長(zhǎng)期以來，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)比人類更準(zhǔn)確地識(shí)別日常物體。弗勞恩霍夫生產(chǎn)系統(tǒng)和設(shè)計(jì)技術(shù)研究所IPK的研究團(tuán)隊(duì)利用了這些功能，并修改了算法以用于工業(yè)應(yīng)用。例如，一個(gè)應(yīng)用程序可以在幾秒鐘內(nèi)明確標(biāo)識(shí)沒有條形碼的各個(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加快進(jìn)貨流程。

公司越來越多地與多個(gè)供應(yīng)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(biāo)記，這意味著通常需要在接收區(qū)域中對(duì)對(duì)象進(jìn)行重新分類。然后，員工必須手動(dòng)在目錄中搜索相似的零件，以明確標(biāo)識(shí)它們以進(jìn)行進(jìn)一步的物流處理，這是一項(xiàng)艱巨且耗時(shí)的任務(wù)。自動(dòng)化的數(shù)字化識(shí)別將有助于加快這一過程。柏林Fraunhofer IPK的研究人員正在研究這項(xiàng)任務(wù)-應(yīng)用機(jī)器學(xué)習(xí)方法。他們使用所謂的卷積神經(jīng)網(wǎng)絡(luò) (CNN)識(shí)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(shè)備。

生成工業(yè)過程的培訓(xùn)數(shù)據(jù)

“神經(jīng)網(wǎng)絡(luò)已經(jīng)成為圖像處理的標(biāo)準(zhǔn)?？煽康刈R(shí)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(xùn)練數(shù)據(jù)。我們的工作是生成即使在數(shù)據(jù)很少的情況下也適用于工業(yè)應(yīng)用的算法，因此，在這種情況下，可以自動(dòng)識(shí)別沒有代碼的組件，從而減輕了接收人員的負(fù)擔(dān)，我們的目標(biāo)是使該算法能夠輕松地區(qū)分甚至是高度相似的對(duì)象，例如相同標(biāo)準(zhǔn)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。“我們使用專門開發(fā)的算法將搜索半徑限制為五個(gè)或十個(gè)對(duì)象，因此員工不再需要搜索通常在大型倉(cāng)庫(kù)中發(fā)現(xiàn)的整個(gè)范圍。”

為了實(shí)現(xiàn)這一目標(biāo)，Lehr和他的同事在德國(guó)聯(lián)邦經(jīng)濟(jì)和能源部(BMWi)資助的項(xiàng)目中開發(fā)了一種名為L(zhǎng)ogic.Cube的檢測(cè)系統(tǒng)。最大邊緣長(zhǎng)度為40厘米的待識(shí)別對(duì)象被放置在具有集成刻度的立方體形設(shè)備中，并由最多9個(gè)攝像機(jī)拍攝。圖像處理算法可測(cè)量對(duì)象的高度，寬度和長(zhǎng)度，以計(jì)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(hào)一起存儲(chǔ)在數(shù)據(jù)庫(kù)中。該圖像數(shù)據(jù)用于訓(xùn)練AI算法，以使其能夠識(shí)別各種不同的成分。

識(shí)別率高，圖像少

由于并非每個(gè)公司都會(huì)考慮購(gòu)買Logic.Cube，因此Fraunhofer IPK研究團(tuán)隊(duì)將檢測(cè)系統(tǒng)的功能移植到了基于瀏覽器的，獨(dú)立于操作系統(tǒng)的應(yīng)用程序中，該應(yīng)用程序可在智能手機(jī)，平板電腦，筆記本電腦和臺(tái)式計(jì)算機(jī)上運(yùn)行。為此，他們必須擴(kuò)展訓(xùn)練數(shù)據(jù)集以包括智能手機(jī)數(shù)據(jù)并重新訓(xùn)練算法。“我們用在各種場(chǎng)景中拍攝的一百個(gè)組件對(duì)算法進(jìn)行了測(cè)試，每個(gè)部分拍攝了50張圖像。在幾秒鐘內(nèi)，該應(yīng)用程序向用戶顯示了五個(gè)或更少的潛在匹配項(xiàng)，與照明，背景和風(fēng)景無(wú)關(guān)。這種識(shí)別是如此強(qiáng)大，以至于可以取代手動(dòng)搜索。”工程師說。“這為工人節(jié)省了不可思議的時(shí)間。我們?cè)O(shè)法以最少的圖像獲得了很高的識(shí)別率。

這些圖像將通過Internet或公司的內(nèi)部網(wǎng)上傳并存儲(chǔ)在本地邊緣云中，這也是實(shí)際圖像處理和識(shí)別的地方。Lehr解釋說：“ AI算法在服務(wù)器上運(yùn)行，而智能手機(jī)或平板電腦應(yīng)用程序是客戶端。” 整個(gè)系統(tǒng)的設(shè)計(jì)方式是，在使用時(shí)會(huì)不斷收集其他數(shù)據(jù)。經(jīng)過一定時(shí)間后，這些新數(shù)據(jù)可用于重新訓(xùn)練算法，從而形成一個(gè)不斷自我完善的系統(tǒng)。

目前，研究人員正在努力擴(kuò)展圖像數(shù)據(jù)集并使目錄數(shù)字化并將其集成到應(yīng)用程序中。很快就可以通過邊緣云啟動(dòng)所有后續(xù)過程，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，以使即使看起來非常相似的物體也能被識(shí)別。在進(jìn)行的測(cè)試中，系統(tǒng)甚至可以正確識(shí)別相同標(biāo)準(zhǔn)但尺寸不同的螺釘。

應(yīng)用場(chǎng)景：表面檢查

該應(yīng)用程序還可用于表面檢查?；贏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(yùn)輸過程中是否損壞或只是有點(diǎn)臟。AI方法用于標(biāo)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(qū)域。Lehr說：“制造業(yè)公司在AI方面通常仍然持謹(jǐn)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。”