Avsyning

Kameror och sensorer I Applikationer

Automatiserad visuell avsyning/inspektion med AI

Vad innebär AI-baserad visuell avsyning och kontroll och hur kan det hjälpa mig i min verksamhet? Detta är frågan många ställer sig. Dessutom, hur går det till och innebär det stora kostnader? Vi försöker här förklara begreppet på ett enkelt sätt.

Med AI (Artificiell Intelligens) kan ni med hjälp av lärande mjukvara hitta defekter tillsammans med befintlig eller ny sensor; vanligast en enkel vision 2D-kamera. Andra alternativ är att använda 3D-sensorer. AI inlärningen är enkel och repeterar bra och gör det tråkiga och monotona jobbet åt dig så att du kan ägna dig åt viktigare saker istället.

Hur fungerar det?

Med ansluten kamera och ett webbaserat gränssnitt kan ni enkelt konfigurera AI:n till att exempelvis utföra sortering av produkter, finna defekter, eller räkna detaljer. Varför inte koppla till en automationslösning, exempelvis en robot, för att låta AI hitta en ledig position för att styra roboten och placera detaljen där? Allt detta utan några som helst förkunskaper i programmering!

Att annotera bilder i AI innebär att man lägger till metadata eller etiketter till olika delar av en bild för att ge sammanhang eller information till maskininlärningsalgoritmer. Denna process är avgörande för att träna modeller i datorseendeuppgifter. Det finns olika annoteringstekniker, t.ex. avgränsningsrutor, polygoner, nyckelpunkter och semantisk segmentering. i vårt fall är det ett webbaserat gränssnitt med inloggning via en hub (webbsida) där allting konfigureras/annoteras på ett mycket enkelt och användarvänligt vis.

Vid objektdetektering ritas till exempel avgränsningsrutor runt intressanta objekt. Varje ruta förses med information om t.ex. objektklass och plats. Detta hjälper AI-algoritmen att lära sig känna igen och lokalisera objekt i nya bilder.

Semantisk segmentering innebär att varje pixel i en bild märks med en motsvarande klass, vilket skapar en pixelvis mask. Detta är användbart för att förstå de exakta gränserna för objekt och deras relationer i bilden.

Annotering av nyckelpunkter identifierar specifika punkter på objekt, vilket underlättar uppgifter som posestimering. Varje nyckelpunkt är associerad med en viss del av objektet, som lederna på en person. Dessa annoteringar fungerar som den grundläggande sanningen för att träna AI-modeller, så att de kan generalisera och göra korrekta förutsägelser på nya, osedda data, defekter etc.

Varför ska ni välja oss?

Vår partner DENKweit har skapat ett oerhört enkelt och lättanvänt annoteringsverktyg som bygger på egenutvecklade algoritmer. Vi har tillsammans levererat system till svensk industri utan stora resursbehov hos våra kunder. Häri ligger också skillnade. Med DENKweit behöver vi ett litet antal bilder för att lära t.ex. en defektklass medan många andra system behöver väldigt många fler. Tidsåtgången = resursen för våra kunder blir betydligt lägre.

Vi har också erfarenhet att industrialisera ert avsyningsbehov med kompletta maskiner, mätceller av en kombination med Automation, Sensorer och AI ifrån en hand eller en Turnkey Solution.

Låter det intressant?

Kontakta oss för mer information om hur vi kan hjälpa eran verksamhet att bli effektivare!

Per-Håkan Kalbhenn

Kontakta mig:

070-480 00 81
ph.kalbhenn@kmk-instrument.se

Martin Cheung

Kontakta mig:

070-480 03 40
martin.cheung@kmk-instrument.se