Mipar

Perché scegliere Mipar?

Utilizzare Mipar per rilevare e misurare le caratteristiche:

1. Molto più veloce e con molta meno variabilità d’uso rispetto all’analisi manuale.
2. Con una maggiore precisione rispetto ad altre soluzioni automatizzate.
3. Con una supervisione integrata dei tuoi risultati.

Capace di identificare e misurare le caratteristiche di tutti i tipi e formati di immagini:

• Microscopi
• Scanner e radiografi
• Satelliti
• Camere
• Smartphone
• Droni

Per studenti e università

MIPAR è usato dalle università di tutto il mondo per formare gli studenti su strumenti avanzati di analisi ed elaborazione digitale delle immagini per la scienza dei materiali, la scienza della vita, ecc. Gli studenti hanno accesso a prezzi accessibili su base mensile o semestrale. Sono disponibili anche licenze dipartimentali e universitarie. Se è  interessato, La invitiamo a inviarci una richiesta di preventivo.

La MIPAR Academy è un corso completo di auto-apprendimento progettato per far sì che gli utenti diventino rapidamente operativi e allo stesso tempo costruiscano abilità e competenze durature.

Pubblica le Sue domande e i suoi commenti sul forum degli utenti MIPAR per ottenere risposte dai membri della comunità e dagli esperti delle applicazioni MIPAR.

Condizione d’uso per gli studenti:

Per l’uso solo da parte di studenti su sistemi di proprietà di studenti per corsi accademici e di ricerca presso istituzioni che rilasciano diplomi.

Questa offerta non è per uso commerciale, governativo o altre organizzazioni.

Se si desidera utilizzare MIPAR in un’azienda, in un laboratorio governativo, come istruttore presso un’università, per la ricerca o per scopi commerciali o industriali, si prega di richiedere un preventivo.

Opzione di licenza*: sede fissa, computer specifico.

*Il computer deve essere di proprietà dello studente, non dell’università.

Domini di applicazione

Scienze della vita 

Fluorescenza

Distribuzione mitocondriale in una cellula PC12 differenziata: Rilevamento completamente automatico dei mitocondri, separazione dei neuriti e del corpo cellulare, e misurazione della frazione mitocondriale in ciascuno.

Histologia

Colorazione EE dell’epitelio del tumore cheratocistico odontogeno: Quantificazione automatizzata dello spessore dello strato epiteliale, dopo l’identificazione completamente automatica dello strato.

Piastra di Petri

Colonie batteriche su una piastra di Petri, rilevamento automatico della piastra, stima del numero di colonie cresciute insieme.

Sciences des matériaux

Dimensione e forma delle nanoparticelle di silice

Soluzione completamente automatizzata per la caratterizzazione delle dimensioni e della forma delle nanoparticelle. Quantificare un insieme di campioni da una singola scansione o da un processo batch.

Dimensione e forma delle nanoparticelle di silice

Soluzione completamente automatizzata per la caratterizzazione delle dimensioni e della forma delle nanoparticelle. Quantificare un insieme di campioni da una singola scansione o da un processo batch.

Aanalisi delle fratture, identificazione dei difetti delle parti

Quantificare la densità delle cricche della fabbricazione additiva, la distribuzione delle dimensioni, la densità localizzata. Soluzione completamente automatizzata per la quantificazione di un singolo campo o di tutta la superficie.

Ispezione e controllo

Ispezione automatizzata dei binari ferroviari utilizzando drone

Componenti del binario quantificati dalle immagini del drone come parte di un’ispezione settimanale della ferrovia commissionata dalla Federal Railroad Administration (FRA).

Studio aereo della gravità della deforestazione

Percentuale di aree boschive (e deforestate) quantificate automaticamente dall’analisi di immagini prodotte da droni.

Controllo dei contaminanti

Classificazione e misurazione delle dimensioni dei contaminanti della carta da filtro: I contaminanti rilevati sono classificati in tipi predefiniti e le dimensioni e la forma sono riportate.

Caratteristiche

Apprendimento profondo

1. Trace : Traccia le tue caratteristiche su alcune immagini. Anche usare le trame che hai già.
2. Train : Una rete neurale profonda impara a riconoscere ciò che hai tracciato.
3. Run : Esegui il tuo modello su una nuova immagine per rilevare caratteristiche complesse.

Le caratteristiche del Deep Learning: 

• Regolazione di certi caratteri (per esempio, delimitazione specifica).
• 5 a 10 analisi di immagini sono sufficienti per l’apprendimento e il riconoscimento.
• Da forme parametriche predefinite seguite da una registrazione 

Esempio di utilizzo

Rilevare i kernel ignorando i gemelli è stata una sfida per la comunità per decenni. La funzione Deep Learning di Mipar ha affrontato con successo questa sfida.

Visualizzazione grafica

• Esplorazione visiva della quantificazione delle immagini dal vivo.
• Esportazione di dati di immagini, grafici o tabelle digitali (individuali o report)

 

L’elaborazione di lotti

• Possibilità di analizzare i lotti velocemente e accuratamente.
• Possibilità di fare correzioni se necessario.
• Visualizzazione grafica come istogramma del lotto analizzato.

Ecco come impostare ed eseguire un processo batch per segmentare e misurare le caratteristiche da un insieme di immagini.

Configurazione richiesta

L’API MIPAR permette di eseguire ricette in script e applicazioni Python. L’accesso all’API è garantito a tutte le licenze perpetue senza alcun costo. Lavorando insieme al software di analisi delle immagini MIPAR, gli utenti possono prototipare, perfezionare e distribuire soluzioni scalabili di analisi delle immagini. La libreria può essere distribuita sia localmente che su una rete.

Distribuzione della rete

L’API MIPAR può essere distribuita su una rete di server come parte di altre applicazioni in rete, come un database in rete. Le immagini memorizzate in un database possono essere automaticamente quantificate e archiviate.

Come funziona?

1. Carica la ricetta che vuoi.
2. Apri la tua immagine nel processore di immagini.
3. Prendi e lascia la tua ricetta.