長(cháng)期以來(lái)，人工智能方法已成功用于圖像處理中，并取得了巨大的成功。神經(jīng)網(wǎng)絡(luò )比人類(lèi)更準確地識別日常物體。弗勞恩霍夫生產(chǎn)系統和設計技術(shù)研究所IPK的研究團隊利用了這些功能，并修改了算法以用于工業(yè)應用。例如，一個(gè)應用程序可以在幾秒鐘內明確標識沒(méi)有條形碼的各個(gè)組件。神經(jīng)網(wǎng)絡(luò )的潛力將特別有利于物流公司，后者可以利用它們來(lái)加快進(jìn)貨流程。
公司越來(lái)越多地與多個(gè)供應公司合作，在不同的地點(diǎn)生產(chǎn)商品。無(wú)法保證接收到的所有組件都用條形碼或銘牌標記，這意味著(zhù)通常需要在接收區域中對對象進(jìn)行重新分類(lèi)。然后，員工必須手動(dòng)在目錄中搜索相似的零件，以明確標識它們以進(jìn)行進(jìn)一步的物流處理，這是一項艱巨且耗時(shí)的任務(wù)。自動(dòng)化的數字化識別將有助于加快這一過(guò)程。柏林Fraunhofer IPK的研究人員正在研究這項任務(wù)-應用機器學(xué)習方法。他們使用所謂的卷積神經(jīng)網(wǎng)絡(luò ) (CNN)識別制造的組件，例如螺釘，夾具，噴嘴，管道，管子和電纜，以及微控制器和其他電子設備。
生成工業(yè)過(guò)程的培訓數據
“神經(jīng)網(wǎng)絡(luò )已經(jīng)成為圖像處理的標準?？煽康刈R別出1000個(gè)日常物體需要一百萬(wàn)個(gè)圖像，這些網(wǎng)絡(luò )才能用作訓練數據。我們的工作是生成即使在數據很少的情況下也適用于工業(yè)應用的算法，因此，在這種情況下，可以自動(dòng)識別沒(méi)有代碼的組件，從而減輕了接收人員的負擔，我們的目標是使該算法能夠輕松地區分甚至是高度相似的對象，例如相同標準但尺寸不同的螺釘或渦輪增壓器。不同的生產(chǎn)系列，”
Fraunhofer IPK的研究員。“我們使用專(zhuān)門(mén)開(kāi)發(fā)的算法將搜索半徑限制為五個(gè)或十個(gè)對象，因此員工不再需要搜索通常在大型倉庫中發(fā)現的整個(gè)范圍。”
為了實(shí)現這一目標，Lehr和他的同事在德國聯(lián)邦經(jīng)濟和能源部(BMWi)資助的項目中開(kāi)發(fā)了一種名為L(cháng)ogic.Cube的檢測系統。最大邊緣長(cháng)度為40厘米的待識別對象被放置在具有集成刻度的立方體形設備中，并由最多9個(gè)攝像機拍攝。圖像處理算法可測量對象的高度，寬度和長(cháng)度，以計算所需的盒子或架子空間的大小。同時(shí)，生成的圖像集和材料編號一起存儲在數據庫中。該圖像數據用于訓練AI算法，以使其能夠識別各種不同的成分。
識別率高，圖像少
由于并非每個(gè)公司都會(huì )考慮購買(mǎi)Logic.Cube，因此Fraunhofer IPK研究團隊將檢測系統的功能移植到了基于瀏覽器的，獨立于操作系統的應用程序中，該應用程序可在智能手機，平板電腦，筆記本電腦和臺式計算機上運行。為此，他們必須擴展訓練數據集以包括智能手機數據并重新訓練算法。“我們用在各種場(chǎng)景中拍攝的一百個(gè)組件對算法進(jìn)行了測試，每個(gè)部分拍攝了50張圖像。在幾秒鐘內，該應用程序向用戶(hù)顯示了五個(gè)或更少的潛在匹配項，與照明，背景和風(fēng)景無(wú)關(guān)。這種識別是如此強大，以至于可以取代手動(dòng)搜索。”工程師說(shuō)。“這為工人節省了不可思議的時(shí)間。我們設法以最少的圖像獲得了很高的識別率。
這些圖像將通過(guò)Internet或公司的內部網(wǎng)上傳并存儲在本地邊緣云中，這也是實(shí)際圖像處理和識別的地方。Lehr解釋說(shuō)：“ AI算法在服務(wù)器上運行，而智能手機或平板電腦應用程序是客戶(hù)端。” 整個(gè)系統的設計方式是，在使用時(shí)會(huì )不斷收集其他數據。經(jīng)過(guò)一定時(shí)間后，這些新數據可用于重新訓練算法，從而形成一個(gè)不斷自我完善的系統。
目前，研究人員正在努力擴展圖像數據集并使目錄數字化并將其集成到應用程序中。很快就可以通過(guò)邊緣云啟動(dòng)所有后續過(guò)程，例如進(jìn)一步的處理和可能的重新排序。Lehr和他的同事們也在優(yōu)化算法，以使即使看起來(lái)非常相似的物體也能被識別。在進(jìn)行的測試中，系統甚至可以正確識別相同標準但尺寸不同的螺釘。
應用場(chǎng)景：表面檢查
該應用程序還可用于表面檢查?；贏(yíng)I的圖像處理用于在收到傳入組件后立即檢查它們的表面。它顯示零件是否有刮擦或腐蝕，或者在運輸過(guò)程中是否損壞或只是有點(diǎn)臟。AI方法用于標記圖像上的相關(guān)斑點(diǎn)，以便工人可以立即檢查損壞的區域。Lehr說(shuō)：“制造業(yè)公司在A(yíng)I方面通常仍然持謹慎態(tài)度。如果我們的研究工作能夠幫助抵制這種懷疑并提高員工的接受度，我們將感到非常高興。”
