دوربین SC6000 جدیدترین دوربین هوشمند هایکروبات

دوربین SC6000 

دوربین SC6000 جدیدترین سری دوربین‌های هوشمند هایکروبات است که در قالب سیاست هر چه بهتر شدن محصولات و استفاده حد اکثری از ظرفیت دوربین‌های هوشمند، توسط شرکت هایکروبات به بازار جهانی عرضه شده است.

سری SC6000 دارای نسخه داخلی نرم‌افزار Vision Master بوده که بیش از 140 الگوریتم آماده برای پردازش تصاویر، از جمله انواع الگوریتم های یادگیری عمیق (Deep Learning) را شامل می‌شود.

این سری دوربین شامل مدل‌های از 1.6 تا 25  مگاپیکسل، رزولوشن بوده که هم به صورت رنگی و هم سیاه سفید (mono) به بازار عرضه شده است.

دوربین SC600  از CPU نسل دهم که با یک NPU در سطح کارت گرافیک جفت شده است، پشتیبانی می‌کند که عملکرد پردازش الگوریتم قوی تر و همچنین  پردازش سریع تر ماژول یادگیری عمیق را انجام می‌دهد.

پشتیبانی از منبع نور خارجی و پشتیبانی از لنز مانت C که دست شما را برای انتخاب لنز و کارایی هر چه بیشتر باز می‌گذارد

دارای سطح حفاظت از نفوذ IP67 که برای استفاده در محیط‌های سخت کارگاهی طراحی شده است.

پشتیبانی از انواع پروتکل‌های ارتباطی از جمله TCP, UDP, ModBus, Serial Port, Profinet, EtherNet/IP, Fins, MC, FTP, ….

دارای چندین رابط ورودی/خروجی چند کاناله و دارای کابل اخنصاصی برای اتصال لایت و صفحه نمایشگر.

اندازه نسبتا کوچک و طراحی جمع و جور و زیبا از ویژگی‌های این سری از دوربین‌های هوشمند هایکروبات است.

الگوریتم های دیپ لرنینگ که سری دوربین SC600 پشتیبانی می‌کند

 

1. DL classification module (یا دیپ لرنینگ طبقه‌بندی ماژول)

برای سناریوهای کاربردی با پس زمینه ساده، بافت سطحی یکنواخت و ویژگی های بارز می توانید تصاویر OK و NG را ثبت کنید و دوربین به طور خودکار باتوجه به تفاوت های رنگ، روشنایی، مساحت، شکل، لبه و… بدون مشارکت دستی زیاد، تشخیص سریع عیوب را یاد می گیرد و مدل سازی کرده و تشخیص را انجام می‌دهد. همچنین این مدل در داخل دوربین Train می شود و از قضاوت چند دسته ای پشتیبانی می کند و نیازی به کامپیوتر با کارایی بالا ندارد.

2. Character recognition module (ماژول تشخیص کاراکتر و عدد)

کاراکتر‌ها یا اعداد چاپ شده بر روی اشیاء را به کمک فن آوری هوش مصنوعی می‌توان توسط کامپیوتر تشخیص و تحلیل کرد برای انجام این کار به کمک الگوریتم‌های یادگیری عمیق(دیپ لرنینگ)کاراکتر‌ها یا اعداد به سیستم شناسایی می‌شود و امکان خوانش و تحلیل آنها امکان‌پذیر می‌گردد. که این قابلیت در زمینه‌های صنعتی، به طور گسترده ای در بسته بندی مواد غذایی و دارویی، الکترونیک C3، تولید قطعات خودرو، تنباکو و سایر صنایع برای دستیابی به شناسایی خودکار تاریخ تولید، شماره دسته، شماره محصول و سایر اطلاعات استفاده می شود.

در حال حاضر، OCR سنتی مبتنی بر تقسیم بندی آستانه و تشخیص کاراکتر DL (دیپ لرنینگ) مبتنی بر یادگیری عمیق برای تشخیص کاراکتر وجود دارد :

• سناریوهای کاربردی برای OCR سنتی: کاراکترهای واضح، کنتراست بالا، پس زمینه ساده، تقسیم آسان به تک تک کاراکترها
• سناریوهای کاربردی برای یادگیری عمیق OCR: بیش از یک شکل کاراکتر، کنتراست پایین، پس زمینه کمی آزاردهنده، چسبندگی اندک و اعوجاج
• 

3. Object Detection Module (ماژول تشخیص شیء) :

تشخیص هدف یادگیری عمیق را می توان به سادگی به عنوان یک فن آوری درک کرد که از مدل های یادگیری عمیق برای به دست آوردن همزمان اطلاعات دسته هدف و اطلاعات مکانی استفاده می کند. در مقایسه با طبقه‌بندی، تشخیص و درکی از پیش زمینه و پس زمینه تصویر می دهد.

الگوریتم تشخیص هدف براساس بخش بندی تصویر، یک ویژگی آماری هندسی هدف است. این روش تقسیم بندی و تشخیص هدف را ترکیب می کند و دقیق و بی‌درنگ است. به خصوص در صحنه های پیچیده، می تواند چندین هدف را در زمان واقعی پردازش کند، به طور خودکار اهداف را استخراج و تشخیص دهد و برای تشخیص اشیا، موقعیت یابی و طبقه‌بندی مناسب است.

در جدول زیر به بررسی برخی از الگوریتم‌های موجود در نرم‌افزار این دوربین برای پردازش تصاویر ذکر شده است :

منبع: هایک ربات