Softwarové řešení na míru

Softwarové řešení na míru

Software ZEISS pro analýzu obrazu speciálně přizpůsobený vašim požadavkům

Nesplňuje standardní software všechny vaše požadavky? Nabízíme vám softwarové řešení na míru pro komplexní analýzy obrazu, které je přesně přizpůsobeno vašim požadavkům a potřebám.

  • Software pro průmyslové zpracování obrazu založený na umělé inteligenci
  • Automatizované, rychlé, spolehlivé, škálovatelné a především reprodukovatelné výsledky
  • Vyšší produktivita díky ovládání softwaru přes API (programovací rozhraní) na pozadí
  • Unikátní možnosti rozšíření uživatelsky specifických funkcí a analýz
Nesplňuje standardní software vaše požadavky? ZEISS má pro vás řešení!

Nesplňuje standardní software vaše požadavky? ZEISS má pro vás řešení!

Přizpůsobte si software. ZEISS ZEN core lze rozšířit pomocí vlastního makro prostředí softwaru (OAD - Open Application Development) a Pythonu. Knihovna ZEN pro pokročilou analýzu a ovládání softwaru je volně dostupná na github.com. To znamená, že i ty nejsložitější analytické úlohy můžete řešit buď pomocí open source kódu a vlastního programování nebo jako službu společnosti ZEISS. Rádi vám s tím poradíme.

Nesplňuje standardní software vaše požadavky? ZEISS má pro vás řešení!

Praktické: Analytické procesy a vyhodnocení probíhají automaticky na pozadí

ZEISS ZEN core to umožňuje přenosem externích signálů pro počáteční a koncový bod analýzy obrazu prostřednictvím interního rozhraní softwaru. To znamená, že proces lze provádět na pozadí. Probíhá to bez jakékoli další manuální interakce, tím se dosahuje co největší automatizace analýz pro vyšší prostupnost.

Vaše možnosti s přizpůsobeným softwarem pro analýzu obrazu od společnosti ZEISS

Nesplňuje standardní software všechny vaše požadavky? Nabízíme vám softwarové řešení na míru pro komplexní analýzy obrazu, které je přesně přizpůsobeno vašim požadavkům a potřebám.

  • Řízení robotů a nakládání robotů
  • Připojení k externímu softwaru
  • Analýzy probíhající na pozadí
  • Integrace do komplexních pracovních postupů
  • Řízení externích systémů a osvětlení

Softwarová řešení ZEISS na míru vedou k úspěchu

Příklady aplikací
PŘÍKLAD POUŽITÍ 1

Automatická analýza tloušťky povlaku

Automatická detekce vad baterií
PŘÍKLAD POUŽITÍ 2

Automatická detekce vad baterií

Elektromobilita se stále více rozšiřuje, lithium-iontové baterie hrají klíčovou roli v automobilovém průmyslu. Důležitá je nejen kapacita a životnost, ale především musí být zaručena bezpečnost baterie. Pro kontrolu vad baterie mohou neuronové sítě pomoci s automatickou detekcí vad v mikroskopickém měřítku.

V rámci projektu zkoumala Univerzita v Aalenu podrobněji prizmatickou lithium-iontovou baterii (NMC) pro plug-in elektromobily pomocí modulů AI ze softwaru ZEN core suite. Model umělé inteligence byl natrénován k rozpoznání a vyhodnocení mikrostruktury baterie. Je tak možné lokalizovat vady, jako jsou praskliny, zlomy, cizí vměstky atd.

Výsledky analýz lze vizualizovat pomocí tepelné mapy zobrazené na tomto obrázku. Modré zbarvení představuje žádné nebo jen drobné odchylky od očekávané struktury. Čím vyšší je podíl červené v této vizualizaci, tím více se výsledek odchyluje od naučené struktury a signalizuje vadu. Tyto analýzy mohou zajistit bezpečnost a shodu s normami kvality pro lithium-iontové baterie.1

Shrnutí

Přidaná hodnota softwarového řešení na míru
  • ZEISS ZEN core umožňuje automatizované pracovní postupy

  • Umělá inteligence redukuje dobu měření a chyby – lidské oko je nahrazeno strojovým učením

  • Automatizace pro všechny rutinní úlohy

  • Vhodné a plně podporované řešení: Nejnovější technologie AI jsou integrovány do standardních řešení

  • Připraveno na budoucnost díky neustálým aktualizacím softwaru

Try out ZEN core

Simply register and test ZEN core free of charge - without any contractual obligation. Get to know our image analysis and machine learning tools in up to 60 days.

Formulář se načítá…

If you want to have more information on data processing at ZEISS please refer to our data privacy notice.


  • 1

    Zdroj: Badmos, O., Kopp, A., Bernthaler, T. et al. Image-based defect detection in lithium-ion battery electrode using convolutional neural networks. J Intell Manuf 31, 885–897 (2020). https://doi.org/10.1007/s10845-019-01484-x