ORSDragonfly软件界面友好、便于操作，向用户提供包括人工智能在内的丰富的图像分割工具、先进的三维图像渲染、及强大的Python扩展等丰富功能，实现了高效率、高精度的分析结果输出。Dragonfly支持中英文操作界面，同时中文团队提供了优良的技术支持和丰富的中文教学资源。
联系威尼斯87978797
ORS Dragonfly软件界面友好、便于操作，向用户提供包括人工智能在内的丰富的图像分割工具、先进的三维图像渲染、及强大的Python扩展等丰富功能，实现了高效率、高精度的分析结果输出。Dragonfly 支持中英文操作界面，同时中文团队提供了优良的技术支持和丰富的中文教学资源。
1 基本功能
1.1数据导入
ORS Dragonfly软件实现了各种格式的图片和图片序列、以及RAW/ TXM /AM /VGI /STL等格式数据体文件的便捷导入功能。导入之后可以立即进行多视角多尺度的观察与测量。
1.2图像处理
Dragonfly的图像处理工具可供用户减轻各类图像伪影并恢复图像清晰度，将重要的图像信息显示出来。不仅预装的数十个图像滤镜可以快速应用到三维图像上，同时机器学习模块提供了更加智能与实现特定目标的降噪和超分辨率的应用，进一步提升图像质量。
1.3图像渲染
Dragonfly提供灵活而高清晰的实影渲染(cinematic rendering)体绘制引擎，用户可快速产生几近实物图片的三维效果图。在这里，深度感知与高度衍变的色彩感知相结合，而对图像的色彩、透明度、阴影等这类复杂操作却能通过简单的控制来实现，意味着用户可随时发现令人惊艳的渲染效果。
1.4图像分割
Dragonfly中的多种图像分割和显示方法允许用户识别和标记感兴趣的区域，并对统计属性进行分析。满足客户对目标图像的定量描述需求，实现表征目标的图像的输出。基于灰度值分布情况的传统阈值方法满足了部分图像分割的要求，基于机器学习（尤其是深度学习）的人工智能方法可以实现传统方法难以实现的图像分割。用户无须了解人工智能的底层代码更无需编程经验，即可快速在Dragonfly软件内完成人工智能模型设计、模型训练、模型应用一整套的工作流程，使用人工智能模型对复杂图像进行自动分割。
Buss, Daniel J., Natalie Reznikov, and Marc D. McKee. "Crossfibrillar mineral tessellation in normal and Hyp mouse bone as revealed by 3D FIB-SEM microscopy." Journal of Structural Biology 212.2 (2020): 107603.
1.5图像分析
Dragonfly针对图像孔隙、纤维、颗粒、壁厚等结构的分析，提供了快速计算、统计测量和交互式表征图像特征等功能。可灵活配置的着色方案和突出显示的交互式检查可以始终以有意义的方式将量化分析结果进行可视化展示。
Binkley, Dakota M., et al. "Human bone mesoscale 3D structure revisited by plasma focused ion beam serial sectioning." bioRxiv (2020).
1.6 人工智能
Dragonfly软件集成了包括传统机器学习（例如随机森林方法）和神经网络（即深度学习）在内的人工智能引擎，让普通用户可以轻松定制人工智能模型，以有效完成高难度的图像分割任务，亦可用以提升图像质量和图像分辨等任务。
深度学习模块可以让用户创建、编辑、训练、应用卷积神经网络（CNN）模型。通常是基于预装的神经网络架构创建新模型，然后通过对少量手工标记的图像进行学习和训练，训练后模型可以重复应用到大量的同类图像上，迅速得到需要的结果。训练好的深度学习模型亦可快速用于自动化流程设计中。
Dragonfly的深度学习模块实现了多个公开发表及被证明有效的深度学习模型架构，包括以下这些典型架构：
l UNet
l 3D UNet
l UNet++
l UNet SR
l Attention UNet
l WDSR
l EDSR
l Sensor3D
l PSPNet
l Noise2Noise
l Noise2Noise_SRResNet
l LinkNet
l FC-DenseNet
l DeepLabV3+
l BiSeNet
l Noise2Void
l YOLOv3
上图案例：深度学习模型自动提取和区分微孔与裂隙
联系威尼斯87978797
400-010-9986
微信公众号
咣当地球
English
返回顶部
400-010-9986
orange@orangelamp.com.cn
北京市昌平区何营路8号中关村科技园区科派产业基地22号楼
