간결한 CNN 기반 박테리아 분류
CNN 기반 박테리아 분류 작업에서 중요한 점은 무엇입니까?
암 또는 감염성 질병 등에 대한 과학적 검사나 의학적 진단은 많은 경우 생물학적 샘플의 현미경 이미지를 기반으로 합니다. CNN (Convolutional Neural Network, 컨볼루션 신경망)을 사용하여 이미징 시스템을 향상시키면 샘플 평가가 자동화되는 동시에 높은 신뢰도가 보장됩니다. 따라서 일관된 품질과 프로세스 속도 개선에 기여할 수 있습니다. Basler는 이미지 캡처를 위한 개별 구성 요소 외에도 화상 처리 및 분석은 물론 원하는 대상 환경으로의 전송을 포함하여 조정된 전체 비전 시스템의 개발 서비스를 제공합니다.
박테리아 분류에서 어려운 점은 무엇입니까?
컴팩트하고 빠르고 경제적이며 안정적입니다. 과학 분야 또는 의료 실험실용 비전 기반 분석 디바이스에 대한 요구 사항이 점점 더 중요해지고 있습니다. 이러한 모든 요구 사항을 결합하는 것은 까다로운 작업입니다. 렌즈, 카메라, 케이블 및 프로세서 보드에서 시스템 및 CNN (Convolutional Neural Network, 컨볼루션 신경망) 기반 어플리케이션 소프트웨어에 이르기까지 모든 구성 요소가 조화를 이루는 것이 중요합니다. 이러한 접근 방식은 신뢰할 수 있는 결과와 진단을 위한 기본 조건을 충족하는 기능적인 비전 시스템을 만드는 유일한 방법입니다.
박테리아 분류를 위한 컴퓨터 비전 솔루션
데모 설정에서는 샘플에서 네 가지 다른 박테리아 종을 식별하며, 결과의 확실성(신뢰도)은 백분율로 표시됩니다. Basler의 전문 기술 덕분에, 이 컴퓨터 비전 솔루션은 하드웨어와 소프트웨어 구성 요소들이 완벽하게 연동되어 작동합니다.
시스템 하드웨어는 1/1.8" S-mount 렌즈, 5 MP 해상도의 Basler dart 카메라 모듈과 USB 3.0 인터페이스, USB 3.0 데이터 케이블, 그리고 NVIDIA®의 Jetson™ Nano 프로세서 보드로 구성됩니다.
시스템 소프트웨어는 시스템 소프트웨어와 어플리케이션 소프트웨어로 구성됩니다. 시스템 소프트웨어의 각 요소는 통합된 시스템을 이루며, Linux 아키텍처에 쉽게 통합될 수 있습니다. 어플리케이션 소프트웨어의 일부인 pylon AI vTool 분류(Classification)는 CNN을 기반으로 이미지 분석을 수행합니다. 다양한 박테리아 유형을 분석하고, 이전에 개별 데이터 세트로 최적화된 분류 모델(CNN)을 사용해 분류를 진행합니다. CNN 학습은 호스트 측에서 이루어지며, 추론(이미지 평가 및 결과 생성)은 엣지 디바이스에 최적화된 pylon AI vTool 분류를 통해 디바이스 내에서 직접 수행됩니다.
CNN 기반 박테리아 분류를 위한 비전 솔루션의 이점
모든 비전 시스템 구성 요소의 최적화된 원활한 연동
하드웨어, 소프트웨어 및 개발을 원스톱으로 제공하여 노력, 비용 및 시간을 효율적으로 절감
이미지 분석의 간편한 통합 및 이미지 획득에 최적화된 맞춤형 솔루션
교체 가능한 CNN으로 유연성 제공
엣지 디바이스에 최적화된 pylon AI vTool 분류를 통해 빠르고 신뢰성 높은 객체 분류 구현
해당 솔루션용 제품들
비슷한 솔루션을 구현하고 싶으신가요? 다음 제품이 도움이 될 것입니다.
