Microscópios eletrônicos de escaneamento da ZEISS para a indústria:

Usando técnicas estabelecidas de aprendizado de máquina, como classificação de pixels ou aprendizado profundo, até mesmo usuários não especialistas podem obter resultados de segmentação confiáveis e reproduzíveis com o ZEISS ZEN Intellesis. Basta carregar sua imagem, definir suas classes, rotular os pixels, treinar seu modelo e realizar a segmentação.

O software só precisa ser treinado uma vez em algumas imagens para poder segmentar automaticamente lotes de centenas de imagens. Isso não apenas economiza tempo, mas também reduz o escopo de desvios relacionados ao usuário. Todas as etapas demoradas de segmentação nas muitas imagens semelhantes são tratadas por algoritmos avançados de aprendizado de máquina.

ZEISS ZEN Intellesis
permite a identificação de partículas por aprendizado de máquina e oferece maior precisão para identificação de partículas, segmentação de imagens de aprendizado e classificação de objetos.

Classificação de objetos do Intellesis
é usado para classificar ainda mais as partículas segmentadas e separá-las em seus subtipos. Essas informações podem ser usadas para contar as partículas por tipo.

O ZEN Intellesis suporta a segmentação fácil de imagens multidimensionais de várias fontes de imagens diferentes, incluindo microscopia de campo amplo, de super-resolução, de fluorescência, sem rótulo, confocal, de folha de luz, eletrônica e de raios X. Os módulos de avaliação do ZEN permitem a criação automática de relatórios e a medição de acordo com os padrões industriais.

Quando se trata da classificação pós-segmentação por tipo, a ZEN Intellesis adota uma abordagem inovadora. Em vez de analisar pixels individuais como uma solução típica de aprendizado de máquina faria, seu modelo de classificação de objetos usa mais de 50 propriedades medidas por objeto para distingui-los e classificá-los automaticamente. Com base em dados tabulados, esse processo de classificação é muito mais rápido do que a segmentação realizada por redes neurais profundas especificamente treinadas.

Exemplo de espessura de camada:
Sobreposição de seção transversal FIB de camadas de células solares CIGS: resultado do detector Crossbeam 550 InLens (à direita) e após a segmentação de aprendizado de máquina ZEN Intellesis (à esquerda).