Search

  • AWM Frictionless™: pago autónomo en tiendas hecho realidad gracias a las cámaras de visión artificial

    Junto con las cámaras de visión artificial Teledyne FLIR Blackfly S GigE, AWM Frictionless™ permite que los clientes añadan artículos que se les cobran de forma automática cuando salen de la tienda, sin necesidad de hacer colas, escanearlos o pagarlos físicamente.

  • ¿Cuál es la mejor cámara de visión artificial para mi aplicación biomédica?

    Las aplicaciones de investigación y de diagnóstico biomédico generalmente requieren que los generadores de imágenes tengan una resolución espacial mayor, una reproducción de color precisa, mayor sensibilidad en condiciones de luz tenue y, en muchos casos, una combinación de los tres factores para mejorar la confiabilidad de los datos. Contar con una cámara adecuada es fundamental para proporcionar un diagnóstico adecuado en una aplicación clínica o datos confiables con fines de investigación. Entonces, ¿cómo sabe qué cámara de visión artificial es mejor para su aplicación? En las siguientes secciones, abordaremos varios aspectos para tener en cuenta al elegir una cámara de visión artificial para sus aplicaciones biomédicas y de ciencias biológicas. 

  • ¿Pueden los nuevos avances en CMOS reemplazar los sensores sCMOS en las aplicaciones biomédicas?

    La tecnología de semiconductor complementario de óxido metálico (CMOS) actualmente ofrece las capacidades para reproducir imágenes de avanzada requeridas por muchas aplicaciones biomédicas, pero ¿puede reemplazar a los sensores sCMOS (CMOS científico) más costosos? Los sensores CMOS y sCMOS han establecido el punto de referencia para el rendimiento y el valor de la visión artificial en varias industrias, y en este artículo se explicarán los costes y beneficios de cada tecnología para aplicaciones de reproducción de imágenes muy exigentes en el campo biomédico y de las ciencias biológicas.

  • Las soluciones de aprendizaje profundo de FLIR permiten detectar mascarillas y PPE

    Mediante la utilización de una cámara Firefly DL de FLIR, los ingenieros de dicha empresa desarrollaron un sistema para detectar a los usuarios que cumplen con las directivas sobre el equipo de protección personal (PPE) de aquellos que no lo hacen y que pueden estar infringiendo dichas normas. El conjunto de datos de detección de mascarillas utiliza 2 bibliotecas de acceso público: una contiene 853 imágenes de personas utilizando mascarillas y la otra cuenta con 269 imágenes adicionales con ejemplos de personas en diferentes ámbitos que llevan puestas mascarillas, otras que no las traen y algunas que las traen puestas de forma incorrecta.

  • Servicio mejorado de control de polvo para cámaras de visión artificial

    Teledyne FLIR permite limpiar y ensamblar todos los conjuntos de componentes ópticos de las cámaras de visión artificial en nuestra planta de fabricación canadiense en un entorno limpio con certificación ISO (ISO7-Clase 10000). Este nivel estándar de control de polvo suele ser suficiente para aplicaciones microscópicas; “polvo” en este caso hace referencia a cualquier partícula extraña. Sin embargo, algunas aplicaciones requieren un estándar aún más alto. En tales casos, Teledyne FLIR ofrece el Servicio mejorado de control de polvo para todas sus cámaras de visión artificial, a excepción del nivel de placa Blackfly S (USB3/GigE) y todos los modelos Firefly.

  • Las cámaras de visión artificial Teledyne FLIR registran imágenes de alta definición del aterrizaje del rover Perseverance en Marte

    El 18 de febrero, la NASA aterrizó con éxito el rover Perseverance en Marte. Esta no es la primera misión a Marte, pero fue la primera vez que se filmó y transmitió la entrada, el descenso y el aterrizaje en vivo para que el público lo viera y participara virtualmente. Seis cámaras FLIR registraron el evento desde distintos ángulos, documentando todas las etapas del emocionante aterrizaje. Aunque la filmación solo dura unos minutos, las imágenes han ayudado a los ingenieros a evaluar qué tan bueno es el rendimiento de su trabajo en el espacio y han inspirado a millones de espectadores alrededor del mundo. 

  • Cámaras de visión artificial Teledyne FLIR: opciones de personalización y solicitudes especiales

    El sistema de visión artificial FLIR ofrece una amplia variedad de cámaras industriales fiables con más de 150 modelos de cámara para elegir. Nuestra cartera de productos abarca desde sensores de resolución pequeña a grande, velocidades de fotograma desde estándar hasta alta velocidad, múltiples factores de forma (incluidas versiones a nivel de placa) e incluye soporte incorporado para algunas de las interfaces y los estándares de visión artificial más populares. Nuestros equipos de diseño, ingeniería y fabricación entienden estos requisitos diversos y desarrollan componentes de visión adecuados para una amplia variedad de aplicaciones con hardware COTS (comercial estandarizado) listo para la integración.

  • Cómo Teledyne FLIR y Neurala colaboran para que la aplicación del aprendizaje profundo sea más rápida, fácil y rentable

    El aprendizaje profundo es una potente herramienta para aquellos ingenieros especializados en visión artificial y diseñadores de sistemas de fabricantes de equipos originales (OEM, por sus siglas en inglés) que buscan automatizar con rapidez la toma de decisiones subjetivas y complejas. Sin embargo, la tecnología puede ser prohibitiva para los no expertos, ya que resultan indispensables herramientas informáticas, grandes conjuntos de datos, competencias especializadas de desarrollador y los costes derivados de todo ello. Para superar estos desafíos, FLIR Systems, Inc. ha colaborado con Neurala para ofrecer una solución integral de desarrollo y aplicación específica para los no expertos. Esta rentable solución requiere también conjuntos de datos mucho más pequeños.

  • Compresión sin pérdidas: Maximizar las velocidades de fotogramas y superar las limitaciones de ancho de banda GigE

    La compresión sin pérdidas es una función disponible en determinadas cámaras de visión artificial Teledyne FLIR GigE que ofrece hasta un 170 % más de velocidad de fotogramas, minimiza el uso de espacio en disco y, por tanto, permite un mayor número de cámaras en un solo bus, todo ello conservando el 100 % de los datos de imagen.

  • 5 pasos para crear e implementar redes neuronales de aprendizaje profundo

    Se denomina aprendizaje profundo a un subconjunto del aprendizaje automático inspirado en la manera en la que funciona el cerebro humano. Los temas principales en este artículo incluyen un glosario básico, las tareas de visión artificial compatibles con el aprendizaje profundo (DL, por sus siglas en inglés), cómo desarrollar el aprendizaje automático para la inferencia perimetral en 5 pasos, las plataformas y las herramientas disponibles para comenzar, consejos sobre cómo hacer más fácil el proceso y, por último, posibles limitaciones a tener en cuenta sobre el aprendizaje profundo.

  • Sensor Periodic Table

    Here's a handy guide that organizes sensors based on their resolution, readout method, and FPS. With so many sensors from so many manufacturers, its hard to keep which sensor is which! This handy chart organizes over 120 sensors from classic CCDs to the latest CMOS technology by resolution and speed.We suggest: downloading and laminating it, then pinning it up on your wall for easy reference.

  • Teledyne Barcode Scanning

    The trend to replace laser-based barcode readers with 2D image-based scanners is well underway in all Automatic Data Collection market sub-segments including scan engines, hand-held, fixed position, industrial/smart factory, and auto identification. To take full advantage of the technology transition, Teledyne has designed the Topaz family of CMOS image sensors, which have a tiny footprint, low-power consumption and use state-of-the-art low noise, global-shutter pixel technology to offer cost efficient solutions. Available in 1.5M and 2M, Topaz sensors enable ultra compact mobile designs for various barcode scanning applications and other logistics applications such as drones and autonomous mobile robots.