
Giải pháp phần mềm tùy chỉnh
Phần mềm phân tích hình ảnh ZEISS dành riêng cho yêu cầu của bạn
Phần mềm tiêu chuẩn không đáp ứng mọi nhu cầu của bạn? Chúng tôi cung cấp cho bạn một giải pháp phần mềm tùy chỉnh để phân tích hình ảnh phức tạp được điều chỉnh chính xác theo yêu cầu và mong muốn của bạn.
- Phần mềm dựa trên AI để xử lý hình ảnh công nghiệp
- Tự động, nhanh chóng, đáng tin cậy, có thể mở rộng và trên hết là kết quả có thể tái tạo
- Tăng năng suất thông qua kiểm soát phần mềm thông qua API (giao diện lập trình) trong nền
- Các khả năng độc đáo trong việc mở rộng các chức năng và phân tích dành riêng cho người dùng

Phần mềm tiêu chuẩn không đáp ứng yêu cầu của bạn? ZEISS đã có giải pháp!
Customize your software! ZEISS ZEN core có thể được mở rộng bằng cách sử dụng môi trường macro riêng của phần mềm (OAD - Phát triển ứng dụng mở) và Python. ZEN Library để phân tích nâng cao và kiểm soát phần mềm có sẵn miễn phí trên github.com. Điều này có nghĩa là bạn có thể giải quyết ngay cả những nhiệm vụ phân tích phức tạp nhất bằng cách sử dụng mã nguồn mở và lập trình của riêng bạn hoặc như một dịch vụ từ ZEISS. Chúng tôi rất sẵn lòng tư vấn thêm cho bạn.

Thực tiễn: Các quy trình và đánh giá phân tích chạy tự động trong nền
ZEISS ZEN core thực hiện điều này bằng cách cho phép các tín hiệu bên ngoài để bắt đầu và kết thúc các phân tích hình ảnh được truyền qua giao diện bên trong của phần mềm. Điều này nghĩa là quá trình này có thể được thực hiện trong nền. Điều này được thực hiện mà không cần tương tác thủ công thêm và do đó cho phép tự động hóa tốt nhất các phân tích để có thông lượng cao hơn.
Khám phá tiềm năng với phần mềm phân tích hình ảnh tùy chỉnh của ZEISS
Phần mềm tiêu chuẩn không đáp ứng mọi nhu cầu của bạn? Chúng tôi cung cấp cho bạn một giải pháp phần mềm tùy chỉnh để phân tích hình ảnh phức tạp được điều chỉnh chính xác theo yêu cầu và mong muốn của bạn.
- Điều khiển robot & tải robot
- Kết nối với phần mềm bên ngoài
- Các phân tích chạy ở chế độ nền
- Tích hợp vào quy trình làm việc toàn diện
- Kiểm soát hệ thống bên ngoài và chiếu sáng
Phân tích độ dày lớp phủ tự động
Smith & Nephew là một công ty quốc tế của Anh chuyên sản xuất các thiết bị y tế và các sản phẩm tiên tiến để chăm sóc vết thương và nội soi khớp, chấn thương và liệu pháp lâm sàng cũng như tái tạo chỉnh hình.
Tình huống
Smith & Nephew đang tìm kiếm phần mềm để đánh giá độ dày lớp và độ rỗ xốp của lớp phủ trên implant y tế theo tiêu chuẩn ASTM F1854. Giải pháp ZEISS ZEN core tiêu chuẩn chỉ có thể đạt được kết quả đến một điểm nhất định và không đáp ứng đầy đủ các yêu cầu.
Giải pháp của chúng tôi
ZEISS đã nắm bắt vấn đề và phát triển một giải pháp phần mềm tùy chỉnh cho công ty. Với tiện ích mở rộng phần mềm ZEISS ZEN core kèm mô-đun tùy chỉnh để phát hiện độ dày lớp phủ dựa trên AI, đồng thời đo độ rỗ xốp trong quy trình làm việc tự động và báo cáo do người dùng xác định, tất cả các nhu cầu và yêu cầu của Smith & Nephew đều đã được đáp ứng.
Lợi ích
- Tự động hóa thông qua AI cho phép tăng năng suất
- Giảm thiểu ảnh hưởng của con người

Tự động phát hiện khuyết tật của pin
Di động điện đang ngày càng được mở rộng và quan tâm, trong đó pin lithium-ion đóng vai trò quan trọng trong ngành công nghiệp ô tô. Không chỉ công suất và tuổi thọ đóng vai trò quan trọng, mà trên hết là sự an toàn của pin phải được đảm bảo. Để kiểm tra xem pin có bị lỗi hay không, mạng nơ-ron có thể giúp phát hiện khuyết tật tự động trên quy mô cực nhỏ.
Là một phần của dự án, Đại học Aalen đã kiểm tra chi tiết hơn về pin lithium-ion hình lăng trụ (NMC) cho xe điện plug-in với sự trợ giúp của các mô-đun AI từ bộ phần mềm ZEN core. Một mô hình AI đã được đào tạo để nhận biết và đánh giá cấu trúc vi mô của pin. Do đó, có thể dò được vị trí các khuyết tật như vết nứt, xoắn, tạp chất v.v.
Kết quả của các phân tích có thể được minh họa bằng bản đồ nhiệt được thể hiện trong hình ảnh này. Màu xanh thể hiện độ lệch nhỏ hoặc không có độ lệch so với cấu trúc dự kiến. Tỷ lệ màu đỏ trong hình ảnh trực quan này càng cao, kết quả càng sai lệch so với cấu trúc đã học và báo hiệu một khuyết tật. Những phân tích này có thể đảm bảo sự an toàn và tuân thủ các tiêu chuẩn chất lượng của pin lithium-ion.1
-
1
Nguồn: 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