核心优势
- 最高性能
- 现代化设计
- 结构简单
FabImage Library Suite 是一款面向 C++ 和 .NET 程序员的机器视觉库。该软件包含一整套用于创建工业图像分析应用程序的函数，包括标准的图像采集接口、低级别图像处理例程以及多款即用型工具（如模板匹配、测量或条形码阅读器）。
该产品的主要优势包括强劲的性能、现代化的设计以及易于集成其他代码的简单结构。FabImage 库中可用的函数与 FabImage Studio 的过滤器紧密对应。
因此，可以在图形环境中快速设计算法的原型，然后将其转换为 C++或 .NET，甚至自动生成 C++ 代码。借助 Fabimage Library Suite，您可以立即获得最高质量、经过优化和经过现场测试的代码，以满足您的机器视觉项目的迫切需求！
提供三类许可证：
开发人员许可证: 开发视觉程序的必备许可证。
运行时许可证: 运行视觉程序的必备许可证。购买过开发人员许可证的用户，方可购买运行时许可证。
附加组件许可证: 附加许可证可用于扩展其他两类许可证的功能。
开发人员许可证
基本许可证
开发人员许可证可分配给一名开发人员用户，并且只能通过 USB 加密狗激活。
激活后的前 12 个月可免费享受技术支持服务，例如：
- 最新版软件以及相关的新功能和文档*
- 通过电子邮件获得软件使用相关技术问题的解答
自激活开发人员许可证起12个月后，有必要购买服务许可证（FIL-EXT）以继续受益于这些优势。
| * 必须向 Opto Engineering® 发送与要升级的许可证的 USB 加密狗相关的 WIBU 文件，才能获得最新版软件。如需详细了解如何以及在何处下载 WIBU 文件请访问 https://docs.fab-image.com/stu... | |||
| 产品型号 | 名称 | 类别 | 功能 |
| FIL-SUI | FabImage® Library Suite (C++ 和 .NET) | 开发人员 基本许可证 |
用于以 C++ 或 .NET 直接编程的开发环境 (IDE)。 此类许可证适用于那些喜欢以 C++ 或 C# 编程但不想用图形编程的用户。 允许按顺序（单线程）进行多相机采集和进程（宏过滤器）开发执行。 |
| USB-DONGLE-FI | USB 加密狗 | 硬件 | 必须通过硬件 USB 加密狗才能激活许可证。 |
附加组件许可证
附加组件许可证**是允许扩展基本许可证的功能的附加许可证。购买过 FabImage® Library Suite 开发人员许可证 (FIL-SUI) 的用户，方可购买附加组件许可证。
| ** 另须发送与要激活附加组件的开发人员 USB 加密狗相关的 WIBU 文件，才能订购附加组件许可证。如需详细阅读如何以及在何处下载 WIBU 文件，请访问此链接 | |||
| *** 无法使用深度学习工具构建多个并行运行的宏过滤器。 | |||
产品型号 |
产品型号 名称 |
类别 |
功能 |
FIL-PAR-ADD |
并行处理附加组件 |
开发人员 |
允许用户： 1. 构建并行运行的多个进程（宏过滤器）。 2. 并行进行多相机采集 |
FI-DL-ADD |
FabImage® 深度学习附加组件 |
开发人员 |
允许用户使用深度学习工具**。 |
运行时许可证
单线程运行时许可证
此类运行时许可证可分配给单个视觉系统，并允许按顺序（单线程）进行多相机采集和进程（宏过滤器）执行。
此类许可证可通过两个选项激活：
- USB 加密狗 (USB-DONGLE-RUN)
- 计算机 ID*
必须购买过 FabImage® Library Suite 开发人员许可证 (FIL-SUI)，才能购买单线程运行时许可证。
| * I通过计算机 ID 分配的许可证，如因计算机损坏而丢失，则无法恢复，必须另行购买。Opto Engineering® 建议选择通过 USB 加密狗购买许可证。 | |||
产品型号 |
名称 |
类别 |
功能 |
FIL-RUN |
FabImage Library Runtime |
运行时许可证 |
允许按顺序运行无限数量的进程（宏过滤器） |
USB-DONGLE-RUN |
USB 加密狗（可选） |
硬件 |
此类许可证通过 USB 加密狗激活 |
多线程运行时许可证
购买以下任一运行时许可证（这些库运行时取代 FabImage® 库单线程运行时 (FIL-RUN) 的用户，方可运行并行处理 (FIL-PAR-ADD) 功能。
购买过FabImage® Library Suite 开发人员许可证 (FIL-SUI) 和开发人员并行处理附加组件许可证 (FIL-PAR-ADD) 的用户，方可购买多线程运行时许可证。
产品型号 |
名称 |
类别 |
功能 |
FIL-RUN-CL-XX* |
|||
FIL-RUN-CL-4 |
适用于 4 核机器视觉计算机的 |
附加组件运行时许可证 |
允许并行运行无限数量的进程。 |
FIL-RUN-CL-6 |
适用于 6 核机器视觉计算机的 |
附加组件运行时许可证 |
允许并行运行无限数量的进程。 |
FIL-RUN-CL-8 |
适用于 8 核机器视觉计算机的 |
附加组件运行时许可证 |
允许并行运行无限数量的进程。 |
FIL-RUN-CL-16 |
适用于 16 核机器视觉计算机的 |
附加组件运行时许可证 |
允许并行运行无限数量的进程。 |
FIL-RUN-TL-XX |
|||
FIL-RUN-TL-2 |
FabImage® Library Runtime |
附加组件运行时许可证 |
允许使用具有任意数量内核的 PC。 |
FIL-RUN-TL-4 |
FabImage® Library Runtime |
附加组件运行时许可证 |
允许使用具有任意数量内核的 PC。 |
FIL-RUN-TL-6 |
FabImage® Library Runtime |
附加组件运行时许可证 |
允许使用具有任意数量内核的 PC。 |
FIL-RUN-TL-8 |
FabImage® Library Runtime |
附加组件运行时许可证 |
允许使用具有任意数量内核的 PC。 |
FIL-RUN-TL-16 |
FabImage® Library Runtime |
附加组件运行时许可证 |
允许使用具有任意数量内核的 PC。 |
* 要并行运行无限数量的进程，建议按机器视觉计算机上的内核数量购买运行时许可证。
深度学习附加组件运行时许可证
除 FabImage® Library Runtime (FIL-RUN) 外，另须购买以下运行时许可证，才能运行深度学习附加组件功能。购买过 FabImage® Library Suite 开发人员许可证 (FIL-SUI) 和开发人员深度学习附加组件许可证 (FI-DL-ADD) 的用户，方可购买深度学习附加组件运行时
产品型号 | 名称 | 类别 | 功能 |
FIL-RUN-DL | FabImage® Library | 深度学习附加组件 | 允许用户执行单线程深度学习* |
* 不能使用多个 GPU 卡进行推理。
服务许可证
FabImage® Library Suite 开发人员许可证 (FIL-SUI) 或开发人员附加组件许可证（FIL-PAR-ADD 和 FI-DL-ADD）激活 12 个月后，以下服务许可证可用于将技术支持服务再延长12个月，其中包括：
- 最新版本的软件以及相关的新功能和文档
- 通过电子邮件回答与软件使用相关的技术问题
| * FIL-EXT购买FIL-EXT后，Parallel Add-on许可证即可获得免费更新 ** 为了购买DL-EXT，还必须购买FIL-EXT |
|||
产品型号 | 名称 | 类别 | 功能 |
FIL-EXT | FabImage® Library Suite 扩展
| 服务许可证 | 许可证可实现： 将开发人员许可证（FIL-PRO）更新到具有相关新功能和文档的最新版本 将并行处理加载项许可证（FIL-PAR-Add和多线程）更新为具有相关新功能和文档的最新版本* 享受积极的技术支持 |
DL-EXT* | FabImage® 深度学习 | 服务许可证 | 许可证可实现： 将深度学习外接程序许可证（FIL-UN-DL）更新到具有相关新功能和文档的最新版本 享受积极的技术支持 |
如果您不扩展技术支持服务，您仍然可以：
- Use your Developer License (FIL-SUI) and Add-on Licenses (FIL-PAR-ADD and FI-DL-ADD) but only at the latest version available when the technical support expired
- Purchase and use Runtime Licenses (including Multithreading and Deep Learning ones) but only at the latest version available when the technical support expired
使用您的开发人员许可证（FIL-SUI）和附加许可证（PIL-PAR-Add和FI-DL-Add），但在技术支持到期后只能使用最后一次更新的版本
重要提示
Opto Engineering每年发布2到4个新版本的开发者许可证，因此当支持到期时，很可能已经有了新版本。因此，除了能够从我们的技术支持中受益外，Opto Engineering始终建议购买服务许可证。
性能
FabImage Library Suite 将算法的精心设计与全方位的硬件优化相结合，形成出色的性能和速度，从而使得该库的性能和速度均跻身世界前列。我们使用多核处理器的 SSE 指令和并行计算进行各种操作。
现代化设计
各类数据均具有自动内存管理功能；可在异常情况下显式处理错误，且针对类型安全的特殊值使用可选类型。所有函数均为线程安全函数，且尽可能会在内部使用数据并行。
简易性与一致性
该库是一个简单的类型与函数集合，以具有适当标题的单个 DLL 文件的形式供用户使用。为实现最佳的可读性，在命名函数时应遵循一致的命名惯例（例如动词 + 名词形式，如下所示：SmoothImage、RotateVector）。所有结果均通过参考输出参数返回，所以十分有可能出现多个输出。
簡介
Deep Learning Add-on是机器视觉的一项突破性技术。它是一套由五种现成工具组成的软件，经由20-50个样本图像训练之后能够可对物体、缺陷或特征进行自动检测。内部使用了专为工业视觉系统设计和优化的大型神经网络。
与FabImage Studio Professional一起，您将获得一个用于训练和部署现代机器视觉应用的完整解决方案。
核心优势
從少數樣本中學習
一般的應用僅需要約20到50張影做訓練即可。愈多訓練的效果愈好，但我們的軟體根據訓練庫的主要參數屬性，內部將自動產生數以千計 新的人造影像，讓訓練更有效率。
運行在GPU和CPU
為了讓訓練更有效率，需要新一代的繪圖處理器(GPU)。在生產線上，您可以視需選用GPU或CPU，而GPU的處理時間會比CPU快3到10倍。(Object Classification的運行速度CPU和GPU一樣快)。
最佳性能
一般在GPU的訓練時間大約是5到15分鐘。推論時間的長短每張影像介於5到100毫秒，它和選用的工具與硬體有關。工業級的推論引擎 WEAVER可以保證最佳的性能。
訓練步驟
1. 收集影像並進行歸一化
- 取得20到50張影像，好壞都要，影像要盡可能涵蓋物件的變化，並儲存到硬碟裡。
- 影像中物件的比例、方向和明暗盡可能保持一致。
培训
- 打开FabImage Studio Professional并添加一个Deep Learning Add-on工具
- 打开与该工具关联的编辑器，并在那里加载培训图像
- 使用绘图工具标记图像或添加标记
- 点击“培训”
訓練庫和驗證庫
在深度學習中如同在機器學習的各個領域一樣，遵循正確的方法是非常重要的。最重要的規則是將訓練庫和驗證庫分開。 訓練庫是用於創建模型的一組樣本。我們不能用它來衡量模型的性能，因為這通常會產生過於樂觀的結果。因此，我們使用不同的數據(驗證庫)來評估模型。我們的深度學習工具會根據用戶提供的樣本自動創建這兩種資料庫。
執行
- 運行程式並查看結果
- 返回步驟1或2直到結果完全令人滿意。
特征检测
在監督模式下，用戶需要小心翼翼地根據訓練庫中的影像去標註缺陷的位置。該工具藉由尋找關鍵特徵去學習判斷好與壞。
太陽能板檢測
在這個應用中，必須在具有複雜特徵的背景上檢測出破損和刮傷。若用傳統的方法，將需要複雜的演算法，並針對每一種太陽能板調整數十種參數。使用深度學習，只需要一種工具就可以在監督模式下做訓練。
衛星影像識別
衛星影像不容易解析，因為它涵蓋非常多的特徵。不過，我們的深度學習軟體透過訓練可以非常穩定且可靠的區別道路和建築物。
異常檢測
非監督式模式的訓練更加簡單，沒有固定缺陷定義。我們的軟體將樣品圖像並進行訓練。此後尋找任何偏差。
包裝驗證
當壽司盒出貨到市場時，什麼位置放什麼食材都是固定的。雖然同一種食材的外觀不完全相同但可以接受， 而食材的缺陷卻不容易被定義。 解決方式是採用半監督模式去檢測到該工具在訓練期間所經歷的任何重大改變。
塑膠射出成型檢測
射出成型是一個複雜且伴隨許多生產問題的製程。塑膠件可能會折疊或其它形狀的變異，但對客戶來說都是可以接受的。 我們的深度學習工具可以從提供的樣本中接受這種變異，並在生產線上找出有任何異狀的不良品。
物件分類
物體分類工具根據物體的特徵將所提供的輸入圖影像為用戶特定的幾組。其結果為類別名稱和分類置信度。
瓶蓋：正面或反面
塑膠瓶蓋在生產時有時會不經意地翻面。假如客戶想要檢測這種情況，完全可以用傳統的視覺檢測方式做到， 只是它需要一位專家針對此應用設計特定的演算法。另一種方案，我們可以採用以深度學習為基礎的物件分類功能， 從訓練的影像庫中，自動學習瓶蓋的正反面。
3D鋁合金輪圈識別
一家工廠可能生產數以百計樣式不同的鋁合金輪圈。使用傳統的視覺檢測方式要在這麼多樣化的產品中識別出一個特定的輪圈， 實際上是不可能的。模板比對需要大量的時間嘗試從數百個模板中做匹配，而這些模板必須手工逐一訂製， 耗費太多開發和維護時間。而深度學習是一個相當理想的解決方案，它可以讓程式直接從影像庫中學習並訓練， 其結果非常的穩定且可靠。
個體區分
個體區分技術被用來在一張影像中定位、區隔和分類單一或多重物件。它不同於Feature Detection(特徵識別)技術，它可以找出個別的物件，即使物件互相接觸或是重疊也能夠正確區分。
堅果分類
混合堅果是一種非常受歡迎包含各種形狀堅果的休閒食品。由於包裝中堅果的成份百分比應和標籤上印刷的成分清單一致， 客戶希望確保每一種類型的正確數量都可以填充到包裝裡。Instance Segmentation (個體區分) 工具針對這種應用是非常理想的解決方案，因為它能區分物體跟物體間的範圍並返回被分割對象相對應的蒙版。
包裝驗證
歐洲常見的湯類蔬菜組合包是以隨機位置包裝在白色塑膠盤上。生產線作業員有時會忘記將某一種蔬菜放到盤子上。 雖然有秤重系統做把關，但客戶在包裝密封前還是想知道商品是否完整。由於不會有兩種蔬菜看起來是完全相同的， 最理想的解進方案是採用深度學習為基礎的分類法。在訓練階段，客戶只須要在所選的蔬菜上做標註即可。
特徵點定位
特徵點定位工具在影像中尋找獨特的形狀、特徵或記號做為定位點。和傳統的模板比對進行比較，這個工具會進行多次的樣本訓練， 避免因物件的變異影響定位的可靠度。
蜜蜂跟隨
使用我們的深度學習工具可以完成傳統影像處理方法似乎無法實現的任務。在這種情況下，我們可以使用深度學習來檢測蜜蜂， 當訓練完成時，我們可以檢查蜜蜂們是否感染了變色病-由寄生蟎侵襲蜜蜂所引起的疾病。寄生蟲會依附在他們的身體上， 並根據紅色斑點的發炎狀況來檢視他們是否健康。不會只有這個案例讓複雜的任務簡單化， 同時我們對於許多不同的產業是抱持著開放的態度，例如農業。
取放
在這些應用案例中，我們需要引導機器手臂抓取物品，最典型的是從輸送帶或容器中抓取物品。 有一個好的案例是抓取小的莖梗，然後將其垂直放置在花盆中。過程中檢測到任何不正確之處， 都有可能導致種植過深或上下顛倒，將導致根部無法順利生長。我們的深度學習工具可以快速定位植物的部位， 並提供準確的結果。
