Microscopes électroniques à balayage ZEISS pour l'industrie :

En utilisant des techniques d'apprentissage automatique établies, telles que la classification des pixels ou l'apprentissage profond, même les utilisateurs non experts peuvent obtenir des résultats de segmentation fiables et reproductibles avec ZEISS ZEN Intellesis. Il suffit de charger votre image, de définir vos classes, d'étiqueter les pixels, d'entraîner votre modèle et d'effectuer la segmentation.

Il suffit d'entraîner le logiciel une fois sur quelques images pour qu'il puisse segmenter automatiquement des lots de centaines d'images. Cela permet non seulement de gagner du temps, mais aussi de réduire le risque de déviations liées à l'utilisateur. Toutes les étapes de segmentation des nombreuses images similaires, qui prennent du temps, sont gérées par de puissants algorithmes d'apprentissage automatique.

ZEISS ZEN Intellesis
permet l'identification des particules par apprentissage automatique et offre une plus grande précision pour l'identification des particules, la segmentation des images d'apprentissage et la classification des objets.

Classification des objets Intellesis
est utilisé pour classifier davantage les particules segmentées et les classer dans leurs sous-types. Ces informations peuvent ensuite être utilisées pour compter les particules par type.

ZEN Intellesis permet de segmenter facilement des images multidimensionnelles provenant de nombreuses sources d'imagerie différentes, notamment la microscopie à champ large, à super-résolution, à fluorescence, sans étiquette, confocale, à nappe de lumière, électronique et à rayons X. Les modules d'évaluation de ZEN permettent ensuite la création automatique de rapports et de mesures conformément aux normes industrielles.

En ce qui concerne la classification post-segmentation par type, ZEN Intellesis adopte une approche innovante. Au lieu d'examiner des pixels individuels comme le ferait une solution d'apprentissage automatique classique, son modèle de classification des objets utilise plus de 50 propriétés mesurées par objet pour les distinguer et les classer automatiquement. Sur la base de données tabulées, ce processus de classification est beaucoup plus rapide que la segmentation effectuée par des réseaux neuronaux profonds spécifiquement entraînés.

Exemple d'épaisseur de couche :
Superposition de coupes transversales FIB de couches de cellules solaires CIGS : résultat du détecteur Crossbeam 550 InLens (à droite) et après segmentation par apprentissage automatique ZEN Intellesis (à gauche).