A Siemens víziója szerint az intelligens épületek következő generációja már nem csupán reagál a környezetére, hanem előre gondolkodva, önálló döntésekkel képes megteremteni a komfortosabb és fenntarthatóbb működés alapjait. Így például egy intelligens irodaház automatikusan készíti elő a tárgyalókat: az időbeosztás, a megbeszéléseken részt vevők száma és személyes preferenciái alapján kiválasztja a megfelelő méretű helyiséget és beállítja a hőmérsékletet vagy a páratartalmat.

Jól mutatja ezt az irányt a legújabb fejlesztés. A megoldás nem csak jelzi, ha valami elromlik, hanem előre észreveszi a közeledő problémákat, meghatározza azok okát, és automatikusan elindítja a szükséges javítási folyamatot.

Az Asset Performance Advanced épületfelügyeleti megoldás lényege, hogy folyamatosan figyeli az épület gépészeti berendezéseit és fűtés-hűtési rendszereit. Ha rendellenességet észlel, automatikusan rangsorolja a feladatokat, és továbbítja azokat a megfelelő szakembereknek, legyen szó az épület saját karbantartóiról vagy a Siemens szervizcsapatáról.

Egy hagyományos megoldás csak akkor jelez, ha már gond van. Ez a AI-segítette rendszer viszont már a korai figyelmeztető jeleket is felismeri, így jobban elkerülhetők a költséges sürgősségi javítások, a váratlan leállások és az elégedetlen bérlők. Az új rendszer tehát összeköti a hibák felismerését, az azonnali döntéshozatalt és a tényleges beavatkozást a mesterséges intelligencia, szakértői tudás és szerviztámogatás segítségével.

A szolgáltatás különösen hasznos lehet olyan helyeken, ahol egy meghibásodás komolyabb következményekkel járhat, így például irodaházakban, ipari létesítményekben, kórházakban.

A megelőző szemléletnek köszönhetően a karbantartási költségek akár 50 százalékkal is csökkenthetők a hagyományos, „elromlik, majd megjavítjuk” megközelítéshez képest.

A szolgáltatás a Siemens Building X digitális épületmenedzsment platformjának részeként érhető el.

Ha feliratkozik a Műszaki Magazin Hírlevelére, sosem marad le a híreinkről! További friss híreket talál a Műszaki Magazin főoldalán! Csatlakozzon hozzánk a Facebookon is!

The post A jövő épületei már előre látnak appeared first on Műszaki Magazin.

A repülésbiztonság növelése érdekében a HUN-REN SZTAKI Rendszer- és Irányításelméleti Kutatólaboratóriumában (SCL) a Számítógépes Optikai Érzékelés és Feldolgozás Kutatólaboratóriummal (COSP) együttműködve ezen a hiányosságon dolgoznak: céljuk, hogy a repülőgépek kamerák és intelligens képfeldolgozó algoritmusok segítségével érzékeljék környezetüket, és képesek legyenek reagálni is rá.

A HUN-REN SZTAKI kutatói olyan képalapú technológiákat fejlesztenek, amelyek lehetővé teszik, hogy a légi járművek ne csak navigáljanak, hanem észleljék és értelmezzék is környezetüket, sőt külső beavatkozás nélkül reagáljanak a változó helyzetekre – sokszor olyan esetekben, amikor a hagyományos szenzorok már nem nyújtanak megoldást.

„A saját helyzetünk és mozgásunk ismerete csak a történet egyik fele – magyarázza Bauer Péter, az SCL kutatója. – Környezetérzékelés nélkül még a legpontosabban navigáló repülőgép is vak lehet a közvetlen veszélyekkel szemben.”

A nagy utasszállító repülőgépek esetében ezt részben ellensúlyozza a légiforgalmi irányítás és a fedélzeti ütközéselkerülő rendszerek, amelyek segítségével a repülőgépek megosztják egymással pozíciójukat, magasságukat és sebességüket. Az alacsonyabb légtérben azonban – különösen ott, ahol kisebb repülőgépek és drónok repülnek – ezek a rendszerek gyakran hiányoznak, vagy használatuk nem kötelező. A drónok például egyre gyakrabban találkozhatnak más drónokkal vagy könnyű repülőgépekkel, amelyek nem láthatók a légiforgalmi irányítás számára, és fedélzeti jeladóval sem rendelkeznek. Ilyen környezetben a biztonság nagyrészt a megfelelő környezetérzékelésen múlik.

A HUN-REN SZTAKI egyik úttörő fejlesztése éppen erre a problémára kínál megoldást.

„Egy drónra szerelt kamera segítségével teljesen autonóm módon észlelni tudjuk a másik légi járművet, meg tudjuk állapítani, hogy veszélyt jelent-e, és időben végre tudjuk hajtani az elkerülő manővert”

– mondja Bauer Péter.

A projekt különlegessége, hogy minden döntést maga a jármű hozott meg: nem vett részt benne emberi kezelő, és a számításokat sem egy felhőben működő nagy teljesítményű számítógép végezte.

„A kis drónok mérete, tömege és energiaigénye erősen korlátozott, ezért minden olyan megoldás, amely helyben képes működni, rendkívül fontos”

– teszi hozzá a kutató.

A gépi látás a repülés más területein is hasznos lehet. A SZTAKI kutatói több projektben is vizsgálták, miként lehet a kamerákat tartalék szenzorként használni abban az esetben, ha a hagyományos rendszerek meghibásodnak vagy megbízhatatlanná válnak.

Az Európai Unió által finanszírozott, az ONERA francia kutatóközpont vezetésével megvalósult VISION kutatási programban az SCL és a COSP feladata az volt, hogy kameraképek alapján határozza meg a repülőgép futópályához viszonyított helyzetét leszállás közben. A műszeres leszállító rendszerek rádiójelekkel vezetik a repülőgépeket a futópályákhoz, és egyre gyakoribbak az ezt kiegészítő GPS-alapú megoldások is. Mindkét módszer azonban érzékeny lehet külső zavarokra: interferencia, váratlan objektumok vagy akár szándékos jelzavarás is befolyásolhatja működésüket. Ilyenkor a képalapú navigáció tartalékként és ellenőrzési mechanizmusként működhet.

„A GPS-jelek megzavarásával a repülőgép eltéríthető a tervezett útvonalról, miközben az autopilóta azt hiheti, hogy minden rendben van – mondja Bauer Péter. – A képfeldolgozás ebben az esetben valóságellenőrzést végez: a kamera képét összeveti azzal, aminek a környezetben lennie kellene, így a rendszer észlelheti az eltéréseket.”

Nemrég a HUN-REN SZTAKI kutatói egy másik problémára is innovatív megoldást találtak. Az úgynevezett tanúsított drónokra vonatkozó európai előírások szerint a jármű irányítórendszerének akkor is biztonságosan kell működnie, ha az egyik szenzor meghibásodik. A hagyományos megoldás több szenzor és GPS-vevő alkalmazása, gyakran hármas redundanciával: ha a három szenzor közül az egyik hibás adatot ad, a másik kettő egyező mérését tekintik helyesnek.

„De mi történik akkor, ha csak két szenzor marad, és azok eltérő adatokat szolgáltatnak? Honnan tudja a rendszer, melyik hibás?”

– veti fel Bauer Péter.

„A mi megközelítésünk egyszerű és praktikus: a drónokon általában amúgy is van kamera, ezért ilyenkor ezt használjuk harmadik szenzorként. Így a rendszer képes feloldani az ellentmondást, és biztonságosan tovább működni.”

A megoldás annyira újszerű, hogy várhatóan hamarosan szabadalmi oltalmat is kap.

A környezet pontos érzékelése mindig kulcsfontosságú volt a repülésben. A képfeldolgozás és a gépi látás terén elért legújabb eredmények azonban már azt is lehetővé teszik, hogy a gyorsan terjedő kis légi járművek – drónok és könnyű repülőgépek – is érzékeljék környezetüket, és önállóan reagáljanak a váratlan helyzetekre.

„Ami öt évvel ezelőtt még megvalósíthatatlannak tűnt, ma már elérhető – mondja Bauer Péter. – A fedélzeti eszközök kisebbek, könnyebbek és energiatakarékosabbak lettek, miközben a kameratechnológia is rengeteget fejlődött. Ezek a változások olyan kutatásokat tesznek lehetővé, amelyek alapvetően növelik a repülés biztonságát.”

Forrás: HUN-REN SZTAKI

Ha feliratkozik a Műszaki Magazin Hírlevelére, sosem marad le a híreinkről! További friss híreket talál a Műszaki Magazin főoldalán! Csatlakozzon hozzánk a Facebookon is!

The post Amikor a repülőgép látni is kezd appeared first on Műszaki Magazin.

A hazai fejlesztésű szoftvert különlegessé teszi, hogy felhasználóbarát keretrendszerével a gépi tanulás és a neurális hálózatok terén kevéssé jártas, illetve fejlesztői erőforrásokat nélkülöző vállalatok is könnyen és gyorsan gépi látással ruházhatják fel és automatizálhatják folyamataikat.

Az A.Identify magyar kezelőfelülete végigvezeti felhasználóját a folyamaton, amellyel a mesterséges intelligencia megtanítható adott feladat elvégzésére – ipari környezetben például alkatrészek és selejtes munkadarabok felismerésére a kiszedés és a minőség-ellenőrzés automatizálásához, vagy repülőtereken a gazdátlanul hagyott csomagok, a kifutópályára tévedt állatok észlelésére. A keretrendszer ehhez bekéri a mintaként szolgáló képeket, valamint a fotókon látható tárgyak osztályozását, és azt is jelzi, hogy a bevitt információk alapján százalékosan milyen pontosságú felismerés várható, illetve az miként javítható.

Végfelhasználói ismeretek birtokában ezeket az egyszerű műveleteket bárki könnyen elvégezheti. Miután az A.Identify megtanulta a feladatot, és a kívánt pontossággal felismeri a 3D tárgyakat – nemcsak kategóriájuk, hanem akár egyetlen részletük alapján –, a keretrendszer kimenetet, végpontot generál, amelyet a vállalat alkalmazásaiba illeszthet. Az új keretrendszerrel így a szervezetek széles köre könnyen és gyorsan vezethet be mesterséges intelligenciára épülő megoldásokat az ember számára egyszerű, de a számítógépnek egyébként nehezen leprogramozható rutinfeladatok elvégzésére, és a folyamatos ellenőrzés megteremtésével együtt folyamatait költséghatékonyabbá teheti.

A mesterséges intelligencia alapú megoldását az AB Consulting Group Zrt. a Nemzeti Kutatási, Fejlesztési és Innovációs Hivatal „Piacvezérelt kutatás-fejlesztési és innovációs projektek támogatása” pályázatán nyert támogatással készítette el. A cég tervei szerint az A.Identify – bár helyben is telepíthető – elsősorban hosztolt szolgáltatásként lesz elérhető. Ebben a modellben ugyanis a gépi tanuláshoz rövid időre igénybe vett, nagyobb informatikai erőforrásokért a vállalatok használat alapon fizetnek, ami a hagyományos beszerzésnél sokkal előnyösebb.

The post Hazai fejlesztés gyorsíthatja fel a gépi látás elterjedését appeared first on Műszaki Magazin.

A robotika alkalmazásának egyre nagyobb térhódítása figyelhető meg különféle iparágakon belül, az olyan hagyományos területektől kezdve, mint amilyen például a gyártóipar, olyan újabb ágazatokig, mint az egészségügy, az FMCG vagy a kozmetikai szektor.

Ember és robot közötti együttműködés

Az ember és robot közti együttműködés továbbra is kiemelt trendnek számít a robotikában. Az érzékelő- és a képalkotó-technológia fejlődésével a robotok valós időben képesek reagálni a környezetükben fellépő változásokra, ami lehetővé teszi számukra, hogy biztonságosan dolgozhassanak együtt az emberi munkatársakkal azáltal, hogy automatikusan csökkentik az erőkifejtést, vagy megállnak, amikor érzékelik egy ember közelségét. Manapság már számos együttműködő alkalmazás érhető el, ilyen például az összeszerelés, a gépkiszolgálás, a hegesztés, a csavarozás, és még sok más. Ezeket az alkalmazásokat bármekkora méretű vállalkozás telepítheti, aminek köszönhetően a kis tételben történő és változó jellegű gyártási folyamatok automatizálása is életképessé válik gazdaságilag. Ez egy kulcsfontosságú tényezőnek számít a testreszabott termékeket gyártó nagyvállalatok, és a gyártóipari vállalkozások nagy részét világszerte kitevő KKV-k számára egyaránt. Az együttműködő robotikai alkalmazások új megoldásokkal szolgálnak az emberek számára azáltal, hogy megkönnyítik és támogatják munkájukat.

Egyszerű programozás

A robotgyártók továbbra is arra törekednek, hogy a felhasználói felületek minél egyszerűbbek legyenek. Amikor rövid ciklusidővel és változó feladatkörrel rendelkező gyártási folyamatokról beszélünk, a felhasználóbarát programozásnak döntő szerep jut. Ez a megállapítás különösen a mobil robotok és együttműködő alkalmazások esetében érvényes, azonban a hagyományos ipari robotok használata során is megállja a helyét. Egyre megszokottabbá válik a demonstrációs programozás, amely során az üzemeltető végigvezeti a robotot a kívánt mozdulatokon és a felhasználói felületen keresztül adja meg az erő-nyomaték értékeket. Ezek a felületek egyre intuitívabbá válnak, például azáltal, hogy hétköznapi nyelvet lehet velük használni. Ennek egyik eredménye, hogy az alkalmazottaknak nem kell, programozási ismeretekkel rendelkezniük ahhoz, hogy műveleteket hajtsanak végre. A robotgyártók emellett előre programozott alkalmazásokat is kínálhatnak, melyek paramétereit könnyedén a vásárló egyedi igényeire lehet szabni.

Okos gripperek

A szenzorok és képalkotó technológiák fejlődésének köszönhetően az end-effektorok a korábbiaknál sokkal reszponzívabb működésre képesek. Ez azt jelenti, hogy a gripperek felismerik az anyagokat, és a megfelelő erőt alkalmazzák, amikor a munkadarabhoz, vagy a nyersanyaghoz nyúlnak. Az érzékelők és képalkotó technológiák kombinációja azt is lehetővé teszi a végszerszámok számára, hogy felismerjék az emberi jelenlétet, és ennek tükrében változtassák viselkedésüket. Ezáltal képesek különbséget tenni egy munkatárs és egy tárgy között, valamint azt a műveletet hajtják végre, amire éppen szükség van, például változtatni tudják az erőkifejtést, vagy az alkalmazott sebességet, amikor egy munkatárs keze kerül a munkatérbe a várt munkadarab helyett.

Zökkenőmentes integráció / plug and play

A robotgyártók és az end-effektorok beszállítói számára az egyik legfontosabb célkitűzés a robotokkal és gyártási rendszerekkel való átfogó kompatibilitás kiterjesztése. Erre kínál megoldást például a már számos végszerszámban szereplő automatikus felismerő szoftver, amely magától létesít azonnali kapcsolatot az üzemeltetővel. A gépi eszközökbe integrált robotikai megoldások is egyre elterjedtebbé válnak, melyek lehetővé teszik azt, hogy mindössze egyetlen vezérlőegységen keresztül léptessünk életbe programozási változtatásokat. A robotok gyártási rendszerekbe való integrálása napról napra egyszerűbbé válik, annak ellenére, hogy a konkurens szabványok versengése nem feltétlenül gyorsítja az Ipar 4.0, illetve az intelligens gyári telepítés terjedését.

Felhő alapú robotika és robot, mint szolgáltatás (RaaS)

Az alkalmazott tudományok terén létrejött fejlődésnek köszönhetően a robotikában is új megoldások születnek. Az olyan csúcstechnológiás innovációk, mint a robotok teljesítményével kapcsolatos adatok távoli („felhőben való”) tárolása lehetővé teszi a gyártóvállalatok számára, hogy adatvezérelt szolgáltatásokat kínáljanak vásárlóiknak. Ide tartozik továbbá a jelentős, állásidő okozta költségeket megtakarító prediktív karbantartás, a gépi tanulás, amely az egyszerre több, ugyanazt a feladatot ellátó robot munkájából érkező felhőalapú adatokat vizsgálja annak érdekében, hogy optimalizálni tudja a robotok teljesítményét, illetve a felhő-alapú kapcsolódás, amelynek köszönhetően lízingelt robotok is megjelenhetnek a piacon (robot, mint szolgáltatás). Ez az üzleti modell számos előnnyel szolgál a KKV-k számára, mivel állótőkével nem, csak fix költségekkel jár, automatikusan telepíti a frissítéseket, és nincs szükség az üzemeltetésükhöz szakképzett robotikai technikusokra.

Ön-optimalizálás

A robotok valós időben képesek reagálni és válaszolni a külső körülményekre azzal, hogy aszerint változtatják paramétereiket, amit a helyzet éppen megkíván, mindez pedig csökkentett hibaarányhoz és magasabb termékminőséghez vezet. Emellett a képalkotó rendszerek és az érzékelők azt is lehetővé teszik a robot számára, hogy felismerje, ha egy munkadarab nem a helyes pozícióban kerül elé. A robotok különféle jeleket vesznek és dolgoznak fel munkájuk során, többek közt például a visszajelzés alapján „érzik”, hogy a végszerszámnak növelnie, vagy esetleg csökkentenie kell a nyomást polírozás közben, illetve spektrális elemzéssel bizonyosodnak meg arról, hogy a munkadarab ne rendelkezzen hegesztési hibákkal. A műveletek során begyűjtött információkkal a robotok a legoptimálisabb megoldást tudják kiválasztani munkájuk során. Ha pedig a robot digitális összeköttetésbe kerül a gyártási folyamat többi gépével, az optimalizálás a teljes folyamatra is kiterjedhet. Ezek a fejlesztések jelentős költségcsökkentést kínálnak a gyártóvállalatoknak, főleg azokban a környezetekben, ahol a lehető legmagasabb minőség teljesítése létfontosságú. (World Robotics 2020 Report)

Egy robotikai szakértő szemén keresztül

A robotika robbanásszerű fejlődése ahhoz vezet, hogy újabb és újabb megoldások jelennek meg a piacon. Olyan területeken is találkozhatunk robotok által végzett feladatokkal, ami pár éve még elképzelhetetlennek tűnt volna. Ilyen például az egyik legfiatalabb piac, az EOAT (End-of-Arm-Tooling) ágazat. Ez a folyamatosan fejlődő terület robotokra szerelhető eszközök széles választékát kínálja, a gripperektől az érzékelőkig, melyek számos alkalmazás elvégzését teszik lehetővé, beleértve a raklapozást, a gépkiszolgálást, az anyagmozgatást, és még sok más műveletet. De példaként még számos egyéb területet is említhetnék, a mobil robotoktól kezdve a mesterséges intelligencián alapuló funkciókon keresztül a humanoid robotokig, vagy akár azokat az újkeletű üzleti modelleket, amelyek a robotikai megoldások terjedését hivatottak segíteni, amilyen például a fent említett RaaS modell.

A világjárvány felhívta a figyelmet a robotika szükségességére

Noha a koronavírus-járvány következtében 2020-ban számos szektorban a jövőbeli teljesítményre is hatással lévő visszaesés történt, a robotika gyors ütemben történő technológiai fejlődésének még ez sem tudott gátat szabni. A fent felsorolt robotikai trendek segítséget nyújthatnak a vállalatoknak abban, hogy kilábaljanak a válságból, sőt, versenyelőnyre tegyenek szert, és mindezt úgy, hogy közben csökkentik a működési kockázataikat.

Ha közelről megnézzük, a járvány következményei által felállított és felerősített kihívások, mint például a be nem tervezett leállások, a fertőzésveszély, illetve a gyártási folyamatok gyors alakítása, vagy teljesen megváltoztatása, megmutatták, hogy az automatizálás által alapszolgáltatásként nyújtott rugalmasság, sokoldalúság, megbízhatóság és kiszámíthatóság most még idő- és szükségszerűbb a gyártóvállalatok szempontjából, mint valaha.

Forrás: Onrobot

The post A jövőt alakító robotikai trendek appeared first on Műszaki Magazin.

Mindezek az újdonságok azért kerültek ki a K+F laboratóriumokból, hogy mindennapi életünket javítsák.

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.

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. Lehetővé teszik a biológiai ihletésű és többrétegű “mély” ideghálózatok telepítését, amelyek az emberi agyat utánozzák.

Egy ilyen architektúra alkalmazásával a mélytanulás lehetővé teszi konkrét feladatok megoldását anélkül, hogy kifejezetten arra programozták volna. Más szavakkal: a klasszikus számítógépes alkalmazásokat az emberek úgy programozzák, hogy azok “feladat-specifikusak” legyenek, míg a mélytanulás adatokat (képeket, beszédeket, szövegeket, számokat stb.) használ és idegi hálózatokon keresztül képezi le azokat. 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.

1. ábra A hagyományos gépi látás és a mélytanulás közötti nagy különbségek a következők: 1. A fejlesztési folyamat (eszközönként szabályalapú programozás vs. példalapú képzés); 2. Hardverbefektetések (a mélytanulás több feldolgozási és tárolási kapacitást igényel); 3. 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 az új példákhoz.

2. ábra Egy tipikus ipari példa: eltérő méretű, alkalmazási körű, elhelyezkedésű vagy különböző háttérrel rendelkező felületeken lévő hibák keresése.

A vizuálisan hasonló, bonyolult felületi textúrájú és változatos megjelenésű eltérések ellenőrzése komoly kihívást jelent a hagyományos szabályalapú gépi látórendszerek számára. A funkcionális, a felhasználhatóságot befolyásoló hibákat szinte mindig kiszűrik, de ez nem feltétlenül igaz a “kozmetikai” rendellenességek esetében, amelyek már a gyártó igényeitől és preferenciáitól függenek. 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 látómező), néhány 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. 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.

3.ábra A gépi látás és a mélytanulás kombinációja erős alapot ad a vállalatoknak mind az operatív működés, mind a befektetésarányos megtérülés vonatkozásában.

Ha többet szeretne megtudni a Cognex mélytanulási megoldásairól, kérjük, látogasson el a cognex.com/ViDi-deep-learning weboldalra.

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 termékek 3/4 vonalkód olvasókat, gépi vision szenzorokat és gépi látás rendszereket tartalmaznak, amelyeket gyárakban, raktárakban és disztribúciós központokban alkalmaznak szerte a világon az áruk minőségének felügyeletére, mérésére, ellenőrzésére, azonosítására és biztosítására a gyártási és disztribúciós folyamat során. 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 1981-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.

www.cognex.com

The post A gépi látás appeared first on Műszaki Magazin.