Rozwiązania wykorzystujące sztuczną inteligencję – prawdziwa siła automatyzacji

Dzięki temu można skoncentrować się na obrazie całości. Dostarczając wiele zastosowań korzystających ze sztucznej inteligencji, otwieramy dzisiaj użytkownikom drogę do nowej ery inteligencji czujników. Daje to możliwość rozwiązywania bardziej złożonych zadań, szybkiego dostosowywania się do zmieniających się warunków i łatwiejszego rozpoznawania wzorów – szybciej i bardziej niezawodnie niż kiedykolwiek wcześniej. Nasze czujniki gromadzą cenne dane, które są następnie interpretowane przez nasze algorytmy. Dzięki temu można skoncentrować posiadane zasoby i zoptymalizować stosowane dotychczas procedury robocze.

Deep Learning to jedna z dziedzin sztucznej inteligencji. Komputery naśladują przy tym ludzkie procesy podejmowania decyzji i rozwiązywania problemów. Nasze rozwiązania z obszaru Deep Learning pomagają przy tym użytkownikom w zapewnieniu większej precyzji, elastyczności, a w efekcie końcowym również w odniesieniu sukcesu. Oferujemy Państwu możliwość najlepszego możliwego wykorzystania w przypadku stojących przed Państwem wyzwań technicznych.

Maszyny do czyszczenia butelek w branży produkcji napojów muszą rozpoznawać, czy czyszczą butelki nowe, czy też zwrócone. Dotychczas odpowiedni program był wybierany ręcznie, aby uniknąć ewentualnych przestojów. Dzięki zastosowaniu czujnika wizyjnego 2D InspectorP62x w połączeniu z Intelligent Inspection SensorApp klasyfikacja butelek na nowe oraz pochodzące ze zwrotu jest teraz wykonywana łatwo w zautomatyzowany sposób w obszarze podawania maszyny do czyszczenia.

Dowiedz się więcej na temat tego zastosowania

Produkty rosnące w sposób naturalny są trudne do sklasyfikowania przy użyciu konwencjonalnego, automatycznego przetwarzania obrazu opartego na regułach. Technologia Deep Learning dobrze nadaje się do klasyfikowania struktury pierścieni przyrostu rocznego w przemyśle drzewnym. Dzięki czujnikowi wizyjnemu 2D InspectorP62x w połączeniu z Intelligent Inspection SensorApp możliwe jest ustawianie płyt drewnopochodnych w trakcie zautomatyzowanego procesu w taki sposób, aby zapewnić najwyższą możliwą wydajność.

Dowiedz się więcej na temat tego zastosowania

Żaluzje okienne wypełnione są pianką, która ogranicza hałas, jaki może powodować na przykład deszcz. Rozszerzanie się pianki podczas procesu produkcji może być niepełne, co wywołuje konieczność inspekcji wzrokowej powierzchni cięcia. Dzięki zastosowaniu dStudio oraz kilku reprezentatywnych zdjęć do nauki, łatwo jest stworzyć sieć neuronową, która umożliwi czujnikowi SICK wykonywanie tego zadania. Oprogramowanie uczy się podobnie jak człowiek, w jaki sposób samoczynnie rozróżniać jednorodne wypełnienie piankowe od niepełnego wypełnienia na powierzchni cięcia.

Dowiedz się więcej na temat usługi cyfrowej dStudio

Silnie odblaskowy materiał to prawdziwe wyzwanie podczas inspekcji dla konwencjonalnego, opartego na regułach sposobu automatycznej identyfikacji. Deep Learning nadaje się do tego rodzaju zastosowań, w przypadku których obiekty są błyszczące i wykazują pewne naturalne zróżnicowanie. Może występować brak części do zmontowania lub też są one nieprawidłowo umieszczone, np. gwinty śrub podczas montażu produktu. Klasyfikację zmontowanych części o błyszczącej powierzchni można zapewnić dzięki czujnikowi wizyjnemu InspectorP62x do rejestrowania obrazu wraz z aplikacją Intelligence Inspection SensorApp.

Dowiedz się więcej na temat aplikacji SensorApp

Obiekty charakteryzujące się niewielkim zróżnicowaniem w obrębie klasy są trudne do rozróżnienia za pomocą konwencjonalnego, opartego na regułach sposobu automatycznej identyfikacji. Metoda Deep Learning – czyli głębokiego uczenia, dobrze nadaje się do identyfikacji i klasyfikowania dokładnego położenia ryb na taśmie przenośnikowej. Dzięki czujnikowi wizyjnemu 2D InspectorP62x w połączeniu z Intelligent Inspection SensorApp precyzyjne rozpoznanie położenia umożliwia dokładne i zautomatyzowane przetwórstwo ryb.

Dowiedz się więcej na temat inteligentnej inspekcji

SICK AppSpace Eco-System umożliwia stworzenie własnej aplikacji SensorApp, która będzie dokładnie odpowiadać stawianym jej oczekiwaniom. Na przykład można stworzyć aplikację SensorApp, która wyszukuje ciała obce w jednorodnym materiale sypkim. Deep Learning nie tylko umożliwia rozwiązanie takiego konkretnego przypadku zastosowania. Własne rozwiązanie można również przekazywać innym. W ten sposób klient końcowy może łatwo dostosować otrzymane rozwiązanie do dowolnego podobnego zastosowania.

Dowiedz się więcej na temat SICK AppSpace

Inspekcja punktów lutowania może stanowić trudne zadanie. Główne wyzwanie stanowią takie czynniki, jak odbicia powierzchniowe i duża różnorodność wyglądu. Jeśli użytkownik potrafi wyjaśnić na podstawie przykładowych zdjęć, czego szukać, Deep Learning zapewnia nie tylko wysoką dokładność rozpoznawania, ale także znacznie ułatwia i przyspiesza rozwijanie stosowanego rozwiązania. Dzięki zastosowaniu dStudio oraz reprezentatywnych obrazów do nauki, łatwo jest stworzyć sieć neuronową, która umożliwi czujnikowi SICK wykonywanie tego zadania.

Dowiedz się więcej na temat Deep Learning

dStudio

Classification License

Gold Deep Learning Starter Package