AI 與 3D 視覺用於水果分揀
農產品的形狀和顏色差異很大，這對傳統的圖像處理方法提出了重大挑戰。這方面的一個例子是水果的檢測和分類。為了完成這項任務，Basler與軟體供應商Data Spree合作，開發了一種視覺解決方案，用於以3D數據為原料對水果進行檢測和分類。
運作方式如下
基於深度學習的視覺系統由 Basler blaze ToF 相機與標準電腦構成。Basler blaze 相機提供高解析度 3D 影像，精準度近乎毫米。blaze 相機除了產生灰階影像做為強度圖，也藉由測量光脈衝在近紅外線範圍的行進時間測量各畫素的距離。所產生的影像做為 3D 點雲，額外提供有關成像場景的資訊。相較於 2D RGB 影像，在此方法中，形狀資訊取代色彩資訊，不但具有同時偵測到紅蘋果和綠蘋果的優點，還能提供額外的應用，例如對偵測到的物體進行精確的定位及測量。
探索我們的 3D 視覺產品組合
3D 影像處理與人工智慧 (AI) 雙重優勢
軟體對這項應用舉足輕重。此軟體主要包含兩部分：Basler blaze SDK 與 AI 應用軟體。
Basler blaze 人性化、跨平台的軟體開發介面能輕鬆整合 Data Spree 的 Deep Learning DS 軟體。此軟體方案基於深度神經網路（深度學習），非常人性化，沒有先學過相關知識的人也能開發深度學習模式。應用軟體大幅簡化系統建構的各工作步驟，例如資料擷取、標註、訓練、在目標硬體部署及執行經過訓練的網路等。查看實用案例了解各工作步驟。
立即下載完整的實用案例綜覽 Basler blaze 3D 視覺方案的優勢
Basler 不僅提供 3D 視覺硬體，也支援相應軟體方案的執行。若有必要，我們也會動用廣大的夥伴網路達成客戶需求。
人性化、跨平台的軟體開發介面 (Basler blaze SDK)，附有程式範例
堅固耐用、經過工業實證的相機硬體，保護等級為 IP67
整合照明與經過校準的光學元件，因此硬體安裝輕鬆便利
將來自 3D 相機 (ToF) 的空間資訊整合到神經網路學習，使物體的辨識和分類更加精準可靠
眾多的應用不再需要感光元件技術互補，因此應用變得較不複雜
即使光源不足、有日光、缺乏對比度，一樣能得到精準的測量結果