Kompakte CNN-basierte Bakterien-Klassifizierung
Worum geht es bei der CNN-basierten Bakterien-Klassifizierung?
Naturwissenschaftliche Untersuchungen oder medizinische Diagnosen – z. B. von Krebs oder Infektionskrankheiten – basieren oft auf mikroskopischen Bildaufnahmen biologischer Proben. Die Ergänzung des bildgebenden Systems um ein Convolutional Neural Network (CNN) automatisiert die Probenauswertung bei gleichzeitig hoher Konfidenz. Sie trägt somit zu konstanter Qualität und einer Beschleunigung des Prozesses bei. Basler bietet neben den Einzelkomponenten für die Bild-Erfassung die Entwicklung eines abgestimmten Vision Gesamtsystems inklusive Bild-Verarbeitung und -Analyse sowie Übergabe in die gewünschte Zielumgebung.
Worin liegt das Problem bei der Bakterien-Klassifizierung?
Kompakt, schnell, günstig, zuverlässig – das sind immer wichtiger werdende Anforderungen an Vision-basierte Analysegeräte für naturwissenschaftliche oder medizinische Labore. Alle Anforderungen zu vereinen, ist eine Herausforderung. Entscheidend sind aufeinander abgestimmte Komponenten von Objektiv, Kamera und Kabel über Prozessorboard bis hin zu System- und CNN-basierter Anwendungssoftware. Nur so entsteht ein funktionierendes Vision System, welches die Basis für zuverlässige Ergebnisse und Diagnosen bereitstellt.
Computer Vision Lösung zur Bakterien-Klassifikation
In dem Demo-Aufbau werden exemplarisch vier verschiedene Bakterien-Spezies in der Probe identifiziert und mit prozentualer Angabe der Ergebnissicherheit (Konfidenz) ausgegeben. Baslers Computer Vision Lösung besteht aus Hardware- und Software-Komponenten, die dank unserer Expertise nahtlos zusammenarbeiten.
Die Hardware des Systems setzt sich zusammen aus einem 1/1.8“ S-Mount Objektiv, einem Basler dart Kameramodul mit 5 MP Auflösung und USB 3.0 Schnittstelle, einem USB 3.0 Datenkabel und einem Jetson™ Nano Prozessorboard von NVIDIA®.
Die Software des Systems besteht aus System- und Applikationssoftware. Die einzelnen Elemente der Systemsoftware bilden ein kohärentes System und lassen sich einfach in eine Linux-Architektur integrieren. Als Teil der Applikationssoftware führt das pylon AI vTool Classification die Bildanalyse auf Basis eines CNNs durch: Es analysiert die unterschiedlichen Bakterientypen und klassifiziert sie anhand des zuvor mit individuellen Datensätzen optimierten Klassifizierungsmodells (CNNs). Das Training des CNNs erfolgt auf der Host-Seite, während die Inferenz (Bildauswertung und Ergebnisgenerierung) direkt im Gerät stattfindet, unter Einsatz des pylon AI vTools Classification, das speziell für den Einsatz auf Edge-Geräten optimiert wurde.
Ihre Vorteile der Vision Lösung zur CNN-basierten Bakterien-Klassifizierung
Nahtlose und optimale Zusammenarbeit der Komponenten des gesamten Vision Systems
Hardware, Software und Entwicklung aus einer Hand spart Aufwand, Kosten und Zeit
Einfache Integration der Bildanalyse und optimal abgestimmt auf die Bildakquise
Flexibilität durch austauschbares CNN gegeben
Zuverlässige und schnelle Objekt-Klassifizierung dank pylon AI vTool Classification, welches für den Einsatz auf dem Edge-Gerät optimiert ist
Produkte für diese Lösung
Sie möchten eine vergleichbare Lösung umsetzen? Diese Produkte helfen Ihnen dabei.
