Új technológiák a látáshoz
Az elmúlt évtizedben a technológia változásai és fejlesztései sokrétűek voltak: eszközmobilitás, big data, mesterséges intelligencia AIDolgok Internete IoT robotika, blokklánc, 3D nyomtatás, gépi látás. A mérnökök szeretik a technológiákat alkalmazni és adaptálni azokat az ipari környezetekhez és korlátokhoz. Ezen technológiák egy részének vagy mindegyikének átvételére és kihasználására vonatkozó stratégiai tervezés kulcsfontosságúvá vált a feldolgozóiparban.
„Számítógépes szemek”
Fókuszáljunk most a mesterséges intelligenciára és a mélytanulásra épülő képanalízisre vagy a példákon alapuló gépi látásra. A hagyományos, szabályalapú gépi látásmóddal kombinálva az AI segíthet a robotizált összeszerelő egységeknek a megfelelő alkatrészek azonosításában, felismerheti, hogy egy alkatrész hiányzik-e, vagy nem megfelelően van-e felszerelve a termékre,és gyorsabban meghatározhatja, hogy ezek problémát jelentenek-e.
Mindezt rendkívül nagy pontossággal. Először nézzük meg, mi a mélytanulás Anélkül, hogy túlságosan belemennénk a részletekbe, beszéljünk a GPU hardverről. A GPU-k grafikus feldolgozó egységek ezernyi viszonylag egyszerű feldolgozó magot gyűjtenek össze egyetlen chipbe.
Felépítésük az ideghálózatokhoz hasonlít. Egy ilyen architektúra alkalmazásával a mélytanulás lehetővé teszi konkrét feladatok megoldását anélkül, hogy kifejezetten arra programozták volna.
Viktor Huszár
Az alapképzés során kifejlesztett elsődleges logikától kezdve a mély idegi hálózatok folyamatosan finomítják teljesítményüket, amint új adatokat kapnak. Ez a koncepció a különbségek felismerésén alapszik: tartósan vizsgálja az adatkészlet változásait és szabálytalanságait.
Érzékeny és reagál a kiszámíthatatlan hibákra.
A fejlesztési folyamat eszközönként szabályalapú programozás vs. Hardverbefektetések a mélytanulás több feldolgozási és tárolási kapacitást igényel ; 3.
"Mikor nyomtatsz már nekem egy rendes szemet?"
A gyári automatizálás használati esetei. Hogyan egészíti ki a mélytanulás a gépi látást? A gépi látórendszer egy digitális érzékelőn alapul, amelyet egy speciális optikával ellátott ipari kamerába helyeznek.
A rendszer képeket készít, amelyeket egy számítógépre továbbítanak. A döntéshozatalhoz a specializált szoftverfolyamatok elemzéseket készítenek és különféle jellemzőket mérnek.
A gépi látásrendszerek megbízhatóan teljesítenek a következetesen és megfelelően gyártott alkatrészek esetében. Lépésről lépésre történő szűréssel és szabályalapú algoritmusokkal működnek. Egy gyártósoron a szabályokon alapuló gépi látórendszer percenként száz vagy akár több ezer alkatrészt is ellenőrizhet nagy pontossággal.
Költséghatékonyabb, mint az emberi ellenőrzés. A vizuális adatok kimenete programozási, szabályalapú megközelítésen alapul az ellenőrzési problémák megoldására.
A szabályalapú gépi látás az ismert változókészlettel kiváló eredményekhez vezet. De mi történik, ha a dolgok nem olyan világosak? Itt lép be a játékba a mélytanulás: Megoldás azon vision alkalmazások esetében, amelyeket szabályalapú algoritmusokkal túl nehéz programozni, Kezeli a zavaró háttereket és az alkatrész megjelenítésben mutatkozó eltéréseket, Karbantartja az alkalmazásokat, és az üzem új képadataival továbbképzi önmagát, Az alaphálózatok újraprogramozása nélkül alkalmazkodik új technológiák a látáshoz új példákhoz.
A számítógépes látás kezelése
A vizuálisan hasonló, bonyolult új technológiák a látáshoz textúrájú és változatos megjelenésű eltérések ellenőrzése komoly kihívást jelent a hagyományos szabályalapú gépi látórendszerek számára. Sőt mi több: ezeket a hibákat a hagyományos gépi látórendszer is nehezen különbözteti meg.
Számos olyan tényező miatt, amelyeket nehezen lehet egymástól elkülöníteni világítás, színváltozások, görbület vagy látómezőnéhány hibadetektálást közismerten nehéz programozni és megoldani egy hagyományos gépi látórendszerrel.
Ilyenkor jelent megoldást a mélytanulás. A mélytanulás előnyei az ipari gyártásban A szabályalapú gépi látás és a mélytanuláson alapuló képanalízis kiegészítik egymást, nem pedig vagy-vagy lehetőségként működnek a következő generációs gyári automatizálási eszközök adaptálásakor.
Egyes alkalmazásokban, például a méréstechnikában a szabályalapú gépi látás továbbra is az előnyben részesített és költséghatékony választás.
1 Replies to “Innovatív technológiák a látáshoz”
A nagy eltéréseket és kiszámíthatatlan hibákat magában foglaló összetett ellenőrzésekhez — amelyek túl bonyolultak a hagyományos gépi látórendszerben történő programozáshoz és karbantartáshoz — kiváló alternatívát jelentenek a mélytanulásra épülő eszközök. A gépi látás és a mélytanulás kombinációja erős alapot ad a vállalatoknak mind az operatív működés, mind a befektetésarányos megtérülés vonatkozásában.
A beruházások megtérülésének maximalizálása szempontjából elengedhetetlen tehát a hagyományos gépi látás és a mélytanulás közötti különbségek felkutatása, valamint annak megértése, hogy ezek a technológiák kiegészítik egymást — nem pedig versenyeznek egymással, vagy helyettesítik egymást.
Ha többet szeretne megtudni a Cognex mélytanulási megoldásairól, kérjük, látogasson el a cognex.
Ha tetszett ez a cikk, kövess minket a Facebookon is!
A COGNEX-ről A Cognex Corporation által tervezett, fejlesztett, gyártott és forgalmazott termékskála olyan kifinomult gépi látás technológiát tartalmaz, ami a «látás» képességével vértezi fel a termékeket. A Cognex a világ legnagyobb gépi látás rendszer gyártója, összesen 2 millió ide tartozó termék legyártása és több mint 4 milliárd dollár forgalom realizálása révén a cég es megalapítása óta. A vállalat az USA Massachusetts államában található Natickben van és a cég Amerikában, Európában és Ázsiában számos regionális irodával és forgalmazóval rendelkezik.
- mesterséges intelligencia – Viktor Huszár – Co-Inventor of Teqball
- A távollátás és a rövidlátás egyszerre
- A számítógép és a látás | CooperVision
- Szemellenőrzéskor mekkora a távolság
- Komoly kihívás a gyártóipar számára a digitalizáció, mert a fejlesztéseket úgy kell végigvinni, hogy a folyamat ne akadályozza a termelés folyamatosságát — állítja az ABI Research egy friss elemzése.
