Когда была введена сборочная линия, промышленная производительность увеличилась в десять раз. Систематическое размещение пар глаз рядом друг с другом позволяло работникам сосредоточить свое внимание на одной части процесса, используя специализацию для повышения общей эффективности на заводе. Каким бы революционным это ни было, мы вскоре поняли, что люди склонны к истощению на конвейере и, как следствие, склонны к ошибкам. Итак, мы вернулись к чертежной доске, чтобы поставить на линию новые и улучшенные наборы «глаз», и вернулись с машинным зрением.

Растущий масштаб

От беспилотных автомобилей до автономного земледелия машинное зрение стало неотъемлемой частью многих автоматизированных систем. Согласно исследованию 2017 года, в 2017 году мировой рынок машинного зрения оценивался в 7,91 миллиарда долларов, а к 2023 году ожидается, что он достигнет колоссальных 12,29 миллиарда долларов. , станет одним из самых быстрорастущих сегментов до 2023 года.

Рост инвестиций в машинное зрение можно объяснить несколькими факторами, в том числе потребностями заводов в контроле качества и автоматизации; растущий спрос на интегрированные системы AI и IoT (Интернет вещей), которые зависят от машинного зрения; растущее внедрение технологий Industrial 4.0 (имеющих в виду Четвертую промышленную революцию), которые полагаются на машинное зрение для повышения производительности роботизированной автоматизации; и правительственные инициативы по поддержке умных заводов по всему миру.

В связи с растущим во всем мире стремлением к процессам с улучшенным машинным зрением существует несколько текущих тенденций, которые пронизывают рынок:

  1. Промышленный Интернет вещей (IIoT): соединение производственных технологий с информационными технологиями на заводах для повышения производительности. Это в значительной степени зависит от машинного зрения для сбора информации и часто используется для профилактического обслуживания и/или оптимизации бизнес-процессов. Система IIoT будет состоять из интеллектуальных активов (т. е. приложений, контроллеров, датчиков и компонентов безопасности, которые могут обнаруживать, передавать и хранить информацию о себе); инфраструктура передачи данных (например, облако); аналитика и приложения для создания бизнес-информации из необработанных данных; и люди.
  2. Непромышленные приложения: в том числе беспилотные автомобили, автономное сельскохозяйственное оборудование, приложения для дронов, интеллектуальные транспортные системы, управляемые операции и другие непромышленные применения машинного зрения.
  3. Простота использования. Системы машинного зрения на базе ПК останутся популярными, несмотря на их возраст, просто из-за простоты использования. Стремление к более простому интерфейсу может подтолкнуть к стандартизации продуктов машинного зрения, сделав их более практичными и доступными как внутри, так и за пределами производственной среды.

Решающее время для Frito-Lay

Применение машинного зрения было особенно полезно для заводов, где повторяющиеся процессы должны выполняться быстро и точно. В PepsiCo машинное обучение и машинное зрение идеально подходят друг другу. Шахмир Мирза, старший инженер по исследованиям и разработкам PepsiCo., занимается созданием систем, гарантирующих качество чипсов Frito-Lay. «Один из моих первых проектов в компании был связан с созданием систем, которые могли бы определять текстуру чипов, не разрушая их», — сказал Мирза. Для этого проекта он собирал акустические данные и вручную их обрабатывал. «Это система, которая воздействует на чип лазерами, слушает исходящий от них звук, а затем использует эти данные для сопоставления звука с текстурой».

Сочетая принципы машинного обучения с технологией компьютерного зрения, Мирза с тех пор разработал более совершенные датчики и схемы управления технологическими процессами. В частности, он создал модель машинного обучения, которая будет работать с системой машинного зрения для расчета веса обрабатываемого картофеля. Идея заключалась в том, чтобы построить модель, которая могла бы предсказать их вес, просто взглянув на их изображения.

В дополнение к прогнозированию веса, Frito-Lay также использует систему технического зрения для наблюдения за процессом очистки. С помощью системы фабрика может оптимизировать очистку до желаемого процента, чтобы мякоть картофеля не удалялась и не выбрасывалась. По оценкам, благодаря этому оптимизированному процессу очистки проект экономит компании более миллиона долларов в год только в США.

Стратегии обслуживания активов

В мире производства машинное зрение может значительно помочь компании в обслуживании активов, для чего существует четыре стратегии:

  1. Реактивное обслуживание. Замедления и сбои устраняются по мере их возникновения.
  2. Профилактическое обслуживание: техническое обслуживание оборудования выполняется по заранее запланированному графику, заменяя и обслуживая детали до того, как возможен сбой.
  3. Прогностическое обслуживание: использование машинного обучения и устройств IIoT для мониторинга данных о машинах и компонентах, часто с датчиками, собирающими точки данных, идентифицирующими сигналы или предпринимающими корректирующие действия до того, как активы или компоненты выйдут из строя.
  4. Регулятивное техническое обслуживание. Работа оборудования постоянно контролируется датчиками, а все текущие и исторические данные анализируются передовым программным обеспечением, чтобы предписывать конкретные действия по техническому обслуживанию, обеспечивая оптимальную безотказную работу оборудования.

Машинное зрение можно найти на различных этапах производства, включая проверку упаковки, считывание штрих-кодов, сборку продукции, устранение дефектов, трехмерный визуальный контроль и многое другое. Машинное зрение в сочетании с системами глубокого обучения также широко распространено в повседневной жизни, включая мониторинг дорожного движения, спортивную аналитику, переработку бутылок, точные медицинские процедуры и многое другое.

Как и в случае с большинством производственных технологий, одна из основных причин, по которой предприятие должно модернизировать свое оборудование, заключается в получении экономически эффективных результатов, которые машинное зрение должно обеспечивать с помощью правильной модели обучения и системы машинного зрения. Инвестиции в программное обеспечение машинного зрения с интегрированным ИИ обеспечивают глубокое изучение робототехнических технологий и могут значительно сократить расходы на техническое обслуживание при одновременном повышении эффективности.

С развитием автоматизации машинное зрение помогает отслеживать каждый этап производственного процесса и может предоставлять данные и отзывы об эффективности автоматизированной системы. Даже по мере совершенствования автоматизации и искусственного интеллекта нам всегда будет нужна пара глаз, чтобы сказать нам, работает ли что-то и что мы можем улучшить.

Первоначально опубликовано на https://automtd.co 29 мая 2019 г.