yapay görme

La yapay görme veya bilgisayar görme Endüstri dışında ve içinde çok sayıda uygulama için kullanılabilen bir tekniktir. Görüntülerin anlaşılmasına, bilgilerin işlenmesine, söz konusu verilere dayalı olarak bir dizi eylemin analiz edilmesine ve üretilmesine olanak tanır. Ve bunu bir insandan daha verimli bir şekilde yapabilirler, çünkü makinelere gözlemledikleri ortamın görüntülerini anlama ve yorumlama konusunda büyük bir kapasite verirsiniz.

İlerlemesi ile AI (Yapay Zeka)Şimdiye kadar hayal bile edilemeyen şeyleri elde etmek için bu yapay görme tekniklerini çok geliştirmek mümkün olmuştur. Ek olarak, yapay görme teknikleri aynı anda yerinde uygulanabilir veya önceden kaydedilmiş görüntüleri veya videoları analiz edebilir. Bu tür bir vizyonun, insan vizyonunu bilgisayarla taklit etmek için yeni yetenekler sağlayan bir 3D yönü de vardır.

Bilgisayarla görme nedir?

La yapay görüş bilgisayar aracılığıyla gerçek dünyanın görüntülerini elde etmeye, işlemeye ve analiz etmeye yönelik araç ve yöntemlerin bir özetidir. Bu şekilde, görüntü düzeltme ve restorasyondan daha sonra incelenecek olanlar gibi diğer endüstriyel uygulamalar için karar vermeye kadar belirli görevler işlenebilir ve otomatikleştirilebilir.

Kesinlikle sanayi sektörü Bu yapay vizyondan en çok yararlanan, üretim veya seçim süreçlerinin otomatikleştirilmesine ve bir insan tarafından yapıldığından çok daha yüksek hızlara çıkmasına izin verdiği için. Ek olarak, tekniklerin gelişmesiyle, otomotiv endüstrisinden elektroniğe, tarıma ve hatta lojistiğe genişlemesine izin veren daha fazla uygulamaya ve düşük maliyete sahiptir.

Teknik

sırasında ne yapılır süreç temel olarak nesnelerin veya çevrenin görüntülerini yakalamak, bilgisayarda çalışan yazılımlar kullanarak bunları hızlı bir şekilde işlemek, bu görüntülerden ilgili bilgileri çıkarmak ve bir şekilde uygulayabilmek için bir kameraya/sensöre veya sensöre sahip olmaktır. Örneğin, bir konveyör bant üzerindeki bir kameranın önünden geçen nesneler, hasarlı olanları tespit etmek için analiz edilebilir ve zincirde devam etmemeleri için mekanik bir aktüatör tarafından atılır.

tüm yapay görme sistemi aşağıdaki adımlardan geçer:

• Havza: Sensör, gerçek nesnenin görüntüsünü yakalayacaktır. Bu bir optik sensör, CCD kamera, CMOS, INGAAS, X-ışınları, IR, termografi vb. aracılığıyladır. Bu ayrıca aydınlatma gibi bazı ilgili aksesuarlara da sahiptir. Bu durumda floresan, LED, polarize ışık, lazer, Arka Işık vb. olabilir.
• Dijitalleşme: Bilgisayar tarafından işlenmek üzere toplanan görüntüler tarafından yakalanan bilgileri dijital formata dönüştürür.
• işlem: Kontrol yazılımı sayesinde bu bilgilerin işlenmesine ve daha sonraki aşamalarda hangi eylemin/kararın alınacağına dair verilerin elde edilmesini sağlar.
• sonuçlar: sonuçları alır ve onlara göre hareket edersin.

Tüm bu adımlar gerek çeşitli modüller veya parçalar olarak işlev görebilmek için:

• Görüntü modülü: nesnenin veya ortamın sinyalini veya görüntüsünü yakalamaktan sorumlu kişi.
• Sayısallaştırıcı modülü: kameranın analog sinyalini dijitale çeviren.
• Ekran modülü: İlki ile karıştırılmamalıdır, bir tamponda bulunan dijital sinyali, izleme gerekliyse bir monitör veya ekran aracılığıyla gösterilecek görsel bir sinyale dönüştürendir.
• Görüntü işlemcisi: yazılım veya donanım olabilir. Uygulamasından bağımsız olarak, kamera tarafından çekilen sayısallaştırılmış görüntülerin yorumlanmasından sorumludur. Tabii ki, her durumda bir bilgisayara ihtiyacınız var.
• G / Ç modülleri: giriş ve çıkış, elde edilen verilere dayalı olarak görüntü yakalamayı yönetir ve çıktıyı kontrol eder.
• Iletişim: yapay görme sisteminin diğer unsurlarla iletişim kurabileceği veri yolu veya arayüzdür. Kablosuz, Ethernet, RS232, ...

Amaç veya işlevsellik

Her dakika bu konveyörden birkaç nesne geçerse, bir insan bunu verimli bir şekilde yapabilir. Ama onlarcası, yüzlercesi, binlercesi oluyorsa bu çok karmaşık veya imkansız hale gelir. Burası bilgisayar görüşünün bu süreçleri hızlandırmak ve onları yürütmek.

Bu nedenle bilgisayarla görme, endüstriyel üretimi hızlandırmak için harika bir araçtır. Tümü, temel alınan süreçler sayesinde çözümler her bir endüstrinin üretim süreçlerine uyarlanmıştır. Ölçeklenebilirlik, güncelleme ve gerekirse özelleştirme kapasitesi ile.

Bunun için basitten çok sayıda cihaz kullanılabilir. optik sensörler, daha gelişmiş bir kameraya veya bir grup 3D elde etmek için.

Avantajları ve dezavantajları

Yukarıdakilere ek olarak, ayrıca bir dizi avantajlar ve dezavantajlar yapay görme sistemlerinden biridir. En dikkat çekici olanı, sektördeki üretim performansındaki iyileşmedir, ancak daha fazlası var.

Arasında avantajlar vurgulanabilir:

• Teftişin öznelliğini ortadan kaldırın: Yapay görme sistemleri uygulanarak, bu konuda bir iyileştirme sağlanabilir ve birim zaman başına parametrelerin nicelenmesi ve değerlendirilmesinde performans artırılabilir.
• Esneklik: sistemlerin kendileri, değiştirilmeleri durumunda üretim süreçlerine daha iyi adapte olmalarına ve ölçeklendirmeye izin verir. Bu, çok zaman kazandırır ve her değişiklikten sonra, değişiklik veya benzeri bir şey için personeli eğitmek zorunda kalmadan hızlı bir başlangıç ​​sağlar. Sadece basit bir kurulum.
• Uygun fiyatlı: Bireylerin çoğu cebi için ucuz ürünler olmasa da, şirketin uzun vadede çok para biriktirmesini sağlar. Üstelik bu teknoloji, giderek ucuzlayacak kadar olgun ve anlaşılır. Bilgisayarlar, yazılımlar veya opto-elektronik bileşenler giderek daha ucuz ve daha verimli hale geliyor.
• Costes: bu yapay görme sistemleri, siparişleri iade etme maliyetleri, bu sistemlerle değiştirilen personel, geçici maliyetler, artan üretim (daha yüksek karlar) vb. gibi maliyetleri birçok yönden azaltır.
• Metroloji: Yakalanan görüntülerde görünen fiziksel büyüklükleri son derece hızlı bir şekilde ölçmenizi veya bu büyüklükler hakkında bilgi edinmenizi sağlar. Örneğin, bir parçanın boyutunu, alanını, parçalar arasındaki mesafeyi, çapları, açıları, konumu vb. saniyenin çok küçük bir bölümünde belirleyebilirsiniz. Bir insanın bu kadar çabuk yapamayacağı bir şey.
• Sınıflandırma: Önceki avantaj sayesinde hızlı ve verimli endüstriyel sınıflandırma gibi bir avantaj daha var. Bu, görevleri bu boyutlara, desenlere, barkodlara, renge, alana, şekillere vb. göre en yüksek hızlarda sınıflandırmaya ve otomatikleştirmeye olanak tanır.
• En iyi son ürün: Yapay görmenin de son müşteri üzerinde etkisi olabilecek büyük bir avantajı vardır ve bu da parçaların kalitesinin iyileştirilmesidir. İnsanın ulaşamayacağı alanlarda dahi daha verimli bir şekilde analiz edilebilmesi ile daha kaliteli parçaların üretilmesine olanak sağlar. Bu, daha memnun bir tüketici ve müşteri sadakati anlamına gelir.
• Diğer: Ayrıca daha az dikkat gerektirir, görsel hatalara insanlar kadar duyarlı değildir (dikkatsizlik, dikkatsizlik, dikkat dağınıklığı, ...), işe devamsızlıktan etkilenmez, insan gözünün erişemeyeceği yerlerde doğrulamayı geliştirir (örn. : iç kısımları görmek için X ışınlarına göre).

Arasında dezavantajlarEn dikkat çekici olanı, neredeyse hiç zayıf noktası olmadığı için bu sistemlerin fiyatıdır. Sadece biraz daha az nesnel ve daha öznel bir değerlendirmenin gerekli olduğu bazı durumlarda başarısız olabilir, çünkü bu durumlarda her bir durumu değerlendirebilecek insanların kendisinden daha iyi bir şey yoktur.

Yapay görme endüstrisindeki uygulamalar

Yapay görmenin endüstrideki uygulamaları, aşağıdakiler gibi çok özel üç alandan geçmektedir: proses kontrol ve kalite kontrol, ancak bazı şirketler daha da ileri gidiyor ve bunu endüstriyel olmayan diğer uygulamalar için kullanıyor.

Pratik örnekler Sıcaklık kontrolü, trafik kontrolü, doğru montajın doğrulanması, etiketleme ve işaretleme, kaynakların denetimi, nesnelerin kalite kontrolü, seçim ve filtreleme, takım kontrolü, yüzey finişlerinin kontrolü, endüstriyel robotları yönlendirmek için toplama ve yerleştirme sistemleri, kaplarda yabancı cisimlerin tespiti vb.

Endüstriyel alanda pratik örnekler

Sanayi sektöründe yapay görme uygulamaları, gördüğünüz gibi oldukça geniştir. NS uygulama yelpazesi farklı sektörlerde geçtikleri:

• Elektronik: Elektronik endüstrisinde, yapay görme, bileşenlerin taşınması ve tanımlanması, kalite kontrol, parçaların doğru kaynak ve paketlenmesinin kontrol edilmesi, bileşenleri PCB'lere ve lehime yerleştirmek için toplama ve yerleştirme işlemleri gibi çeşitli üretim süreçlerinde kullanılabilir. onları vb.
• Otomotiv- Araç parçalarının imalat ve montaj sürecinde muayene için kullanılır. Damgalama, işleme, kaynak, boyama, çapak, ekstrüzyon vb. işlemlerinde olduğu gibi.
• besleme: Bu sektördeki yapay görme kalite kontrolünün iyileştirilmesine olanak sağlar. Örneğin kapların uygun şekilde doldurulup doldurulmadığını veya içlerinde yabancı madde olup olmadığını görmek için. Ayrıca, zarar görmüş veya çürümüş meyveleri çıkarmak, dalları, taşları, kabukları ve sonraki işlemlere geçmemesi gereken diğer elementleri çıkarmak, boyuta göre sınıflandırmak vb. için yaygın olarak kullanılırlar.
• Paketleme ve paketleme: Endüstri lojistiği ve paketlemede bilgisayarla görme, belirli işaretlerin varlığını veya yokluğunu kontrol edebilir. Ayrıca barkodlara veya etiketlere göre kataloglayabilir, partileri, son kullanma tarihlerini kontrol edebilir, kapakları doğru şekilde yerleştirebilirsiniz, vb.
• Lojistik ve tanımlama: parçaları veya ürünleri hızlı bir şekilde tanımlamanıza olanak tanır. Amazon lojistik merkezleri gibi büyük mağazaların ve distribütörlerin ihtiyaçlarına çok iyi uyum sağlar.

Yapay görme ve endüstri 4.0

La yapay görüşBüyük Veri, AI, IoT ve bulutun kendisi gibi şirketlerin modernizasyonuna yönelik diğer birçok dijitalleşme ve geçiş teknolojileri gibi, sis ve uç bilgi işlem, sözde kritik bir role sahiptir. 4.0 endüstrisi.

Tüm bu paradigmalar birlikte, bu yeni ortaya çıkan endüstrinin tüm koşullarını iyileştirmeye izin veriyor. sektörde devrim yapmayı hedefliyor. Ve makinelerin (1.0) tanıtılmasıyla sanayi devriminden sonra, sektöre elektriğin girmesi (2.0), hesaplamanın gelişi (3.0), şimdi bu yeni teknikler sayesinde bu yeni devrim geliyor. sürüm 4.0.

Aslında, makine görüşü, bu iyileştirmelerin birkaçını tek bir grupta toplayabilir. Kullandığından beri yazılım ve donanım ve daha fazla zeka ve tanıma yetenekleri sağlamak için AI'yı da içerebilir. Bütün bunlar, endüstriye yukarıda bahsedilen büyük avantajlar ve hassasiyet sağlar.

Ancak bu kapasite, şirketin kendisini yerleştiren diğer alanlarını iyileştirmek ve modernize etmek için diğer önlemlerle birleştirilirse, kapsamlı çözümler içeren bir endüstri 4.0'a yol açabilir. daha verimli ve rekabetçi.

Şirketler gibi IBM, Red Hat, Marval, Telefonica, ve diğerleri bir süredir şirketlere hedeflerine ulaşabilmeleri için bu dönüşümde yardımcı olmaya çalışıyor. İspanya'da Santander, Cepsa ve diğerleri gibi birçok önemli şirket, 4.0'ın büyük gelişmelerinden yararlanmaya başladı bile.

Kesinlikle marval 20 yılı aşkın süredir sektör için yapay görme sistemleri geliştiren ve araçlarını geliştiren şirket. Bu projeler ve diğer rakip firmaların projeleri sayesinde sektörün kullanabileceği tüm araçlar geliştirildi.

Örneğin, bir hayal edin kapsamlı sistem Endüstri 4.0'ın yapay görme sisteminin ihtiyaç duyulan hammadde veya geçerli parça miktarını seçebildiği bir fabrikada. Bu bilgilere dayanarak, sadece uygun olmayanlar atılamaz ve sadece uygun olanlar üretim zincirine geçebilir.

4.0 ile bu bilgiler buluta da aktarılabilir ve diğer gelişmekte olan teknolojiler örneğin, tedarikçiden üretim kapasitesine ve atılan parçaların miktarına göre parça veya hammadde siparişi vermek, envanteri tam otomatik olarak değerlendirmek. Ya da belki de tespit edilen arızaları o tedarikçiye bildirecek ve böylece gelecekteki siparişlerde bu kusurları azaltabilecekler.

Yani endüstri 4.0'da teknolojiler her şeyi kapsar, ilk süreçten son aşamaya kadar ve şirketin tüm departmanlarında ve sektörlerinde.

İzlenebilirliğin ötesinde

Bir endüstri 4.0'daki yapay görme sistemleri, ölçümlerin ötesine geçebilir. izlenebilirlik (morfolojik analiz, kusurlar, yer tutucular, renk analizi, görünüm, yabancı cisimler, kalite, kod okuma vb.). Ayrıca bu bilgileri OCR, OCV veya işlendikten sonra elde edilen verileri fabrikadaki diğer makineleri veya süreçleri hazır hale getirmek veya bunlarla ilgili daha fazla bilgi ile kullanabilir.

Örneğin, değişen tutarlılıktaki nesnelerin üretildiğini hayal edin. Yapay bir görme sistemi belirleyebilir tolerans seviyesiÖrneğin, her bir nesnenin farklı sistemler aracılığıyla tutarlılığı ve böylece bir sonraki işlemde damgalaması gereken bir makinenin tutarlılığına bağlı olarak uygun baskıyı uygulayabilmesi için işaretleyin.

Bu, yapay görme sistemini şu şekilde anlamakla mümkündür: bir IoT öğesi bağlı ve sonraki işlem makinesi, başka bir bağlı IoT cihazı olarak. Bu nedenle, ağ üzerinden iletişim kurabilirler ve hatta sisin veya bulutun bir ve diğer unsurları arasında belirli verileri analiz etmek için kullanılabilirler.

Yapay görme ve endüstriyel dijitalleştirme

Jardines de Viveros yeni endüstriyel sayısallaştırma sistemleri, gelişen araçlar ve bilgisayar vizyonu, her büyüklükteki şirkette bugün ve yakın gelecekte önemli bir rol oynayacaktır. Örneğin, MES / MON sistemleri (Üretim Yürütme Sistemi / İmalat Operasyon Yönetimi) ile kombinasyon halinde.

Yani MES sistemleri endüstriyel ekipman ve üretim hatlarına bağlı bilgi yönetim sistemleridir. Onlarla süreçleri, tesisin veri akışını ve hepsini gerçek zamanlı olarak ERP yazılımını kullanarak izleyebilir ve kontrol edebilirsiniz. Hammaddeden nihai ürüne dönüşümler bu şekilde izlenir ve belgelenir.

MOS verimliliği optimize etmek için üretim süreçlerini baştan sona görselleştirmeye izin veren bir metodolojidir. Bu, verimli üretim yürütme sağlar ve üretkenliği artırır.

Bu nedenle yapay görme sistemleri, bu durumlarda önemli bir rol, çünkü bu endüstriyel dijitalleştirme stratejilerini hazırlamak için mükemmel bir tamamlayıcı araç. Özellikle PLM (Ürün Yaşam Döngüsü Yönetimi) geliştirmeleriyle birlikte, yani ürünlerin üretimden bertarafına kadar olan yaşam döngüsünü yöneten yazılım sistemleri de devreye alınmalarından geçmektedir.

Anlayabileceğiniz gibi, tüm bunlar için büyük boyutlarda depolanmış çok fazla bilgiye ihtiyacınız var. veritabanları bulutta veya yerel olarak ve Büyük Veri tarafından analiz edilmek üzere hızlı ve verimli bir şekilde işlenebilir. Ve bu veri tabanları, tüm ürünler hakkında hızlı bilgi alabilen yapay görme sistemleri tarafından beslenecektir.

Hepsi TTM'yi değiştirmeden (Pazar Zamanı), tam tersine, tüm bu bilgileri alabilir ve bu parametreyi önemli ölçüde iyileştirebilirsiniz. Yani, bir ürünün gebe kalmaya başlamasından piyasaya sürülmesine kadar geçen süre daha uzunsa.