Oprogramowanie dostosowane do indywidualnych potrzeb
Oprogramowanie ZEISS do analizy obrazu dostosowane do Twoich potrzeb
Standardowe oprogramowanie nie spełnia wszystkich potrzeb? Oferujemy niestandardowe oprogramowanie do kompleksowej analizy obrazu dostosowane dokładnie do Twoich wymagań i życzeń.
- Oprogramowanie oparte na sztucznej inteligencji do przemysłowego przetwarzania obrazu
- Zautomatyzowane, szybkie, niezawodne, skalowalne i przede wszystkim powtarzalne wyniki
- Zwiększona produktywność dzięki sterowaniu oprogramowaniem przez API (interfejs programowania) w tle
- Unikalne możliwości w zakresie rozszerzania funkcjonalności i analiz specyficznych dla użytkownika
Standardowe oprogramowanie nie spełnia Twoich wymagań? ZEISS ma rozwiązanie!
Dostosuj swoje oprogramowanie! ZEISS ZEN core można rozbudować za pomocą własnego środowiska makro (OAD - Open Application Development) i Python. ZEN library do zaawansowanej analizy i kontroli oprogramowania jest dostępna bezpłatnie na stronie github.com. Oznacza to, że można rozwiązywać nawet najbardziej złożone zadania analityczne dzięki możliwości wykorzystywania otwartego kodu źródłowego i własnego programowania lub jako usługi ZEISS. Z przyjemnością doradzimy Państwu w tej kwestii.
Praktyczność: procesy analizy i oceny przebiegają automatycznie w tle
ZEISS ZEN core umożliwia to, pozwalając na przesyłanie zewnętrznych sygnałów dla etapów początkowych i końcowych analiz obrazu za pośrednictwem wewnętrznego interfejsu oprogramowania. Oznacza to, że proces może być wykonywany w tle. Odbywa się to bez dalszej manualnej interakcji, a tym samym umożliwia największą możliwą automatyzację analiz w celu zwiększenia przepustowości.
Twoje możliwości dzięki personalizowanemu oprogramowaniu do analizy obrazu od ZEISS
Standardowe oprogramowanie nie spełnia wszystkich potrzeb? Oferujemy niestandardowe oprogramowanie do kompleksowej analizy obrazu dostosowane dokładnie do wymagań i życzeń klienta.
- Sterowanie robotem i załadunkiem
- Połączenie z oprogramowaniem zewnętrznym
- Analizy działające w tle
- Integracja ze złożonymi przepływami pracy
- Sterowanie zewnętrznymi systemami i oświetleniem
Automatyczna analiza grubości powłoki
Automatyczne wykrywanie wad baterii
Elektromobilność jest coraz bardziej powszechna, a akumulatory litowo-jonowe odgrywają kluczową rolę w przemyśle motoryzacyjnym. Ważna jest nie tylko pojemność i żywotność, ale przede wszystkim bezpieczeństwo baterii. Sieci neuronowe mogą wspierać proces kontroli baterii pod względem wad poprzez automatyczne wykrywanie wad w skali mikroskopowej.
W ramach projektu Aalen University szczegółowo zbadał pryzmatyczny akumulator litowo-jonowy (NMC) do pojazdów elektrycznych typu plug-in za pomocą modułów z pakietu oprogramowania ZEN wykorzystujących sztuczną inteligencję. Model AI został wytrenowany do rozpoznawania i oceny mikrostruktury akumulatora. W ten sposób można zlokalizować wady, takie jak pęknięcia, zagięcia, wtrącenia itp.
Wyniki analiz można zilustrować za pomocą mapy cieplnej pokazanej na tym obrazku. Niebieskie kolory reprezentują niewielkie lub brak odchyłek od oczekiwanej struktury. Im wyższy udział koloru czerwonego w tej wizualizacji, tym bardziej wynik odbiega od wytrenowanej struktury i sygnalizuje wadę. Analizy te mogą zapewnić bezpieczeństwo i zgodność z normami jakościowymi dla baterii litowo-jonowej.1
-
1
Źródło: Badmos, O., Kopp, A., Bernthaler, T. et al. Wykrywanie wad na obrazie elektrody baterii litowo-jonowej przy użyciu konwolucyjnych sieci neuronowych. J Intell Manuf 31, 885–897 (2020). https://doi.org/10.1007/s10845-019-01484-x