Перейти к содержимому

Как использовать ИИ в промышленной автоматизации: машинное зрение

RealPars

0:00 / 0:00

Как использовать ИИ в промышленной автоматизации: машинное зрение

19 019 просмотров · 1 год назад
RealPars
1,24 млн подписчиков
19 019 просмотров · 1 год назад
▶ Хотите изучить промышленную автоматизацию? Перейдите сюда: http://realpars.com ▶ Хотите обучить свою команду промышленной автоматизации? Перейдите сюда: http://realpars.com/business ▶ Вы можете прочитать полную статью здесь: https://www.realpars.com/blog/ai-mach... ⌚Временные метки: 00:00 - Введение 00:28 - Машинное зрение 02:14 - Визуальный контроль с использованием ИИ 03:44 - Пример использования визуального контроля с использованием ИИ - Первичный контроль 05:04 - Заключение Машинное зрение в контексте промышленной автоматизации — это процесс выполнения автоматизированного визуального контроля деталей с использованием камер и программных алгоритмов. Система машинного зрения состоит из камеры, программного обеспечения для контроля, работающего на компьютере, и интерфейса к системе управления. Когда система управления обнаруживает деталь, она отправляет триггер в программное обеспечение для контроля. Программное обеспечение для контроля качества отправляет триггер на камеру. Камера делает снимок детали и отправляет его в программное обеспечение для контроля качества. Программное обеспечение запускает алгоритм на изображении, чтобы определить, является ли деталь исправной или неисправной, и отправляет результат в систему управления. Система управления отбраковывает деталь, если она неисправна. Хотя системы машинного зрения просты для понимания, их настройка может быть очень сложной. Это связано с тем, что в традиционных системах машинного зрения алгоритм, используемый для контроля деталей, основан на правилах. В алгоритме, основанном на правилах, инженер вручную определяет пределы, которые алгоритм использует для определения того, является ли деталь исправной или неисправной. Алгоритмы, основанные на правилах, хорошо работают для дефектов, которые легко определить, таких как размеры, формы и количество. Они не так хорошо работают для более абстрактных дефектов, требующих оценки, таких как царапины, пятна и загрязнения. Благодаря достижениям в вычислительных технологиях, системы машинного зрения на основе искусственного интеллекта теперь могут быть развернуты для улучшения результатов этих сложных проверок. Современное программное обеспечение для визуального контроля, такое как MELSOFT VIXIO от Mitsubishi, позволяет инженерам легко создавать алгоритмы на основе искусственного интеллекта для обнаружения аномалий в деталях без установления ограничений. Для этого инженер загружает фотографии исправных деталей и использует их для обучения модели ИИ. Как правило, для обучения модели требуется около 100 изображений. После обучения модели на изображениях исправных деталей инженер может проверить её работоспособность, загрузив больше фотографий исправных и неисправных деталей и запустив алгоритм на этих деталях. После проверки модель ИИ может быть развернута в производственной среде и использоваться для проверки всех деталей на производственной линии. Без необходимости показывать, какая деталь неисправна, и без установки ограничений, алгоритм может последовательно и точно идентифицировать неисправные детали с трудноопределимыми дефектами, такими как цветовые дефекты и царапины. Очень распространенное применение визуального контроля на основе ИИ — это первичный контроль продукции на производственной линии. В сценарии первичного контроля система машинного зрения используется для проверки каждой детали на производственной линии. В отличие от оператора, система машинного зрения может проверять тысячи деталей в час последовательным и надежным способом. Если система машинного зрения обнаруживает дефектную деталь, система управления отбраковывает ее с производственной линии. Эти отбракованные детали накапливаются в зоне ручной обработки, где они проходят двойную проверку оператором. Если деталь действительно неисправна, оператор может отправить ее на доработку. Если это ложный отбраков, оператор может добавить это изображение в обучающие данные алгоритма для повышения его производительности и повторно запустить деталь на производственную линию. Это очень хорошее решение для производственных компаний, поскольку оно ограничивает объем ручной проверки, необходимой для производственной линии, ограничивает количество ненужных отходов и предоставляет возможность постоянно улучшать производительность системы. @MitsubishiFAEU ============================= MELSOFT VIXIO: Программное обеспечение для визуального контроля на основе ИИ для промышленной автоматизации: https://www.realpars.com/courses/mels... ============================= Вы пропустили самое новое и лучшее? Посмотрите наши видео прямо здесь: https://www.realpars.com/blog/right-p... https://www.realpars.com/blog/omron-n... https://www.realpars.com/blog/sinking... ============================= ПОДЕЛИТЕСЬ ЭТИМ ВИДЕО В ТВИТТЕРЕ: https://ctt.ac/P4a53 ============================= Подписывайтесь на нас в Facebook 👉   / therealpars   Подпис...