FLIR Neuro Technology: Automatice las decisiones complejas con IA

Mediante métodos de aprendizaje profundo, los desarrolladores pueden automatizar rápidamente la toma de decisiones subjetiva y compleja. El resultado es la capacidad de desarrollar sistemas más rápido, ofrecer productos de mayor calidad y aumentar la productividad.

Normalmente, los sistemas de aprendizaje profundo requieren cámaras y sistemas de ordenadores por separado. Con frecuencia, las imágenes capturadas para el análisis deben enviarse a un host o un sistema en la nube, donde la red neural ofrece una decisión derivada de inferencias.  Esto no suele ser la situación ideal, ya que depender del procesamiento remoto o en la nube aumenta la latencia e introduce riesgos de fiabilidad y seguridad.

 FLIR Neuro Technology elimina estos riesgos y simplifica la infraestructura del sistema, ya que le permite implementar su red neural entrenada directamente en la cámara. Esto reduce el coste y la complejidad del sistema al permitir la toma de decisiones directamente desde la cámara, en muchos casos sin un PC host. Las decisiones derivadas de inferencias que se producen en la cámara (situación también conocida como “en el perímetro”) eliminan la latencia y los potenciales riesgos de seguridad en el sistema.  En el caso de la cámara FLIR Firefly DL, tanto la captura de imágenes como la decisión de inferencia se realizan con un sistema que ocupa un espacio de 27 mm x 27 mm x 14,5 mm.

Plataforma abierta para la mayor flexibilidad

  • Para ofrecer la máxima flexibilidad, Neuro es compatible con estructuras de código abierto populares como TensorFlow y Caffe.
  • Para una implementación sencilla, la herramienta de conversión NeuroUtility de FLIR para desarrolladores de aprendizaje profundo nuevos y experimentados ayuda a implementar redes de clasificación, detección y localización en sus cámaras compatibles con Neuro de manera rápida y sencilla.

Key Deep Learning Functions

Funciones de aprendizaje profundo claves

Neuro es ideal para las funciones de inferencia de clasificación, detección y localización de objetos:

  

CLASIFICACIÓN
Monitorización de conductores/pilotos Detección de vigilia del conductor o piloto
Inspección de productos Clasificación y ordenamiento de productos
Prueba de fallos para productos biomédicos (uso general) Identificación de anomalías específicas de tejidos en muestras de biopsias
Detección de faltantes de piezas Detección de faltantes de piezas que deberían estar incluidas en una caja
Reconocimiento de rostros (automatización) Reconocimiento de rostros para automatización en edificios
Reconocimiento de rostros (seguridad) Reconocimiento de rostros con fines de seguridad
Inspección de paneles solares Diferenciación entre rayones cosméticos y fisuras críticas
Inspección de embalajes Inspección de embalajes impresos
Lectura de lenguaje de señas Vinculación de lenguaje de señas con palabras
Inspección de piezas discretas Inspecting individual parts
Detección de mascotas Identificación de mascotas para controlar dispensadores de alimento/puertas para mascotas
Inspección de PCB Identificación de defectos en PCB de ubicaciones específicas
DETECCIÓN Y LOCALIZACIÓN
Inspección de productos textiles Detección de defectos en productos textiles
Prueba de fallos para productos biomédicos (detección específica) Identificación de anomalías específicas de tejidos en muestras de biopsias
Inspección de wafers de semiconductores (uso general) Inspección de wafers de silicona y comparación con piezas en buen estado conocidas
Evitación de colisiones para UAS Detección de potenciales peligros de colisión para drones
Sistemas de punto de venta Identificación de productos en cinta transportadora de salida
Detección de artículos sin existencias Identificación de productos sin existencias en un estante
Inspección de paquetes de blísteres Inspección de embalajes para productos farmacéuticos
Semiconductor wafer inspection - specific defect Búsqueda de clases de defectos específicos en un wafer de silicona
Inspección de wafers de semiconductores (uso general) Looking for specific class of defects on a silicon wafer
Weed detection Transmisión de coordenadas para eliminación de malezas
License plate detection Reconocimiento de patentes impresas
Killbot Guiado para robots que identifican y erradican especies invasivas
Detección y seguimiento de piojos marinos Detección y seguimiento de piojos marinos en granjas piscícolas
Demographic profiling Estimating age and gender of people in a scene for retail analytics
Safety system for mobile robots Detect people and avoid running them over
Soldering inspection Inspection of solder joint quality

Funcionalidad para que el aprendizaje profundo sea más sencillo

  • §  Neuro ofrece un redimensionamiento automático de imágenes. Las imágenes transmitidas desde la cámara se dimensionan para hacerlas coincidir con los parámetros de su red neural

  • Neuro provides instant result validation. You can iterate quickly by uploading test images and instantly validate inference results; eliminate the need for a separate test environment.  This is achieved with image injection whereby test images bypass the core camera functions and are sent directly to the neural network for validation.

Cámaras FLIR compatibles con Neuro

Cámara FLIR Firefly DL

Monitorización de conductores/pilotos

Detección de vigilia del conductor o piloto

Inspección de productos

Clasificación y ordenamiento de productos

 

Artículos relacionados