Задълбочени познания за автоматизиран анализ на изображения

Сегментиране на изображения се използва за анализ на изображения, получени с микроскоп. Сегментирането означава разделяне на изображението на специфични зони, които са важни за последващ анализ и класификация. Една такава зона може да бъде, например, дефект или замърсяване по повърхността на даден компонент, както и откриването на слоеве различни материали. По време на последващия анализ на изображенията и класификация на разпознатите зони, се отчитат самите зони и границата между различните зони. Това дава възможност за получаване на точни резултати и установяване на грешки.

Традиционните методи за сегментиране, обаче, като определяне на прагове (анализ на сива стойност) бързо достигат своите лимити.

Сивите нива на зоните може да са трудни за различаване, ако са с подобен цвят и яркост. Потребителите се изправят и пред въпроса кои характеристики в образа са релевантни, т.е. цвят, текстура или ръбове, за идентифицирането на обекти и зони в дадено изображение.

Важно е също да се знае как да се комбинират характеристиките с цел откриване на обекти и класове. Колкото повече класове се добавят при обработката на дадено изображение, толкова по-сложна става задачата. Търсенето на драскотини по екраните на електрически уреди също е предизвикателство, трудно за разрешаване с базирани на стандартни правила анализи - тъй като всяка драскотина е различна по размер, има своя собствена форма и може да се появи по цялата повърхност. Тук правилното решение е обработката на изображения с deep learning