基於CNN的精巧型細菌分類技術
如何使用CNN技術進行細菌分類?
科學檢查或醫學診斷(如癌症或傳染病等)通常都要以生物樣本的微觀圖像來作為判斷基礎。使用CNN(卷積神經網路)技術可以增強成像系統,以便自動進行樣本評估,同時確保較高的置信度,有助於獲得始終如一的品質並加速處理過程。除了用於圖像採集的各個元件外,Basler還提供完美相容的整體視覺系統的開發服務,其中包括圖像處理和分析以及將數據傳輸到所需的目標環境。
細菌分類應用存在哪些挑戰?
快速精巧、價格親民、性能可靠——對於科學或醫學實驗室中基於視覺技術的分析設備而言,這些都是大家日益重視的因素。將所有這些要求相結合頗具挑戰性。從鏡頭、相機、線纜、處理板、系統到基於CNN的應用軟體,可完美匹配的元件至關重要,因為只有這樣才能打造出可正常運作的視覺系統,並且獲得可靠的結果和診斷。
適用於細菌分類的電腦視覺解決方案
通過演示設置,可確定樣本中有四種不同的細菌,結果確定性以百分比表示。借助Basler的專業知識,這個計算機視覺解決方案由完美協作的硬體和軟體元件組成。
系統硬體包括一個1/1.8英寸S-mount鏡頭、Basler dart相機模組(解析度為500萬像素,具有USB 3.0介面)、一根USB 3.0數據線和NVIDIA®的Jetson™ Nano處理板。
系統軟體由兩個部分組成:系統和應用軟體。系統軟體的各個元素相互形成了一個連貫的系統,並且能輕鬆集成到Linux架構中。該應用軟體是以CNN技術為基礎。CNN在主機端使用數據進行訓練,但推理(圖像分析和結果生成)過程是在設備本身(邊緣設備)上進行的。
CNN細菌分類視覺解決方案可為您帶來的優勢
通過CNN實現快速可靠的物體分類
整個視覺系統的各個元件均可無縫協作和提供最佳性能
一站式獲取硬體、軟體和開發技術,降低開發難度,減少專案成本和時間
此方案所用產品
想實施類似的方案嗎?這些產品能有所助益。