Индустриални анализи: Oxipital AI обяснява реалността на съвременните системи за машинно зрение

ИИ за машинно зрение става все по-практичен, а не просто маркетингов

Изкуственият интелект доминира почти всяка дискусия около индустриалната автоматизация. И все пак много инженери продължават да задават един и същ въпрос, преди да одобрят внедряване: каква практическа стойност всъщност носи ИИ на производствения етаж?

Този въпрос беше в центъра на скорошна дискусия с Oxipital AI — компания, фокусирана върху базирани на ИИ системи за визуална инспекция в хранително-вкусовата промишленост и производството на напитки. Вместо да представя ИИ като заместител на инженерната преценка, разговорът разкри нещо далеч по-реалистично. Съвременните системи за машинно зрение постигат успех, когато ИИ подпомага точността на измерванията, видимостта на процесите и дългосрочния оперативен анализ.

В условията на високоскоростно производство, където допустимите отклонения в качеството продължават да се свиват, системите за машинно зрение се развиват от обикновени инструменти за инспекция в интелигентни платформи за наблюдение на процесите.

Съвременните системи за машинно зрение комбинират обработка с ИИ и високоскоростна производствена инспекция, за да подобрят постоянството и да намалят фалшивите отхвърляния.

Машинното зрение започва с надеждно събиране на данни

Всяка индустриална система за машинно зрение започва с едно изискване: точно идентифициране на проверявания обект. Това звучи лесно, докато производителите не се сблъскат с продукти, които естествено се различават по размер, цвят, текстура или форма.

Oxipital AI подхожда към това предизвикателство чрез комбинация от RGB изображения и базирана на LiDAR технология за 3D измерване. Традиционната 2D инспекция може да открива отклонения в цвета и видими дефекти, докато 3D сензориката добавя проверка на дълбочината, контура и размерите.

Защо 3D зрението променя точността на инспекцията

Средата за преработка на храни представлява сериозно предизвикателство, тъй като няма два продукта, които да изглеждат напълно еднакво. Малките вариации във формата или текстурата на повърхността могат да объркат конвенционалните системи за машинно зрение, базирани на правила.

Чрез комбиниране на ИИ с анализ на 3D облаци от точки съвременните системи за инспекция се обучават върху реалната геометрия на продукта, вместо да разчитат единствено на фиксирани шаблони на изображения. Това значително подобрява точността при разпознаване на дефекти и същевременно намалява процента на отхвърлянията заради фалшиви положителни резултати.

Триизмерната инспекция позволява на производителите да сравняват данните от текущото производство с обучени модели на продуктите с по-голяма точност.

Този етап също подчертава нарастващата роля на индустриалния компютърен хардуер. Много производители, които внедряват платформи за инспекция с ИИ, вече разчитат на високопроизводителни индустриални компютърни системи, способни да обработват големи масиви от данни за изображения в реално време.

Решенията при инспекцията все още зависят от инженерни правила

Едно от най-важните погрешни схващания за системите за визуална инспекция с ИИ е, че изкуственият интелект самостоятелно решава какво е качеството на продукта. В действителност опитните инженери продължават да определят критериите за приемане.

Системата с ИИ измерва характеристики като размери, равномерност на цвета, подравняване или еднородност на повърхността. След това производителят определя допустимите диапазони на отклонение за производството.

ИИ измерва продукта — инженерите определят стандартите

Полезен пример, обсъден по време на интервюто, беше инспекцията на корн дог. Системата оценява измерими характеристики, включително общата дължина, равномерността на покритието и подравняването на клечката.

Ако размерите на продукта излязат извън установените допустими отклонения или ако неравностите по повърхността понижат оценката за качество под приемливите прагове, продуктът се отхвърля автоматично.

Това разграничение е важно, защото ИИ е отличен в откриването на закономерности и ускоряването на процесите на обучение, но оперативните стандарти за качество все още изискват човешки инженерен надзор.

Съвременните платформи за инспекция преобразуват визуалните характеристики в измерими производствени данни за автоматизирана оценка „приет/отхвърлен“.

Този хибриден подход отразява по-широка тенденция в индустриалната автоматизация. ИИ все повече подпомага оперативните решения, но детерминистичното управление и допустимите отклонения в процесите продължават да се определят от инженерните изисквания и производствените стандарти.

Производствената аналитика често носи най-голяма дългосрочна стойност

Самата инспекция решава само част от проблема. По-голямата възможност идва от анализа на тенденциите в резултатите от инспекциите във времето.

Системите за машинно зрение непрекъснато генерират оперативни данни, които могат да разкрият скрити производствени проблеми, преди те да се превърнат в мащабни сривове в качеството. Увеличаването на дефектите, свързани с промяна на цвета, може да показва нестабилна температура във фурната. Повтарящите се проблеми с подравняването могат да разкрият износване на конвейера или проблеми с механичната синхронизация.

Когато тези тенденции се наблюдават в продължение на седмици или месеци, производителите получават видимост върху нестабилността на процесите, която традиционните системи за инспекция често пропускат.

Дългосрочната производствена аналитика може да разкрие скрита нестабилност на процесите и да подобри постоянството на производството между смените.

Този подход, ориентиран към данните, все повече се преплита с по-широките инициативи за дигитализация на фабриките. Производствените обекти, които интегрират инспекция с ИИ с индустриална мрежова инфраструктура, могат да разпределят производствената информация между множество линии, заводи и корпоративни системи в реално време.

Бъдещето на системите за машинно зрение ще зависи от оперативната прозрачност

Индустриалният сектор излиза от етапа, в който самият ИИ привличаше внимание. Производителите вече очакват измерими оперативни подобрения, по-малко фалшиви отхвърляния, по-лесно обучение и приложими производствени анализи.

Тази промяна принуждава доставчиците на системи за машинно зрение да доказват практическата си инженерна стойност, вместо да разчитат на терминологията около ИИ като маркетингов инструмент.

Най-успешни вероятно ще бъдат системите, които комбинират детерминистична логика за инспекция с подпомагани от ИИ измервания и аналитика. С други думи, ИИ работи най-добре, когато подобрява инженерната видимост, вместо да се опитва да замени инженерната експертиза.

От моя гледна точка това е най-здравословната посока за внедряването на индустриален ИИ. Системите за машинно зрение стават значително по-ценни, когато производителите разбират точно къде ИИ допринася за процеса и къде традиционната логика за управление все още има най-голямо значение.

Автор: Marcus Ellington | Анализатор на индустриалните технологии
Marcus Ellington има над 14 години опит в отразяването на системи за индустриално машинно зрение, софтуер за автоматизация и инфраструктура за интелигентно производство. Опитът му включва проекти за интеграция на фабрики с участието на платформи на Rockwell Automation, Siemens, Beckhoff Automation и Emerson в секторите на преработката на храни, опаковането и преработващата промишленост.