用于自动图像分析的深度学习

人工智能带来可靠的结果

现代显微技术面临的最大挑战之一是图像分割,即把图像分割成不同的区域。要识别图像中的多个不同区域,需要经验和训练有素的双眼,或是专门为此训练的人工智能(AI)。

深度学习是一种机器学习方法,可以快速检测出人眼可能忽略的微小错误和偏差。如此一来,您只需花很少的精力便能加快和改进图像分析。利用蔡司的软件功能创建可重复、可扩展的自动例程。提高成果和产品的质量。

借助蔡司ZEN Intellisis,将深度学习的潜力用于图像处理:

  • 不受制造商影响,自动分析来自各种成像系统的二维和三维图像
  • 对二维和三维内容进行可重复和可扩展的自动分割
  • 通过深度学习大幅缩短评估时间
  • 基于云的简单界面,用于训练和创建人工智能模型
  • 只需点击一下,即可在云端或本地对二维和三维成像中的复杂图像进行图像分割
  • 通过重复使用训练有素的人工智能模型,可在整个组织内轻松共享专家知识

图像分割的挑战

图像分割用于分析用显微镜拍摄的图像。分割是指将图像划分为对后续分析和分类十分重要的特定区域。例如,这种区域可以是部件表面的缺陷或污染,也可以是不同材料层的检测。在随后的图像分析和识别区域分类过程中,区域本身和不同区域之间的边界都会被考虑在内。这样既能提供准确的结果,又能发现错误。

然而,传统的分割方法,如阈值法(灰度值分析)很快便会达到极限。

如果这些区域的颜色和亮度相似,便难以区分其灰度。为了识别图像中的物体和区域,用户还面临着图像中哪些特征是相关的问题,例如颜色、纹理或边缘。

同样重要的是,要知道如何结合特征来发现对象和类别。处理图像时添加的类别越多,任务就越复杂。寻找电器显示屏上的划痕也是一项挑战,很难通过基于规则的分析来解决,因为每道划痕的大小都不一样,有自己的形状,而且可能出现在整个表面上。采用深度学习技术进行图像处理是最合适的解决方案。

图像分割的挑战
图像分割的挑战

采用人工智能图像分割技术的印刷电路板触点SEM(扫描电子显微镜)图像

深度学习如何协助图像处理?

当传统的图像分割方法无法满足要求时,便会用到机器学习和深度学习。可训练系统由神经网络组成,其中存储了图像处理的所有相关信息。从技术上讲,正确区分不同的区域和特征至关重要,这样才能进行最佳分析,获得准确且可重复的结果。

创建一个训练模型,教人工智能如何分析图像。通过为对质量保证非常重要的不同特征分配不同的颜色,在图像(或多个图像)上标出某些区域。人工智能学习区域或特征的属性,并创建自己的分类算法。然后将算法应用于尚未标记或着色的剩余图像数据。人工智能会自主学习与某个类别相关的需要特别关注的特征。分析的训练数据或样品图像越多,算法就越准确。

人工智能图像处理为您带来的优势

如整个图像数据的分割效果不理想,可以重新训练注释及其参数。通过这种方式,人工智能可以学习到新的特征,并对算法进行修正,直到获得准确的结果。这一优化模型可自动应用于在相同成像条件下(如显微镜下)拍摄的所有同类图像数据。这带来了诸多优势:

  • 快速、自动分割和分析

  • 准确的结果和可靠的故障检测

  • 重复精度

  • 算法的简单调整

发挥人工智能的潜力

带深度学习功能的蔡司ZEN Intellesis可在实验室、开发、质量保证以及与生产相关的分析系统中实现自动化图像处理。面向未来的现代企业利用深度学习来确保分析的重复精度和精度。立即免费测试包括ZEN Intellesis在内的整个蔡司ZEN core套件长达60天。

人工智能可以评估哪些数据记录?

一般来说,所有按比例缩放的二维和三维数据集都可以进行评估,为此,蔡司依靠强大的人工智能工具。在这里,您能够看到哪些格式可以用人工智能进行分析,可以实现哪些功能,以及该格式是否适合用深度学习进行图像处理。

制造商/格式

文件扩展名

像素值传输

元数据传输

FEI TIFF

.tiff

●●●○

●●●○

日立S-4800

.txt, .tif, .bmp, .jpg

●●●○

●●●○

IMAGIC

.hed, .img

●●●○

●●●○

JEOL

.dat, .img, .par

●●○○

●○○○

JPEG

.jpg

●●●○

●●●○

徕卡LCS LEI

.lei, .tif

●●●●

●●●●

徕卡LAS AF LIF(徕卡图像文件格式)

.lif

●●●●

●●●●

尼康元素TIFF

.tiff

●●○○

●●○○

奥林巴斯SIS TIFF

.tiff

●●○○

●●○○

Oxford Instruments

.top

●●○○

●○○○

标签图像文件格式

.tiff, .tif, .tf2, .tf8, .btf

●●●○

●●●●

其他格式可根据要求提供!

利用人工智能进行自动智能图像分析

利用人工智能进行自动智能图像分析的目标是什么?

主要目标是用自动程序取代人工图像分析流程,使其具有可重复性和可扩展性。这样既能节省时间和金钱,又能避免主观评估。这是因为每个人做出决定的方式略有不同,因此会出现不同的细分,或者错误会被忽略,或者被归类为在公差范围内。此外,基于人工智能的图像处理和分析还可以轻松地在整个组织内传播专家知识。这不仅提高了我们自己产品的质量,也提高了结果的重复精度。

试用 ZEN 核心

只需注册并免费测试 ZEN core,无需承担任何合同义务。在最多 60 天内了解我们的图像分析和机器学习工具。

正在加载表格...

如果您想获取有关蔡司数据处理的更多信息,请参阅我们的数据隐私声明