基于CNN的精巧型细菌分类技术
基于CNN的精巧型细菌分类技术
如何使用CNN技术进行细菌分类？
科学检查或医学诊断（如癌症或传染病等）通常都要以生物样本的微观图像来作为判断基础。使用CNN（卷积神经网络）技术可以增强成像系统，以便自动进行样本评估，同时确保较高的置信度，有助于获得始终如一的质量并加速处理过程。除了用于图像采集的各个组件外，Basler还提供完美兼容的整体视觉系统的开发服务，其中包括图像处理和分析以及将数据传输到所需的目标环境。
细菌分类应用存在哪些挑战？
快速精巧、价格亲民、性能可靠——对于科学或医学实验室中基于视觉技术的分析设备而言，这些都是大家日益重视的因素。将所有这些要求相结合颇具挑战性。从镜头、相机、线缆、处理板、系统到基于CNN的应用软件，可完美匹配的组件至关重要，因为只有这样才能打造出可正常运作的视觉系统，并且获得可靠的结果和诊断。
适用于细菌分类的计算机视觉解决方案
通过演示设置，可确定样本中有四种不同的细菌，结果确定性以百分比表示。借助Basler的专业知识，这个计算机视觉解决方案由完美协作的硬件和软件组件组成。
系统硬件包括一个1/1.8英寸S-mount镜头、Basler dart相机模块（分辨率为500万像素，具有USB 3.0接口）、一根USB 3.0数据线和NVIDIA®的Jetson™ Nano处理板。
系统软件由两个部分组成：系统和应用软件。系统软件的各个元素相互形成了一个连贯的系统，并且能轻松集成到Linux架构中。该应用软件是以CNN技术为基础。CNN在主机端使用数据进行训练，但推理（图像分析和结果生成）过程是在设备本身（边缘设备）上进行的。
CNN细菌分类视觉解决方案可为您带来的优势
通过CNN实现快速可靠的物体分类
整个视觉系统的各个组件均可无缝协作和提供最佳性能
一站式获取硬件、软件和开发技术，降低开发难度，减少项目成本和时间
该解决方案所用的产品
想实施类似的解决方案？这些产品将能助您一臂之力。
