ZEISS Rasterelektronen-
mikroskopie für die Industrie:

Dank bewährter Verfahren des maschinellen Lernens wie Pixelklassifizierung oder Deep Learning erzielen auch fachfremde Anwender mit ZEN Intellesis belastbare, reproduzierbare Segmentierungsergebnisse. Sie laden einfach Ihr Bild in die Software-Suite ZEN core, definieren Ihre Klassen, kennzeichnen Pixel, trainieren Ihr Modell und lassen die Segmentierung durchführen.

Die Software muss nur einmal an wenigen Bildern trainiert werden, um Stapel mit Hunderten von Bildern automatisch segmentieren zu können. Das spart nicht nur Zeit, sondern reduziert auch den Raum für benutzerbedingte Abweichungen. Sämtliche zeitaufwendigen Segmentierungsschritte für die unzähligen ähnlichen Bilder werden dann von den leistungsstarken Machine-Learning-Algorithmen ausgeführt.

ZEISS ZEN Intellesis
ermöglicht die Partikelidentifizierung mittels maschinellem Lernen, woraus sich eine höhere Präzision bei der Partikelidentifizierung ergibt. Darüber hinaus können die Algorith­men für maschinelles Lernen auch auf die Bildsegmentierung und Objektklassifizierung angewandt werden.

Mithilfe von „Object Classification“
von können die segmentierten Partikel weiter klassifiziert und in Unterklassen eingeteilt werden. Anhand dieser Informationen kann die Partikelzählung pro Klasse durchgeführt werden.

Das Modul unterstützt die einfache Segmentierung multidimensionaler Bilder aus zahlreichen unterschiedlichen Imaging-Quellen, darunter Weitfeld-, Superauflösungs-, Fluoreszenz-, Elektronen- und Röntgenmikroskopie mit konfokaler Abbildung. Die Bildanalyse-Apps zur Auswertung ermöglichen dann die automatische Erstellung von Berichten und die Messung gemäß internationaler Industrienormen.

Einen innovativen Ansatz verfolgt ZEISS ZEN Intellesis bei der Klassifizierung nach der Segmentierung. Es werden mehr als 50 gemessene Eigenschaftskriterien pro Objekt verwendet, um diese automatisch zu unterscheiden und zu unterklassifizieren. Dieser Prozess arbeitet mit tabellarischen Daten und ist damit wesentlich schneller als etwa die Segmentierung durch speziell trainierte neuronale Netzwerke mit Deep Learning.

Schichtdickenmessung:
Überlagerung des FIB-Querschnitts von CIGS-Solarzellschichten: Ergebnis nach Erfassung mit Crossbeam 550 Inlens-Detektor (rechts) und nach Segmentierung mittels maschinellem Lernen mit ZEISS Intellesis (links).