Интеграция машинного зрения с нейронными сетями для продвинутого промышленного IoT

Мозговая кора — часть мозга, обрабатывающая изображения. У людей самая большая мозговая кора по сравнению с другими млекопитающими. Это превосходное зрение — одна из эволюционных черт, давших людям преимущество над другими животными. Эволюционные биологи пытаются раскрыть тайну за этой чертой, а технологические исследователи пытаются её реплицировать.

Люди учатся через опыт и практику. Машинное обучение — область искусственного интеллекта (ИИ), которая пытается заставить компьютеры имитировать то, как человеческие мозги учатся. Распознавание и обработка изображений — важный подраздел области. Используя распознавание изображений, инженеры могут классифицировать объекты без прямого человеческого взаимодействия.

Нейронные сети и машинное зрение

Простыми терминами, машинное зрение в сочетании с алгоритмами или нейронными сетями — это способность компьютеров видеть и действовать на основе данных. Изображения подаются в вычислительный блок компьютера в цифровом формате для анализа, интерпретации и действий на основе этого. Перед этой настройкой мы должны сначала обучить систему учить данные.

Обучение нейронных сетей в машинном зрении

Нейронные сети — продвинутая область машинного обучения. Они широко используются для распознавания изображений и других задач, требующих сложного познания. Первый шаг к построению искусственной нейронной сети — обучение компьютерных алгоритмов с изображениями.

Люди beauftragаны с маркировкой входных изображений на основе которых алгоритмы учатся. Алгоритм будет учиться сам идентифицировать объекты после обучения на большом размеченном наборе данных. Ученые по данным могут наклонять модели для улучшения скорости обучения и других параметров. Полная модель с последовательной точностью может быть развернута для коммерческих приложений.

Но где мы получаем данные для обучения модели?

Источники данных для машинного зрения

Машинное зрение, связанное с нейронными сетями, сложнее, чем просто идентификация изображений. Это также пространственное познание для распознавания 3D (трехмерных) объектов. Источником для программ машинного зрения могут быть фотографии, видео или даже живой поток с камеры. В таких случаях камера собирает изображения или видео, подаваемые алгоритму.

Существуют алгоритмы машинного зрения, принимающие другие формы входа. Радар и LiDAR могут отслеживать объекты вокруг датчика. Выход такого оборудования не изображения, а координаты различных объектов вокруг него. Алгоритмы машинного зрения также могут обрабатывать эту информацию для получения пространственного понимания. Комбинация данных LiDAR и изображений с камеры также может использоваться как вход для алгоритма машинного зрения.

Машинное зрение имеет широкий спектр промышленных и непромышленных приложений. Приложения варьируются от идентификации и навигации до дарения зрения слепым.

Машинное зрение в промышленности

Машинное зрение или компьютерное зрение имеет множество приложений в промышленности. Поскольку оно все еще в зачаточном этапе, больше промышленных приложений идентифицируются с каждым проходящим днем.

Некоторые известные приложения включают:

• Сортировка продуктов
• Подбор продуктов
• Автоматизированная инспекция
• Оптическое распознавание символов
• Идентификация дефектов
• Идентификация цветов
• Обнаружение движения
• Идентификация узоров
• Обеспечение качества
• Направленное движение (автоматические направляемые тележки, AGV)
• Самовоящиеся автомобили
• Чтение штрих-кодов и QR-кодов
• Темные заводы (Dark factories)

По мере увеличения использования машинного зрения стоимость внедрения таких решений снижается, и выявляются новые приложения. Например, машинное зрение может использоваться в сочетании с IIoT.

Безопасность

Человеческая безопасность используется для патрулирования территорий различных учреждений. Однако общая проблема — усталость, испытываемая таким персоналом при выполнении обязанностей в нестандартные часы. Машинное зрение с IIoT может помочь.

Канал закрытого телевидения (CCTV) охраняемых помещений может быть подключен к алгоритмам машинного зрения. Алгоритм будет постоянно мониторить поток на аномальную активность. Как только нарушители или другая аномальная активность обнаружены, система может запустить тревогу для человеческих охранников для проверки.

Она также может автоматически выполнять протоколы безопасности, как электрификация забора, развертывание шипов на точках выхода, оповещение полиции и т.д. Вся коммуникация произойдет через сеть между интернет-устройствами для выполнения любого протокола.

Химический завод

Химические заводы опасны для человеческих сотрудников для работы. Было бы полезно, если процессы могут быть автоматизированы. Возьмем, для примера, процесс на химическом заводе, требующий, чтобы материал пришел к кипению перед тем, как нагрев будет выключен. Без машинного зрения человеческий техник должен ждать и наблюдать процесс.

С машинным зрением камера может фокусироваться на растворе, и нейронная сеть, обученная детектировать кипение, может обнаружить, началась ли смесь кипеть. Как только алгоритм обнаруживает кипение в растворе, он может запустить флаг. Это отправляется в центральную вычислительную систему через сеть. Система спроектирована так, что получение этого сигнала запустит механизм выключения нагрева.

В таком сценарии человеку не нужно быть на заводе, вдыхая химические пары, для мониторинга процесса. Машинное зрение и IIoT могут автоматизировать полный процесс. В этом конкретном примере инфракрасные или другие датчики обнаружения температуры также могут использоваться для обнаружения кипящей смеси.

Темные заводы (Dark Factories)

Темные заводы, как концепция, являются расширением использования машинного зрения, автоматизации и возможностей IIoT до максимального предела. Темный завод — производственный объект, где не требуется человеческий оператор для запуска или мониторинга заводских операций. По сути, заводу не нужно иметь свет, и поэтому может работать в темноте.

От доставки сырья до упаковки конечного продукта всё будет полностью автоматизировано. Сырье будет подбираться и сортироваться вилочными погрузчиками и роботизированными руками, помогаемыми машинным зрением. Роботизированные руки, собирающие различные детали, будут использовать машинное зрение для идентификации, куда идет каждая деталь. AGV, использующие машинное зрение для навигации, управляют транспортировкой материалов внутри завода.

Готовые продукты инспектируются и тестируются роботами, связанными с возможностями машинного зрения. Сортировка дефектных продуктов и упаковка готовых продуктов также используют машинное зрение.

Приложения такие как темные заводы и химические процессы, чтобы назвать немного, могут выиграть от машинного зрения. Его алгоритмы могут держать персонал в безопасности, процессы в безопасности и повышать эффективность. Какие типы приложений вы используете машинное зрение для на своем производственном полу?