适用于机器视觉的深度学习系统
深度学习技术彻底改变了工业图像处理领域。世界各地的公司都在使用人工神经网络(CNN)进行精确的错误检测、智能质量控制和自动决策——只要在传统生产方法达到了性能极限的领域，都能看见深度学习技术的应用。无论是精巧型边缘视觉方案、功能强大的FPGA系统，还是基于PC的灵活型平台：我们都能为您的应用提供合适的视觉系统。
图像处理技术中的深度学习
我们在白皮书中详细介绍了以下主题：
深度学习在机器视觉中的应用领域
基于深度学习的方法所具备的优势
使用深度学习的成本
通过混合的方法来优化深度学习网
无需使用深度学习视觉方案的应用领域
适用于深度学习应用的不同视觉系统
基于PC的深度学习
无论是集成了图像预处理功能的强大相机，还是用于集成智能模型的灵活软件工具：我们都能为PC上的深度学习应用提供全面的产品线，确保高成像质量、轻松集成和可重现的结果，让您从中受益。
使用合适的相机实现高成像质量
由于人工神经网络的效果取决于其图像数据的质量，因此要想获得精确的推理结果，高质量的图像就至关重要。
有大量相机型号及相应的CMOS成像芯片供您选择
支持GigE和USB 3.0等所有常用接口
大多数Basler相机的内置图像预处理可减少PC端的处理工作（例如去拜耳化、锐化、降噪等）
极易重现结果
用于集成Basler相机的pylon软件
通过pylon软件套装，用户可以轻松设置相机并将其集成到深度学习应用中。它可以为常见的视觉接口提供经过认证的驱动程序，并提供功能强大、使用简便的编程界面，还有用于配置相机的实用工具。适用于Windows、Linux（包括ARM）、macOS和Android - 可在各种系统环境中实现可靠的连接。
查看pylon软件基于图像采集卡的深度学习
如果您的深度学习应用需要较高的数据传输量（例如在实时环境中），基于图像采集卡的视觉系统正是您的合适之选。
利用VisualApplet软件在FPGA上部署CNN
借助我们的图形化FPGA开发软件VisualApplet，用户想在FPGA上使用CNN将变得易如反掌。经过预训练的CNN网络的规模大小和复杂程度各不相同，均可直接加载到FPGA上。VisualApplet软件支持来自TensorFlow等常见CNN库的预训练网络。用户也可以轻松对这些网络进行重新训练，还可以在预处理或后处理步骤中轻松加入额外的图像优化设置。
了解有关VisualApplets的更多信息
我们协助您将训练完成的网络模型部署至FPGA
对于基于FPGA的深度学习项目，我们可以提供功能强大的CNN运行时许可以及两种服务程序包，以满足不同经验水平的需要。我们会支持您对现有网络进行整合，或者根据您的实际要求接管完整的CNN设计和FPGA实施工作，充分满足您对带宽和精度的要求。
查看图像采集卡服务用于深度学习的嵌入式视觉系统
我们的团队经验丰富，致力于开发具有深度学习功能的强大嵌入式视觉系统，覆盖从高品质相机模块到多功能边缘计算视觉方案的范畴。我们的产品支持NXP®（恩智浦）和NVIDIA®（英伟达）等领先制造商的处理器。我们的产品还可作为即用型开发工具包提供，助您快速高效地完成原型开发工作。
在云端或边缘设备上实施深度学习技术
无论您使用哪种处理单元：我们都能为您提供驱动程序软件包和相关软件，助力您的深度学习应用正常运行。我们支持Amazon Web Services (AWS)、Microsoft Azure或Google云平台的云集成。想要在“边缘”设备运行人工神经网络？没问题！我们的嵌入式视觉技术可帮助您在“边缘”运行一个或多个用于深度学习应用的视觉系统。
