画像セグメンテーションおよび粒子分析アルゴリズム サービス
粒子、ブロブ、領域、および輪郭の抽出タスクについては、しきい値セグメンテーション、接続ドメイン、接着分離、クラスタリング、スケルトンおよび境界処理のためのサンプル評価とプロジェクト適応を提供します。セグメンテーションの結果は、カウント、サイズ、形態、および統計分析に引き続き使用できます。
適用可能なオブジェクトと分析タスク
粉末と粒子、微視的領域、穴と斑点、コーティング領域、繊維、および一般的な前景抽出など、ターゲットと背景にグレースケール、色、テクスチャ、またはジオメトリの悪用可能な違いがある画像タスクに最適です。
- バイナリまたはマルチ領域マスクを生成し、しきい値と前処理パラメータを記録します。
- 接続された領域、エリア、位置、外接形状、輪郭を抽出します。
- 隣接または結合しているオブジェクトの種子と流域の分離。
- スケルトン、パス、距離フィールド、境界候補を抽出します。
- ブロッブ検出または密度クラスタリングを使用して候補ターゲットを整理します。
- 明示的なルールに基づいて、数、サイズ分布、および異常領域を出力します。
欠陥カテゴリや意味判断を伴うタスクの場合、ユニバーサルセグメンテーションに基づいてルールや学習モデルを追加し、学習データ、ラベル、重み付け権限、対象製品の検証を確認できます。
入力、出力、統計的校正
| プロジェクト | 主な内容 | 一定のルールが必要 |
|---|---|---|
| 入力画像 | グレースケール、カラー、または確認済みのマルチチャンネル画像 | ビット深度、圧縮、ピクセルスケーリング、ROI、および前処理 |
| セグメンテーションの結果 | バイナリまたはラベルのマスク、しきい値、品質状態 | 見通しの定義、境界の帰属、および決定不可能な条件 |
| オブジェクトの結果 | 接続されたドメイン、位置、領域、輪郭、形状 | 接続ルール、最小領域、境界オブジェクトの処理 |
| 付着剥離 | シード、インスタンス リージョン、および分離状態 | オーバースプリット、アンダースプリット、マージルール |
| 統計結果 | 数、サイズ分布、割合、および異常なレコード | 統計の分母、単位、切り捨てられたオブジェクト、および繰り返しオブジェクト |
物理的な寸法が必要な場合は、スケールまたは校正を提供する必要があります。適合性の決定が必要な場合は、製品仕様、参照マーク、および境界サンプルを提供する必要があります。結果として得られるインターフェイスでは、マスクまたはレビュー可能なプロファイル、パラメータのバージョン、および失敗の理由が保持される必要があります。
テクニカルルートと選定のポイント
| ルート | 適切な条件 | 主な制限事項 |
|---|---|---|
| グローバルしきい値とローカルしきい値 | グレースケール分布または局所的なコントラストを区別できる | 照明、背景、スケールの変更により結果が変わる可能性があります |
| 接続されたドメインと形態素処理 | バイナリマスクが利用可能です | オブジェクト カテゴリとフィルタリング ルールは個別に定義する必要があります |
| 距離フィールドと流域 | オブジェクトに利用可能な距離のピークまたはシードがあります | シードの品質によって分割の過不足が決まります |
| スケルトンとパスの分析 | 細長い構造や規則的な境界を抽出可能 | 亀裂、異音、破損には専門的な治療が必要です |
| スポット検出と密度クラスタリング | スケールと密度を定義可能 | パラメータの変更はターゲットとグループの数に影響します |
| 領域、色、エネルギーのセグメンテーション | 前景の手がかり、色、またはエリアエネルギーが利用可能 | 初期化、色空間、境界条件に依存 |
一般的なプロセスは次のとおりです: 画質検査 → カラーまたはグレースケールの前処理 → 候補のセグメンテーション → 形態および接着処理 → オブジェクトのスクリーニング → サイズおよび統計 → 結果、マスクおよびステータスの出力。
サンプルとイメージングの要件
代表的なデータは、ターゲットのサイズ、密度、色またはグレースケール、背景、照明、焦点、汚染、癒着、閉塞、フィールドエッジをカバーし、正常サンプル、境界サンプル、および失敗サンプルの両方を含む必要があります。
元の画像はビット深度と取得情報を保持する必要があります。顕微鏡または高倍率のタスクでは、ピクセル スケール、被写界深度、スライドまたはコンテナの効果を考慮する必要があります。オンライン タスクでは、モーション ブラー、トリガー、テープ速度、カメラ露出を考慮する必要があります。
参照注釈では、オブジェクトの定義、境界規則、接着されたオブジェクトのカウント方法、および切り捨てられたオブジェクトが統計に含まれるかどうかを説明する必要があります。異なる人々の間のラベル付けの違いや異なるルールは、受け入れる前に対処する必要があります。
検証方法と適用条件
このプロジェクトでは、検証済みのアノテーション データを使用して、ピクセルのセグメンテーション、オブジェクトのマッチング、カウント、サイズ、接着剥離、および障害処理を個別に検証します。製品カテゴリ、欠陥の種類、適合性の判定は、お客様のルールに従って個別に定義されます。
検出可能なサイズ、計数エラー、セグメンテーション IoU、接着分離効果、および処理ビートは、合意されたイメージング、実際のサンプルおよびターゲット プラットフォームでテストされ、オブジェクト レベル、ピクセル レベル、または画像レベルの口径に従って記録されます。
プロジェクトの実施と実施
- 統計オブジェクトの確認: 前景、オブジェクト、寸法、接着剤、境界、および決定できないルールを定義します。
- サンプルとラベル付けされたベースライン: 代表的なデータ、参照注釈と指標を修正し、セグメンテーションのテクニカル ルートを比較しました。
- ソフトウェアとインターフェースの適応: 完全なイメージ アクセス、パラメーター レシピ、マスクとオブジェクトの出力、ステータス、ログ、エクスポート。
- 独立したデータの受け入れ: 密度、サイズ、背景および異常な変化、記録の分割、カウント、時間の消費、および失敗の結果をカバーします。
成果物には、アルゴリズム プログラムまたはライブラリ、構成、インターフェイスの説明、レビュー可能なマスク、検証レポート、リリース ノートが含まれる場合があります。カメラの光学系、サンプルの準備、アノテーションの作成、学習モデルのトレーニング、ハードウェアの調達は、確認された範囲内で実行されます。
受付方法
| 受付タスク | オプションのインジケーター | 口径は明確でなければなりません |
|---|---|---|
| 分割 | IoU、ダイス、ピクセル精度とリコール | カテゴリ、無視領域、境界許容値、統計階層 |
| オブジェクトとカウント | オブジェクトの精度、再現率、カウントエラー | しきい値の一致、接着、切り捨て、オブジェクトの複製 |
| サイズと分布 | サイズ誤差、分布の違い、実効サンプルレート | キャリブレーション、オブジェクト定義、単位および参照方法 |
| 障害対応 | 対象外、低品質、密度が高すぎる、遮蔽された、範囲外のサンプル | 拒否ステータス、手動レビュー、および統計を入力するかどうか |
| 走行性能 | 単一フレームおよびバッチ時間の消費量、メモリおよび結果の更新速度 | 解像度、プラットフォーム、タスクの構成、および同時実行性 |
指標は製品リスクに基づいて選択され、すべてのプロジェクトが同じ値のセットを機械的に適用する必要はありません。オブジェクト レベル、ピクセル レベル、およびイメージ レベルのメトリクスを混合することはできません。
認可、保守、変更
実行ライセンスは、デバイス、シナリオ、製品ファミリー、構成バージョンごとに同意できます。新しく追加された代表的なサンプルを使用して元のシーンを最適化し、新旧バージョンの回帰を実行し、合意された検証に合格した後、更新されたバージョンがリリースされます。
照明、倍率、カメラ、背景、ターゲット カテゴリ、統計的キャリバー、または製品ファミリーを変更すると、セグメンテーションに影響し、評価の変更が必要になる場合があります。初期モデルのトレーニング、一括アノテーション、および新しい欠陥カテゴリは、契約に個別に記載されています。
よくある質問
粒子がくっついている場合、粒子を正確に数えることはできますか?
それは接着の程度、画像解像度、利用可能なシードによって異なります。分水界法または距離フィールド法を評価できます。ひどく遮蔽されて区別できないオブジェクトの場合は、イメージングを改善するか、分離制約を追加する必要があります。
数枚の写真を提供するだけで精度を判断できますか?
できません。少数のサンプル画像を使用して、実現可能性を事前にスクリーニングできます。精度と計数エラーは、通常の変化、境界サンプル、障害状態をカバーし、独立した注釈データ統計を使用する必要があります。
深層学習モデルをトレーニングする必要がありますか?
一律に採用する必要はありません。グレースケール、色、形状が安定している場合は、従来のセグメンテーションを最初に評価できます。ターゲットと背景の違いが複雑な場合、またはカテゴリのセマンティクスが重要な場合は、トレーニング データ、重み付け許可、および学習モデルのルートを確認します。
出力を品質判断として直接使用できますか?
品質判定は、製品仕様、判定基準、校正および合格指標が明確になった後にのみ行うことができます。一般的なセグメンテーションの結果自体は合否の結論を示すものではありません。
開発および納入範囲を明確にするためにサンプルと装置条件を提出します。
画像セグメンテーションおよび粒子分析アルゴリズム サービス
タスクオブジェクト、元の画像またはビデオ、ターゲットインジケーター、デバイスプラットフォーム、インターフェイス、およびサンプル状況を説明してください。
電話: 13910119357xuzhiyang0928@gmail.com