。對於我們來說,很重要的一點是,感興趣區域 (ROI) 已限制在相機韌體內相關區域,來優化圖像傳輸的網絡負載。此外,我們仰賴在極高速率時還能進行可靠的數據傳輸。由於零組件已在過程中被檢測過了,因此不會出現圖像錯誤或碎片化的圖像傳輸。」

電動變焦相機可快速調整觀測範圍(FOV)

在項目過程中,團隊構建了多個系統:用於工業設置以及示範和測試目的。典型工業環境中受檢測的零組件持續不停移動,DMK 33G445和DFK 33GX273相機提供的定焦成像滿足了團隊的要求。然而,針對示範/測試系統,研究人員使用許多不同零組件進行測試,包括金屬零件,木製毛坯和3D印刷塑料,就需要具有可調節觀測範圍(FOV)的相機。The Imaging Source 兆鎂新 DMK Z12G445黑白變焦相機具有集成電動變焦功能,符合任務要求。

變焦相機可提供快速可調的觀測範圍(FOV),使示範系統能夠掃描各種尺寸和形狀的零組件。 <i>(圖片:Fraunhofer IWU)</i>

大規模並行處理技術可與數據傳輸保持同步並實現深度學習

通過20多種不同類型的感測器向系統傳送數據,可以應對400 MB / s量級的數據流。皮耶爾解釋:「該系統的設計吞吐速度高達1 m / s,…,每三到四秒,二十個相機模組就可以創建400張圖像。此外,來自高光譜的線陣相機和粗糙度測量系統,都必須在10秒週期內處理和評估完成。為了滿足這一要求,必須要有大規模並行數據處理的能力,包含28核心 (CPU)和顯卡(GPU)。這種並行化使檢測系統能夠與生產週期保持同步,提供具有100%控制能力的產線系統。」Xeidana的模組化框架特別針對現代多核系統能夠進行大規模並行處理的能力進行優化,使應用工程師能夠使用這個插件系統 (可透過多種不同圖像數據庫來延展新功能) 快速實現大規模並行、特殊應用的品管項目。

此系統的數據融合功能可以通過多種方式使用,取決於需要什麼樣的資料來提供最可靠的結果。除了標準的機器視覺檢測任務外,研究人員團隊目前正努力整合其他非破壞性評測技術,例如3D視覺以及不可見光的其他種類感測器(例如X射線、雷達、紫外線、太赫茲)來檢測其他類型的表面和內部缺陷。

處理流程網絡。綠色和黃色模組並行執行單獨的圖像處理任務。 <i>(圖片:Fraunhofer IWU)</i>

由於Xeidana支援大規模並行處理,深度學習技術也可用於檢測標準不容易量化或定義的零組件的瑕疵檢測。皮耶爾澄清:「這些技術對於具有不規則質地的有機成分(例如木材和皮革)以及紡織品尤其重要。」 由於機器學習技術有時難以在某些情況下應用(例如,分類決策的可追溯性有限,以及在調試過程中無法手動調整演算法),皮耶爾補充:「我們主要依靠經典的圖像處理演算法和信息處理的統計方法來執行我們的項目。只有達到極限時,我們才轉向機器學習。」

BMWI logo 致謝:The Imaging Source 兆鎂新歐洲總部是IQZeProd計畫產業工作組活躍成員,並且與研究合作夥伴進行密切的專業交流。德國測量控制和系統工程研究協會(DFMRS)的促進聯合工業研究計劃(IGF)項目IQZeProd (232 EBG)-DFMRS是由德國國際金融基金會在聯邦經濟和能源部根據德國聯邦議院決議通過的促進聯合工業研究計劃資助。請注意,促進聯合工業研究計劃項目232 EBG的最終報告已公開給德國民眾。最終報告可從德國測量控制與系統技術研究協會獲得。根據德國聯邦議院的決議,由聯邦經濟和能源部支援。

查找之前的發文

我們的官方部落格創立於2007年, 所有歷史發文可於資料庫及標籤雲中查詢。

關於 The Imaging Source

自1990年成立以來, The Imaging Source 兆鎂新 成為全球製造工業相機、視訊轉換器及嵌入式視覺組件的知名品牌製造商, 產品系列已廣泛地應用於工業自動化、品質檢測、醫學、科學研究及保全等領域。

我們全方位的產品系列包括了 USB 3.1USB 3.0USB 2.0GigEMIPI等多元介面的工業相機以及相關機器視覺產品, 皆以創新、高品質及滿足高性能應用需求而著名。

已通過 ISO 9001:2015標準認證 MVTEC | Edge AI + Vision Alliance | EMVA

聯繫我們