Kompakte CNN-basierte Bakterien-Klassifizierung
Worum geht es bei der CNN-basierten Bakterien-Klassifizierung?
Naturwissenschaftliche Untersuchungen oder medizinische Diagnosen – z. B. von Krebs oder Infektionskrankheiten – basieren oft auf mikroskopischen Bildaufnahmen biologischer Proben. Die Ergänzung des bildgebenden Systems um ein Convolutional Neural Network (CNN) automatisiert die Probenauswertung bei gleichzeitig hoher Konfidenz. Sie trägt somit zu konstanter Qualität und einer Beschleunigung des Prozesses bei. Basler bietet neben den Einzelkomponenten für die Bild-Erfassung die Entwicklung eines abgestimmten Vision Gesamtsystems inklusive Bild-Verarbeitung und -Analyse sowie Übergabe in die gewünschte Zielumgebung.
Worin liegt das Problem bei der Bakterien-Klassifizierung?
Kompakt, schnell, günstig, zuverlässig – das sind immer wichtiger werdende Anforderungen an Vision-basierte Analysegeräte für naturwissenschaftliche oder medizinische Labore. Alle Anforderungen zu vereinen, ist eine Herausforderung. Entscheidend sind aufeinander abgestimmte Komponenten von Objektiv, Kamera und Kabel über Prozessorboard bis hin zu System- und CNN-basierter Anwendungssoftware. Nur so entsteht ein funktionierendes Vision System, welches die Basis für zuverlässige Ergebnisse und Diagnosen bereitstellt.
Computer Vision Lösung zur Bakterien-Klassifikation
In dem Demo-Aufbau werden exemplarisch vier verschiedene Bakterien-Spezies in der Probe identifiziert und mit prozentualer Angabe der Ergebnissicherheit (Konfidenz) ausgegeben. Baslers Computer Vision Lösung besteht aus Hardware- und Software-Komponenten, die dank unserer Expertise nahtlos zusammenarbeiten.
Die Hardware des Systems setzt sich zusammen aus einem 1/1.8“ S-Mount Objektiv, einem Basler dart Kameramodul mit 5 MP Auflösung und USB 3.0 Schnittstelle, einem USB 3.0 Datenkabel und einem Jetson™ Nano Prozessorboard von NVIDIA®.
Die Software des Systems besteht aus System- und Applikationssoftware. Die einzelnen Elemente der Systemsoftware bilden ein kohärentes System und lassen sich einfach in eine Linux-Architektur integrieren. Die Applikationssoftware basiert auf einem CNN. Das CNN wird auf der Host-Seite mit Daten trainiert, aber die Inferenz (Bildauswertung und Ergebnisgenerierung) ereignet sich im Gerät selbst (at the edge).
Ihre Vorteile der Vision Lösung zur CNN-basierten Bakterien-Klassifizierung
Zuverlässige und schnelle Objekt-Klassifizierung dank CNN
Nahtlose und optimale Zusammenarbeit der Komponenten des gesamten Vision Systems
Hardware, Software und Entwicklung aus einer Hand spart Aufwand, Kosten und Zeit
Produkte für diese Lösung
Sie möchten eine vergleichbare Lösung umsetzen? Diese Produkte helfen Ihnen dabei.