Машинное зрение использует новейшие технологии ИИ, чтобы дать промышленному оборудованию возможность видеть и анализировать задачи умного производства, контроля качества и производственной безопасности.
Вы разработчик в сфере машинного зрения?
Корпорация Intel предлагает мощный инструментарий для решений в области машинного зрения. Мы предлагаем оптимизированные модели нейросетей для визуальной инспекции, средства разработки средств логической обработки для глубинного обучения, промежуточное ПО и образцы решений, на основе которых вы сможете создавать программное обеспечение для машинного зрения.
Их лицензирование и использование абсолютно бесплатны.
Что такое машинное зрение?
Технология машинного зрения дает промышленному оборудованию способность «видеть» то, что оно делает, и быстро принимать решения на основе полученных через машинное зрение данных. Чаще всего машинное зрение используется для визуальной инспекции и обнаружения дефектов, позиционирования и измерения деталей и для идентификации, сортировки и отслеживания продукции.
Машинное зрение — это одна из основополагающих технологий промышленной автоматизации. Оно помогает повышать качество продукции, оптимизировать логистику и ускорять производство уже не одно десятилетие. Сейчас эта испытанная технология объединяется с искусственным интеллектом и становится двигателем четвертой промышленной революции.
Машинное зрение — основополагающий компонент промышленной автоматизации. Посмотрите на схему выше, чтобы узнать, как компоненты машинного зрения вместе обеспечивают трансформацию.
Как все начиналось: классические системы машинного зрения
Машины могли «видеть» и до создания искусственного интеллекта и машинного обучения. В начале 1970-х годов компьютеры начали использовать определенные алгоритмы для обработки изображений и определения их основных особенностей. Эта классическая технология машинного зрения может обнаруживать границы объектов для размещения деталей, выявлять цветовые различия как признаки дефектов и различать блоки соединенных пикселей, указывающих на отверстия.
Классическое машинное зрение включает в себя относительно простые операции, не требующие искусственного интеллекта. Текст должен быть простым и четким, как штрихкод. Фигуры должны быть прогнозируемыми и соответствовать точному шаблону. Классическая система машинного зрения не может различить человеческий почерк, расшифровать помятую этикетку или отличить яблоко от апельсина.
Тем не менее, классическое машинное зрение оказало огромное влияние на производство. Машины не устают, так что они могут замечать дефекты быстрее и с большей надежностью, чем человеческие глаза. Кроме того, машины не ограничены рамками человеческого зрения. Специализированные камеры с машинным зрением могут использовать инфракрасную визуализацию, чтобы обнаруживать тепловые аномалии и рентгеновские лучи для выявления микроскопических дефектов и усталости металла.
Подъем искусственного интеллекта: обработка логических данных в сфере глубинного обучения и промышленное применение машинного зрения
Все более мощные периферийные вычисления, включающие встраиваемые устройства и устройства Интернета вещей на периферии сети и далее, вместе с растущей вселенной моделей глубинного обучения искусственного интеллекта (ИИ) кардинально расширяют возможности машинного зрения. Этот быстрый рост возможностей лежит в основе трансформации умных заводов и четвертой промышленной революции.
ИИ расширяет классические алгоритмы компьютерного зрения с помощью моделей нейросетей. Когда компьютер получает изображение или видеопоток изображений, программное обеспечение машинного зрения сравнивает данные этих изображений с моделью нейросети. Этот процесс, называемый логической обработкой глубинного обучения, позволяет компьютерам распознавать мельчайшие несоответствия, такие как незначительная разница узоров на ткани или микроскопические дефекты печатных плат.
Чтобы повысить точность и скорость работы, специалисты по обработке данных создают модели нейросетей с конкретными задачами для конкретных приложений. Во время этого процесса, называемого контролируемым обучением, компьютер изучает десятки тысяч образцов и выявляет значимые закономерности, в том числе те, которые человек может не видеть.
Существуют модели для определения битых и обесцвеченных пикселей на дисплеях, пустот в сварных швах, дефектов нитей в ткани и т. д. Разумеется, при этом постоянно разрабатываются и совершенствуются новые модели.
Умное машинное зрение и автономные системы
Искусственный интеллект расширяет возможности машинного зрения за пределы визуальной инспекции и контроля качества. Умное машинное зрение позволяет роботам видеть в трехмерном пространстве, держать детали друг для друга и проверять работу друг друга. Они даже могут взаимодействовать с людьми и при этом соблюдать технику безопасности.
Машины с умным зрением могут использовать обработку естественного языка для чтения этикеток и интерпретации знаков. Роботы с умным зрением могут воспринимать фигуры, рассчитывать объемы и идеально укомплектовывать коробки, грузовики и даже контейнеры, максимально эффективно используя доступное пространство.
Это переход от машин, которые могут автоматизировать простые задачи, к машинам, способным видеть и воспринимать то, что недоступно человеку. Он позволит внедрять оптимизации в долгосрочной перспективе и реализовать новые уровни промышленных инноваций.
Это может звучать как фантастика, но умные машины уже используются на заводах, складах и в транспортных центрах, помогая людям выполнять рутинные задачи и позволяя операторам сосредоточиться на наиболее важной работе.
Применение машинного зрения
Промышленное машинное зрение лежит в основе логистики и операций умного производства. Камеры машинного зрения, встраиваемые датчики интернета вещей и промышленные ПК приносят преимущества интеллекта, аналитики и эффективности во все компоненты производственных процессов.
Преимущества машинного зрения для умного производства
Применение машинного зрения в производстве позволит повысить качество продукции и общую эффективность систем, повысить пропускную способность производственных линий, сократить трудозатраты и освободить персонал для более важной работы.
Компания Audi при поддержке корпорации Intel и компании Nebbiolo Technologies внедрила предиктивную аналитику и алгоритмы машинного обучения в важные процессы инспекции сварных швов и контроля качества. Это позволило Audi увеличить количество анализируемых швов за день, сократить трудозатраты на заводах и внедрить упреждающий мониторинг, чтобы предотвращать проблемы, а не реагировать на них1.
«Мы уже наблюдаем сокращение трудозатрат на 30–50% на нашем заводе в Некарсульме».
В строго регулируемых отраслях, таких как фармацевтическая промышленность, машинное зрение позволяет постоянно проверять содержание, упаковку и этикетки продуктов для гарантии их качества. Машинное зрение позволяет автоматически сканировать и отслеживать товарные позиции на всех этапах цепочки поставок и иметь точные данные инвентаризации на каждый момент времени.
Преимущества машинного зрения в текущей работе
Применение машинного зрения в текущей работе дает важное преимущество улучшения охраны здоровья и производственной безопасности. Компьютерное зрение на базе ИИ позволяет контролировать соблюдение работниками социальной дистанции и использование ими надлежащих средств индивидуальной защиты. Роботы и оборудование с машинным зрением могут интерпретировать действия людей и взаимодействовать с ними, помогая предотвращать несчастные случаи заранее. В потенциально опасной ситуации они могут предупредить оператора или автоматически отключить оборудование, снижая риски для сотрудников и для компании.
Кроме того, благодаря постоянному анализу данных с камер, микрофонов и сенсоров, встроенных в промышленное оборудование и машины, промышленные ПК могут использовать ИИ для обнаружения неисправностей и признаков износа, что позволит заблаговременно планировать профилактический ремонт, устранить внеплановые простои и эффективнее распределять затраты на техобслуживание в течение длительных периодов времени.
В сфере управления активами и безопасности искусственный интеллект может обнаруживать и отслеживать объекты в видеопотоках, контролируя надлежащее использование и хранение и уведомляя руководство о случаях, когда ресурсы покидают заданную границу. Системы камер безопасности могут стать активными компонентами систем безопасности, контролируя доступ в здания и выявляя потенциально опасные ситуации.
Посмотрите, как Intel приносит возможности ИИ в промышленные системы машинного зрения
Системы машинного зрения и промышленной автоматизации моментально окупают себя за счет повышения продуктивности работы, строгого контроля качества и повышения эффективности. Машинное зрение — один из базовых компонентов четвертой промышленной революции. Оно совершает революционные трансформации в производстве, логистике и текущей работе.
Читайте последние примеры внедрения систем машинного зрения и узнайте больше о том, как модели глубинного обучения Intel®, промежуточное ПО и образцы решений помогают создавать системы нового поколения для четвертой промышленной революции.