使用案例

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

在示範的設定中，會檢測出樣本中的四種不同細菌，其結果確定性（可信度）以百分比表示。因為有 Basler 的專業技術，電腦視覺解決方案才能讓軟硬體元件合作無間。

系統的硬體組成包括一具 1/1.8" 的 S-mount 鏡頭、一台 5MP、搭載 USB 3.0 介面的 Basler dart 相機模組、一條 USB 3.0 資料線材，以及一張 NVIDIA® Jetson™ Nano 處理器主機板。

系統軟體由系統與應用軟體組成。系統軟體的個別元件，組成一個整體系統，且能輕易整合到一個 Linux 架構之中。pylon AI vTool Classification 是應用軟體的其中一環，以 CNN 為基礎來進行影像分析；該軟體分析不同種類的細菌，並根據以個別資料組預先最佳化的分類模型 (CNNs) 來進行細菌分類。CNN 在主機端進行訓練，而推論 (影像評估與結果產生) 則在裝置上執行，使用特別針對在邊緣裝置上使用而最佳化的 pylon AI vTool Classification 進行。