Version 5.1 · Agent IA intégré · 391 nœuds

De la caméra à l’inférence jusqu’à l’automate — on câble, on ne code pas.

Cameo Image Studio est un établi en graphe de nœuds pour la vision industrielle. Posez un nœud caméra, reliez-le à l’inférence GPU, reliez celle-ci à un automate ou à un axe de mouvement, et la ligne tourne — sans écrire le moindre script de compilation. Quand du code devient nécessaire, le graphe s’exporte en C++, en Python ou en exécutable autonome.

Télécharger pour Windows Windows 10/11 · 64-bit Demander une clé d’activation

Windows 10/11 64 bits uniquement. Le programme d’installation est un petit fichier : le reste — CUDA, PyTorch, OpenCV, ONNX Runtime et un environnement Python embarqué — est téléchargé pendant l’installation, sans rien à préparer à la main.

391nœuds au catalogue

9langues d’interface

5fabricants de caméras pris en charge

C++ · Pyle graphe s’exporte en code

Assistant IA

L’agent vit dans le graphe

Pas une fenêtre de chat greffée sur le côté. L’assistant lit le catalogue de nœuds, construit le pipeline, l’exécute, regarde les images qui reviennent et corrige ses propres paramètres jusqu’à ce que le contrôle passe.

Assistant IA

Décrivez le contrôle, recevez le graphe

L’assistant intégré lit le catalogue de nœuds et construit une chaîne à partir d’une phrase. Il voit les images produites par vos nœuds, accepte une photo ou un cahier des charges en PDF, exécute la chaîne, relit le résultat — puis change les paramètres et recommence.

Crée les nœuds, les relie et règle les paramètres, avec validation et retour arrière
Écrit des nœuds C# sur mesure pour ce que le catalogue ne couvre pas
Passe par un serveur sous licence — une clé par machine, aucune clé d’API à gérer

Vision-langage

Posez une question à l’image

Reliez une image et une phrase à un nœud vision-langage, puis lisez la réponse sur un port. Demandez si chaque ouvrier de l’échafaudage porte un harnais : le graphe renvoie un verdict, un nombre d’infractions et les boîtes correspondantes — sans liste de classes entraînée au préalable.

Verdicts oui/non, réponses en texte libre et compteurs d’infractions sur des ports typés
Contrôles EPI et sécurité : chaque personne est suivie et revérifiée à intervalle régulier
Tourne à côté du détecteur : la boîte et la réponse viennent de la même image

Des graphes, en marche

Captures et enregistrements d’écran pris directement dans la version distribuée — aucune maquette. Chaque nœud prévisualise sa propre sortie sur son corps : on voit ce que chaque étape a réellement produit.

PPE safety graph — **D455 → safe_detect → PPE Yolo Tracker → Show Result** Une caméra de profondeur dans un graphe de sécurité : safe_detect repère les personnes, le PPE Yolo Tracker vérifie sur chacune le casque et le harnais — cinq suivies sur cette image — et Height Above Ground 2D reprend les mêmes détections avec le flux de profondeur pour lever son propre drapeau d’infraction.

RGB · D455 stereo depth · Cameo AI depth Une RealSense D455, deux cartes de profondeur de la même scène : celle de la caméra elle-même (en haut à droite) s’aplatit et se troue par plaques au-delà des premiers mètres, tandis que la profondeur IA, en dessous, lit la même image RGB et distingue encore le sol, les piliers et la nacelle élévatrice.

Laplacian filter at 183 fps — **Load Video → Filter: Laplacian → Show Result** Un laplacien sur chaque image du même clip de circuit imprimé, en 1280×720. Le compteur du nœud de lecture affiche 183 images par seconde avec le filtre dans la chaîne — environ 169 mégapixels par seconde, sur une machine AMD Ryzen 7 série 5000.

Load Image → Shape Detect → Show Result — le tout construit par l’assistant Une phrase et une photo de la carte : segmenter la puce rectangulaire. L’assistant pose les trois nœuds, règle Invert, MinArea 8000 et un filtre square/rectangle, puis lance le graphe — Shape: 0 found. Il relit sa propre incrustation, comprend que ce filtre a écarté le contour de la puce, le supprime et relance : un contour se referme au plus près du QFP.

Ce que le graphe sait faire

Cinq capacités qui vivent d’ordinaire dans cinq logiciels distincts, réunies sur une seule toile.

Graphe de nœuds

Une toile, 391 nœuds

Chaque opération est un nœud doté de ports typés : charger une image, la seuiller, détecter des régions, exécuter un détecteur, filtrer sur la distance, écrire une bobine d’automate. Les liaisons transportent des images, des détections, des poses, des cartes de profondeur et des valeurs. Chaque nœud affiche un aperçu de sa propre sortie sur son corps : vous voyez où la chaîne dérive sans avoir à l’arrêter.

Exécution libre multithread — la chaîne conserve sa cadence pendant que vous la modifiez
Annulation, sauvegarde automatique et reprise après incident sur le graphe lui-même
Mode Exploitation : un écran opérateur verrouillé, en lecture seule, avec tableau de résultats

Annotation

Annoter les données là où on les utilise

Tracez des boîtes et des polygones, exportez en structure YOLO ou COCO, et injectez le résultat directement dans un nœud d’entraînement du même projet. La segmentation guidée par texte (Grounded SAM) pré-annote un lot entier avant toute intervention humaine.

Boîte englobante, polygone, filtre de classes avec seuil de confiance par classe
Détecte une installation de LabelMe et lui passe la main si vous préférez cet outil
Empilement d’images, découpe par détection et super-résolution, sous forme de nœuds

Auto-labelled detections on a street scene

Réseaux de neurones

Dessinez le réseau, puis entraînez-le

Un concepteur graphique pour les couches MLP et CNN, plus un tableau de blocs façon YOLO qui exporte le YAML attendu par la chaîne d’entraînement. Chargez des poids .onnx ou .pth, inférez sur GPU, quantifiez en INT8 pour une cible STM32.

ONNX Runtime avec CUDA, repli automatique sur le CPU en l’absence de GPU
Nœuds de détection, segmentation, pose, profondeur, détection d’anomalies et OCR
Studio d’apprentissage par renforcement avec 12 méthodes classiques pour régler les boucles

Commande

Le résultat doit actionner quelque chose

Une vision qui n’actionne rien reste une démonstration. Reliez un verdict à une bobine d’automate, un axe de mouvement, une broche GPIO de microcontrôleur ou un sujet MQTT. Le micrologiciel STM32 et Arduino est généré, compilé et flashé depuis l’application.

Automates : Mitsubishi MC · Siemens S7 · Omron FINS · Modbus TCP · TwinCAT ADS
Mouvement : axes GRBL, Modbus et ADS, mouvement logiciel, étalonnage à neuf points
MCU/FPGA : STM32 (PlatformIO), Arduino (arduino-cli), Verilog (Vivado / Quartus)

IoT & téléphone

Le résultat doit sortir de la machine

Un verdict qui reste sur le PC d’inspection ne sert à personne. Publiez-le sur un broker MQTT avec l’image, envoyez-le en POST à un webhook — Telegram, LINE, ThingsBoard, tout ce qui lit du JSON — ou composez l’écran du téléphone dans le concepteur et donnez à l’opérateur exactement les tuiles que vous avez choisies. Enregistrez, et tout téléphone déjà ouvert se redessine en quelques secondes.

MQTT publish (verdict, score, JPEG) et subscribe — un capteur ou un bouton déclenche le pipeline
Tuiles de valeur, interrupteurs, boutons et images caméra, groupés en onglets, installable en PWA
Un onglet Écran recopie la fenêtre de l’application et renvoie les touchers — réseau local et jeton par défaut, un code PIN pour cet onglet

Ce à quoi il se connecte

Vérifié sur la version livrée. Ce qui ne figure pas ici n’est pas revendiqué.

Caméras et sources

Hikvision MVS (GigE / USB3)
Basler pylon
The Imaging Source (GigE)
MindVision USB
Intel RealSense (colour + aligned depth)
RTSP · MJPEG · HLS · HTTP
Dossiers d’images et fichiers vidéo

Commande et bus de terrain

Mitsubishi MC protocol
Siemens S7
Omron FINS
Modbus TCP / RTU
Beckhoff TwinCAT ADS / EtherCAT
GRBL motion
MQTT · HTTP request

Cibles code et micrologiciel

Projet C++ autonome
Python (s’exécute sous Linux)
Déploiement en EXE sans interface
STM32 (PlatformIO)
Arduino (arduino-cli)
Verilog / HLS (Vivado, Quartus)
Texte structuré IEC et ladder pour automates
Bibliothèque image pour ARM64, ARMv7 et Cortex-M sans OS

Téléchargement

Un seul fichier d’installation. Le reste est téléchargé pendant l’installation.

Installateur Windows

v5.1

Un petit exécutable d’installation pour Windows 10/11 64 bits. Lancez-le : il télécharge lui-même l’environnement d’exécution dont il a besoin.

Taille: —
Publié le: —
Téléchargé à l’installation: —

Télécharger l’installateur

SHA-256 —

Vérifiez avant d’installer : CertUtil -hashfile <fichier> SHA256

Le poste doit être connecté pendant l’installation. L’installateur télécharge le cœur de l’environnement d’exécution au fur et à mesure. Les modules optionnels — environnement Python, SDK Halcon et Hikvision, modèles d’IA fournis, LabelMe — restent sur le serveur tant que vous ne les activez pas dans Tools > Components. Une fois installée, l’application fonctionne hors ligne.

Pas encore signé numériquement. Windows SmartScreen vous avertira au premier lancement. Comparez l’empreinte SHA-256 ci-dessus à votre fichier avant de passer outre : cette vérification est précisément ce qu’une signature vous aurait apporté.

Bibliothèque d’images Cameo

La bibliothèque d’images C++ sur laquelle tourne l’application elle-même, empaquetée pour vos propres programmes. Les modules n’appellent rien d’autre que le système et le runtime C++ de Microsoft — pas d’OpenCV, pas de LibTorch, pas de BLAS.

Windows x64

—

Une DLL par module, la version en un seul fichier que charge le binding C#, les bibliothèques d’import, les en-têtes, et les bindings C# et Python.

Taille: —
Modules: —

Télécharger tous les modules (archive)

SHA-256 —

Linux x64

—

Les mêmes modules compilés en .so avec g++ 15, plus les en-têtes et le paquet Python. Le binding C# charge la version Windows en un seul fichier : sous Linux, l’entrée se fait donc en C, C++ ou Python.

Taille: —
Modules: —

Télécharger tous les modules (archive)

SHA-256 —

Ce que vous devez fournir vous-même. Un license.lic à l’exécution — le même fichier qui déverrouille l’application — plus le runtime Microsoft Visual C++ 2015-2022 x64 sous Windows. Rien d’autre : pas d’OpenCV, pas de LibTorch, pas de BLAS. La table P/Invoke qui montre comment appeler chaque fonction exportée est dans l’archive, sous csharp/.

Au-delà de Windows

La même bibliothèque, sur la carte elle-même

L’application exige Windows. La bibliothèque, non. Les mêmes modules C++ se compilent pour un Linux embarqué sur ARM et pour un Cortex-M sans système d’exploitation en dessous — ils n’importent rien d’autre que la bibliothèque C, donc il n’y a ni OpenCV, ni BLAS, ni Python à cross-compiler d’abord.

Linux ARM64

—

Pour les cartes Cortex-A 64 bits sous Yocto, Buildroot ou une image dérivée de Debian — Jetson, Raspberry Pi 4 et 5, Rockchip, i.MX8. Objets partagés, en-têtes et paquet Python : la même porte d’entrée que la version x64. L’archive contient un README, les en-têtes, le paquet Python cameo et six exemples montrant comment l’appeler depuis Python.

Taille: —
Modules: —

Télécharger tous les modules (archive)

SHA-256 —

Linux ARM 32 bits

—

Les mêmes modules pour un Cortex-A 32 bits à virgule flottante matérielle — i.MX6, Allwinner, les anciennes images Raspberry Pi. Objets partagés, en-têtes et paquet Python. L’archive contient un README, les en-têtes, le paquet Python cameo et six exemples montrant comment l’appeler depuis Python.

Taille: —
Modules: —

Télécharger tous les modules (archive)

SHA-256 —

Cortex-M, sans OS

Généré dans l’application

Rien à télécharger ici. L’application construit elle-même cette cible : choisissez les modules qu’un microcontrôleur sans OS peut porter, elle les compile pour arm-none-eabi et lie l’archive statique au firmware qu’elle génère — le même flux qui programme STM32 et Arduino.

Obtenir l’application

Ce qu’est une version embarquée, et ce qu’elle n’est pas. C’est la bibliothèque image — filtres, géométrie, mesure, blob, code-barres, OCR et le module de réseau de neurones — compilée pour la cible. Ce n’est pas l’application : l’éditeur de nœuds, les studios d’entraînement et l’assistant IA restent sous Windows. L’inférence sur ces cartes tourne sur le processeur, car les modules n’embarquent aucun CUDA. À l’exécution, chaque version réclame le même license.lic que celui qui déverrouille l’application.

Demander une clé d’activation

L’application fonctionne hors ligne, mais l’assistant IA est sous licence par machine. Installez d’abord, ouvrez Outils ▸ Paramètres IA, copiez le Machine ID affiché et joignez-le à ce formulaire.

Configuration requise

Ce sont les prérequis de l’application Windows — il n’existe pas de version macOS, et le portage Linux de l’application n’est pas publié. C’est la bibliothèque image qui, elle, quitte Windows.

Élément	Minimum	Recommandé
Système d’exploitation	Windows 10 64 bits	Windows 11 64 bits
Processeur	4 cœurs, x86-64	8 cœurs ou plus
Mémoire vive	8 GB	16 Go ou plus
Carte graphique	Aucune — l’inférence bascule sur le CPU	NVIDIA RTX 3060 ou mieux, pilote à jour
Disque	30 Go libres (SSD)	60 Go libres pour les jeux de données et les enregistrements
Téléchargé par l’installateur	Runtime Visual C++ x64, Microsoft Edge WebView2, bibliothèques CUDA et cuDNN, PyTorch, OpenCV, ONNX Runtime et un environnement Python embarqué. L’installateur les télécharge pour vous : rien à installer à la main, mais le poste doit être connecté pendant l’installation.

Questions

Quel volume faut-il télécharger en réalité ?

Le fichier d’installation lui-même est petit : sa taille exacte et son empreinte figurent sur la carte de téléchargement ci-dessus. Pendant l’installation, il récupère le cœur de l’environnement d’exécution — CUDA et cuDNN, PyTorch, OpenCV avec accélération GPU, ONNX Runtime et un environnement Python complet — dont le volume est également indiqué sur la carte. Les modules optionnels se téléchargent plus tard, depuis Tools > Components, et uniquement ceux que vous activez.

Faut-il une clé pour utiliser le logiciel ?

La chaîne de vision fonctionne sans clé. Seul l’assistant IA est sous licence par machine : vous transmettez le Machine ID affiché dans l’application et recevez une clé liée à cet ordinateur. Une clé émise pour une machine ne fonctionnera pas sur une autre.

Le téléchargement est-il signé ?

Pas encore. Les certificats de signature de code sont en cours d’obtention. D’ici là, vérifiez l’empreinte SHA-256 publiée à côté du téléchargement : elle détecte tout aussi sûrement un fichier altéré ou tronqué.

Quel est le format des fichiers de projet ?

Les projets sont enregistrés en .json : nœuds, paramètres et liaisons, lisibles dans n’importe quel éditeur de texte et faciles à versionner. L’extension .mcameo que vous verrez parfois est un conteneur de tenseurs distinct, réservé aux poids de modèles, pas un projet.

Peut-il fonctionner sans GPU ?

Oui. La détection et la segmentation basculent automatiquement sur le CPU. Attendez-vous à un écart de vitesse important : sur CPU, les modèles lourds conviennent aux essais, pas à la cadence de ligne.

Existe-t-il une version macOS ou Linux ?

Il n’existe pas de version macOS, ni de version Linux de l’application. La bibliothèque d’images C++, elle, se compile pour Linux : les .so sont dans la section de téléchargement ci-dessus. Pour un pipeline, la voie pratique vers Linux aujourd’hui reste de l’exporter en Python ou en C++ depuis l’application Windows et de l’exécuter sur la cible.

Est-ce que tout cela peut tourner sur une carte embarquée ?

La bibliothèque, oui. Elle se compile pour un Linux embarqué sur ARM 64 et 32 bits, et pour un Cortex-M sans système d’exploitation : le contrôle lui-même tourne alors sur l’équipement — la section Embarqué ci-dessus indique ce que contient chaque cible. L’application, elle, reste sous Windows : on y construit et on y entraîne, puis la carte exécute un pipeline exporté ou votre propre programme appelant la bibliothèque.

Câblez votre premier pipeline ce soir

Un petit installateur pour Windows 10 et 11. Il télécharge le runtime dont il a besoin pendant l’installation, puis fonctionne hors ligne.

Télécharger pour Windows Demander une clé d’activation