چند نمونه از کاربرد دید ماشینی در بخش تولید

 یادگیری ماشینی از کاربردهای بسیاری خواه در پردازش ترافیک رسانه های اجتماعی یا مورد هدف قرار دادن مصرف کنندگان بر اساس خریدهای گذشته آنها برخوردار است. در ادامه به چند نمونه از آنها می پردازیم.
 

مشاغل وابسته به قطعات فیزیکی جهت تولید محصولات یا کمک به ارائه خدمات اغلب نیاز به تعمیر و نگهداری ماشین آلات یا تجهیزات خود دارند و  در بدترین حالت ممکن، احتمال دارد ماشین آلات خراب شده یا قطعات دچار نقص گردند و این امر باعث توقف تولید شود.

نگهداری و تعمیرات پیشگویانه فرایند استفاده از یادگیری ماشینی و دستگاه های مجهز به اینترنت اشیاء برای نظارت بر داده ها بر روی ماشین آلات و قطعات است و این کار اغلب با استفاده از حسگرها برای جمع آوری داده و شناسایی سیگنالها یا انجام اقدامات اصلاحی قبل از خرابی قطعات انجام می شود.

در نظر بگیرید که تنها یک دقیقه خرابی در یک کارخانه اتومبیل سازی می تواند 20000 دلار بر روی وسایل نقلیه پر سود هزینه به بار آورد. مقابله با این امر به وسیله دید ماشینی می تواند به حفظ برتری کسب و کار کمک کند. به عنوان مثال یک برنامه نرم افزاری تحت عنوان ZDT که توسط FANUC ساخته شده است، تصاویری را از دوربینهای متصل به ربات جمع آوری کرده و سپس این تصاویر و ابَر داده های همراه آن برای پردازش ارسال شده و به شناسایی مشکلات احتمالی قبل از بروز آنها کمک می کنند.

طی 18 ماه آزمایش، این راهکار بر روی 7000 ربات در 38 کارخانه خودروسازی مورد استفاده قرار گرفت و بدین وسیله 72 خرابی قطعه تشخیص و از بروز مشکل جلوگیری شد.
 

برای شرکتهای داروسازی این امر بسیار اهمیت دارد که قرص ها یا کپسول های خود را قبل از قرار دادن در جعبه شمارش نمایند. سیستم های بسته بندی فارما مستقر در انگلستان جهت رفع این مشکل، راهکاری را ارائه کرده اند که می تواند به خطوط تولید موجود افزوده شده یا حتی به عنوان یک واحد مستقل عمل نماید.
ویژگی اصلی این راهکار شامل استفاده از دید کامپیوتری برای بررسی قرص های شکسته یا ناقص شکل گرفته شده استویژگی اصلی این راهکار شامل استفاده از دید کامپیوتری برای بررسی قرص های شکسته یا ناقص شکل گرفته شده است. همانطور که قرصها راه خود را در خط تولید طی می کنند، تصاویری از آنها ثبت شده و به یک کامپیوتر مختص این کار ارسال می شوند و در آنجا تصاویر با استفاده از نرم افزار مورد پردازش قرار گرفته و سپس تجزیه و تحلیل بیشتری بر روی آنها انجام می شود تا مشخص گردد آیا قرص ها دارای رنگ درست، طول، عرض و اندازه کامل هستند یا خیر.

سیستم بازرسی مبتنی بر کامپیوتر همچنین بر روی یک کامپیوتر شخصی پیاده سازی شده و عملکرد شمارش در آن انجام می شود و در صورتی که قرصی دارای نقص باشد این اطلاعات ثبت و سپس سیگنالی به عملکرد شمارش ارسال می گردد و تا زمانی که بطری حاوی قرص به انتهای خط تولید برسد، مواردی که دارای قرص های معیوب هستند رد می شوند و بدین ترتیب احتمال بسته بندی و عرضه قرص های معیوب از بین می رود.
 

خواندن، شناسایی و پردازش صدها و هزاران بارکد در روز کار ساده ای نیست و انسان نمی تواند به راحتی از عهده آن برآید.

به عنوان مثال دستگاه ها و تلفن های همراه به برد مدار چاپی (PCB) کوچکتر و کوچکتری نیاز دارند. از آنجا که تولید کنندگان جهت تولید حجم بیشتری از PCB برای بازار فناوری رو به رشد تحت فشار قرار دارند، بنابراین به دنبال فرایندی تحت عنوان «پنلیزاسیون (panelization‎)» هستند. در این فرایند تعدادی برد مدار یکسان بر روی یک پنل یا صفحه بزرگ چاپ شده، سپس هر یک از مدارها برای آزمایش نهایی توسط دستگاه از هم جدا می شوند، به منظور بررسی این بردها، یک راهکار مبتنی بر دید ماشینی تحت عنوان پنل اسکن جهت خواندن بارکدهایی که شناسه منحصر به فرد هر مدار موجود در پنل   PCN هستند، اتخاذ می شود.

در گذشته نیروی انسانی این وظیفه را با استفاده از یک اسکنر بارکد دستی انجام می داد که طبیعتاً این کار زمان بر بوده و در معرض خطاهای انسانی قرار داشت. با پیاده سازی یک راهکار مبتنی بر دید ماشینی، تولید کنندگان PCB می توانند در کسب و کار خود صرفه جویی داشته باشند.
 

قابل درک است که در صورت اداره یک خط تولید، دوست داشته باشید قطعات یا محصولاتی تولید کنید که عیب و نقص نداشته باشند. دید ماشینی نوعی فناوری است که می تواند به شما در دستیابی به این هدف کمک کند.

گفته می شود که سیستم های بازرسی دید ماشینی از نظر عملکرد اجرایی می توانند بسیار متفاوت باشند، برخی از آنها به یک اپراتور نیاز دارند در حالی که در راه کارهای پیچیده تر مبتنی بر بینایی نیازی به وجود اپراتور نیست.

شرکتی تحت عنوان شلتون دارای سیستم بازرسی سطحی با نام وب اسپکتور (WebSPECTOR) است که عیوب را پیدا کرده و تصاویر و اَبَرداده های مرتبط با تصویر را ذخیره می کند. با قرار گرفتن آیتم ها در خط تولید، عیب و نقص های آنها بر اساس نوعشان طبقه بندی می شوند.
انجام این کار برای تولید کنندگان این امکان را فراهم می سازد تا میان انواع مختلف عیب و نقص که ممکن است موجب توقف خط تولید شوند، در صورت بروز تعداد X مورد از انواع نقص Y تمایز قائل شوند.

یکی دیگر از فناوری های مبتنی بر دید ماشینی شلتون تحت عنوان وب اسپکتور می تواند به کمک نرم افزار تصویر برداری و دوربینهای هنری 50% بازده تولید پارچه را بهبود ببخشد.
 

کاربردهای دید ماشینی تنها به خط تولید در کارخانه های تولیدی محدود نمی شوند. به عنوان مثال شرکت کوماتسو با مسئولیت محدود که تولید کننده برجسته تجهیزات معدن و ساخت و ساز مستقر در انگلستان است اخیراً اعلام کرده که قصد دارد با همکاری NVIDIA مجموعه NVIDIA را از فناوری های « cloud to edge» ادغام سازد. انگیزه اصلی این کار بهبود خدمات مدیریت سایت، ایمنی و کارایی بوده است.
ترکیبی از دوربین های بی وقفه و آنالیز ویدئویی به تجهیزات این امکان را می دهد تا با راندمان بیشتر و ایمنی بهتری کار کنند.این همکاری پلتفرم NVIDIA Jetson Al را در ماشین آلاتی که اغلب با حفاری، خاکبرداری و معدن کاری سروکار دارند، ادغام می سازد. ترکیبی از دوربین های بی وقفه و آنالیز ویدئویی به تجهیزات این امکان را می دهد تا با راندمان بیشتر و ایمنی بهتری کار کنند.

هدف آن است که با استفاده از هوش مصنوعی مبتنی بر یادگیری عمیق از وقوع حوادث خطرناک جلوگیری شده و در نتیجه سطح ایمنی بهبود یابد.

از جمله کاربردهای دیگر دید ماشینی در بخش تولید می توان به مونتاژ محصولات و قطعات، بازرسی دید سه بعدی، پیگیری و ردیابی، خواندن متن ساده و آنالیز دست نویس و هوش مصنوعی و یادگیری عمیق اشاره کرد.


منبع: devteam