Strategiczne zaplanowanie wdrożenia i wykorzystania nowoczesnych technologii będzie miało kluczowe znaczenie dla przemysłu wytwórczego. Te firmy, które mogą szybko przekształcić swoje fabryki w inteligentne centra automatyki, odniosą długoterminowe korzyści z tych inwestycji.

Sztuczna inteligencja, a szczególnie analiza obrazu oparta na uczeniu głębokim lub widzenie maszynowe oparte na przykładach, w połączeniu z tradycyjnym widzeniem maszynowym opartym na regułach może zapewnić fabryce i jej zespołom supermoce. Połączenie widzenia maszynowego i uczenia głębokiego jest dla firm bodźcem do wprowadzenia inteligentniejszych technologii, które zapewnią im skalę działania, precyzję, wydajność i wzrost finansowy na miarę następnej generacji. Do maksymalizacji tych inwestycji niezbędne jest jednak zrozumienie niuansów i różnić między tradycyjnym widzeniem maszynowym a uczeniem głębokim oraz tego, jak wzajemnie się one uzupełniają.

Zmiana algorytmu

Systemy widzenia maszynowego oparte są na cyfrowych czujnikach chronionych wewnątrz kamer przemysłowych ze specjalistycznym układem optycznym umożliwiającym rejestrację obrazów. Obrazy te są następnie przesyłane do komputera PC, gdzie specjalistyczne oprogramowanie może przetwarzać, analizować i mierzyć różne cechy w celu podejmowania decyzji.

Tradycyjne systemy widzenia maszynowego działają niezawodnie przy użyciu jednolitych, prawidłowo wyprodukowanych części. Dzieje się to poprzez filtrowanie krok po kroku i algorytmy oparte na regułach, które w tej skali są bardziej ekonomiczne niż kontrola człowieka. Mogą być wykonywane z wyjątkowo dużymi prędkościami i ze znaczną precyzją. Na linii produkcyjnej system wizyjny oparty na regułach może kontrolować setki, a nawet tysiące elementów na minutę. Oparte na regułach widzenie maszynowe doskonale sprawdzi się w przypadku znanego zestawu zmiennych: czy element występuje czy nie? Jaka jest dokładnie odległość między dwoma obiektami? Gdzie robot musi podnieść daną część? Zadania te można łatwo wdrożyć na linii montażowej w kontrolowanym środowisku.

Uczenie głębokie natomiast to podzbiór sztucznej inteligencji i element szerokiej rodziny uczenia maszynowego. Polega na wykorzystywaniu i uczeniu się danych przy zastosowaniu sieci neuronowych w celu uzyskania dokładniejszych wyników. Uczenie głębokie pozwala na wykonywanie konkretnych zadań bez jednoznacznego zaprogramowania systemu w tym celu. Wykorzystuje metodę opartą na przykładach zamiast metody opartej na regułach, aby rozwiązywać niektóre problemy związane z automatyzacją zakładów produkcyjnych. Dzięki zastosowaniu sieci neuronowych do nauczenia komputera tego, który z obrazów jest prawidłowy – na podstawie zestawu oznaczonych przykładów – uczenie głębokie jest w stanie na przykład analizować defekty, lokalizować i klasyfikować obiekty oraz odczytywać wydrukowane oznaczenia.

Choć uczenie głębokie zmienia automatyzację zakładu produkcyjnego, to wciąż jest tylko kolejnym narzędziem, jakim dysponują operatorzy, by wykonać zadanie. Tradycyjne widzenie maszynowe oparte na regułach jest skutecznym narzędziem przy określonych rodzajach zadań. Jednak w odniesieniu do złożonych sytuacji, które wymagają połączenia widzenia przypominającego ludzkie widzenie z prędkością i niezawodnością komputera, naprawdę przełomowym rozwiązaniem okaże się uczenie głębokie.

Cognex
tel.: 71 712 10 86
contact.eu@gognex.com
www.cognex.com