Deep Learning is de toekomst voor meer efficiëntie

16-jan-2020

Machines leren denken. Deep learning is een machine-learning-techniek en waarschijnlijk de belangrijkste technologie van de toekomst op het gebied van kunstmatige intelligentie. SICK brengt deze sleuteltechnologie over op zijn sensoren en biedt de klanten zo bijkomende voordelen voor meer productiviteit en flexibiliteit.      

 
Computer screen with deep learning
Computer screen with deep learning

De slimme machine zal het moeten doen, om productiesecties nog efficiënter vorm te geven. Ook de automatisering van logistieke processen blijft in een stroomversnelling. De belangstelling voor intelligent machinegedrag neemt dus toe en daarmee ook de uitdaging voor de digitale technologie. Sensoren blijven de bron van alle informatie en de geïntegreerde software lost de netwerkdata-evaluatie en -communicatie op. Om echter met de Industrie 4.0trend mee te gaan, is een „hervormd“ IT-denken in datacomplexiteit verplicht. Deep learning is onmisbaar en de weg, die SICK met haar klanten aflegt voor moderne installatieprocessen.  

 

Deep learning denkt als een mens

Voorwaarde voor deep learning zijn algoritmen, die immense en complexe gegevenshoeveelheden en -patronen herkennen en verwerken. Het kunstmatige neuronale netwerk, dat lijkt op het menselijk denken, leert van voorbeelden. Leert van ervaring. Leert, zich aan te passen aan nieuwe, actuele informatie. Daarom is een rij optimalisaties nu mogelijk, waarvan de oplossing tot enkele jaren geleden ondenkbaar was. Machines en installaties in combinatie met intelligente gegevens en gespecialiseerde sensoren lossen de meest complexe taken op. 

 

Realiteitscheck

De meeste deep-learningprojecten, die SICK momenteel uitvoert, zijn afkomstig van optische kwaliteitscontrole. In de logistieke automatisering kunnen deep learning-camera's onder evaluatie van de ingeleerde beeldbasis „getrainde“ objecten of eigenschappen automatisch herkennen, controleren, classificeren en lokaliseren. Ze controleren bijvoorbeeld, of er platte verzendzakken in de sorteerschalen aanwezig zijn. Deze controle optimaliseert de bezetting van de sorteercellen en verhoogt de doorstroming. Ze herkennen omsnoeringsbanden aan pakketten, ook wanneer een witte band op wit karton is aangebracht. Een hogere kwaliteitscontrole in het automatische verpakkingsproces is zodoende gegarandeerd, ook de analyse van getransporteerde objecten. Zijn pakketten gedeukt of zelfs beschadigd, resp. zijn materiaaleigenschappen van de verpakking vast te stellen - de sensoren van SICK leveren intelligentieprestaties en detecteren en evalueren structuren of eigenschappen in lopend bedrijf. Zij zorgen ervoor dat verdere sorteerstappen in gang worden gezet. Dit is in deze vorm uniek en was voorheen alleen voorbehouden aan het menselijk oog. Bij alle projecten van SICK gaat het er uiteindelijk om, processen door deep learning te verbeteren en de effectiviteit van het hele systeem te verhogen.  

 

deep-learning-in-logistics-out-of-the.box
deep-learning-in-logistics-out-of-the.box

Excellente specialisten, verfijnde algoritmen, hoog rekenvermogen

De algemeen geldende probleemoplossing is wordt hier niet gevraagd. In plaats daarvan ligt de focus op de op het concrete toepassingsgeval gedifferentieerde oplossing. Ook wanneer moderne 2D- en 3D-camera's steeds sneller en krachtiger worden, vormen klassieke beeldverwerkingsalgoritmen hun huidige grenzen. Om de verschillende toepassingen en omstandigheden te kunnen beoordelen, werken deep-learning-experts van SICK nauw samen met proces- en kwaliteitsexperts aan de klantzijde. Hun speciale proceskennis is de trainingsbasis voor simulaties en daarmee het hart voor de latere deep-learning-algoritmen in de sensor. 

Een gelaagde netwerkarchitectuur verwerkt de enorme hoeveelheden informatie. Desondanks zijn de trainingstijden voor een deep-learning-netwerk al binnen een paar uur uitgevoerd. Deep learning kan bovendien worden bijgeschoold en kan worden aangepast aan nieuwe omstandigheden. Voor de big-data-pools en de training van de neuronale netwerken gebruikt SICK intern krachtige en onafhankelijke computer- en IT-bases. De gegenereerde deep-learning-algoritmen worden via de cloud lokaal op de sensor beschikbaar gemaakt en zijn zo direct en faalveilig beschikbaar op een intelligente camera. 

De heerschappij van de machines is nog ver weg, maar deep learning bereikt nu al indrukwekkende resultaten en belooft nog veel meer voordelen. Het is echter nog steeds de mens, die het essentiële werk doet. De tijd zal ons leren, hoeveel industrieën en bedrijven uit allerlei sectoren in toenemende mate in deze digitale technologie investeren, om de groei van de onderneming te vergroten. Maak deel uit van de ontwikkeling - met nieuwe projecten. Met SICK. 

 

Logistiek wordt slim
Logistiek wordt slim

Meer efficiëntie voor de gehele supply chain

Intelligente sensoroplossingen van SICK stimuleren verbinding productie en logistiek.