マシンビジョンにおける AI の機会を特定するにはどうすればよいでしょうか?
人工知能 (AI) は、データの力を活用し、より賢明な意思決定を行うために業界で導入されています。
この記事では、マシン ビジョン アプリケーションにおける AI の機会を特定する方法について説明します。
人工知能システムのビジネス要件
期待の管理
AI アプローチには特定の使用例があります。結局のところ、それは普遍的な解決策ではなく、すべての問題を解決することはできません。一部のアプリケーションは従来のコンピューター ビジョンに適しており、一部のアプリケーションには両方が必要な場合もあり、また一部のアプリケーションには人工知能のみが必要な場合もあります。 AI システムは、コストと必要な事前リソースの両方の点で高価です。オープンソース ツールは開発にかなりの時間がかかり、外部ツールは高価であることがよくあります。さらに、システムで適切なパフォーマンスを達成するには、GPU が必要になることがよくあります。多くのメーカーは GPU または同等の処理能力を備えていないことがよくあります。したがって、ビジネス ニーズの高い AI にどのアプリケーションが適しているかを判断することが重要です。
ビジュアル システム設定の重要性
AI を始める前に、ビジュアル システム設定の基礎をしっかりと固めておくことをお勧めします。ただし、AI は従来のシステムよりも悪い条件に対処できることが多いため、これはそれほど重要ではありません。ここでは、適切な照明、カメラの解像度、焦点距離など、通常のマシン ビジョン システムのルールがすべて適用されます。これらの要素のいずれかが適切でない場合は、AI をさらに掘り下げる前に、戻ってそれらに対処する価値があります。最良の結果を得るために、堅牢なビジョン システムのセットアップを確保します。
参照人間のパフォーマンス
AI システムは、人間のパフォーマンスが優れている場合に最も成功します。システムがセットアップされると、オペレーターは画像を目で簡単に識別/分類し、AI に適しているかどうかを判断できます。ただし、人間のパフォーマンスが不十分な場合、AI モデルのパフォーマンスが低下する可能性があります。 AI モデルが達成できる基準点として人間のパフォーマンスを使用すると、オペレーターが 70% の確率でしか画像を正しく識別できない場合、AI がそれより優れたパフォーマンスを発揮する可能性は低くなります。したがって、人間のパフォーマンスがアプリケーションにとって十分でない場合は、まずそのパフォーマンスの問題に対処し、許容可能なレベルまで改善する必要があります。オペレーターが期待されるパフォーマンスを達成したら、AI の導入を検討できます。
時間とリソース
画像の収集とモデルのトレーニングには多大な労力が必要です。多くのメーカーは欠陥レベルが非常に低いため、高品質の画像を収集することが最も難しい部分になります。データがないと、欠陥部品のモデルをトレーニングすることが困難になる可能性があります。トレーニング ツールは、トレーニングに必要なサンプルが少ない事前トレーニング済みモデルを提供するのに役立ちます。トレーニングは、モデルを実行するための理想的なパラメーターを見つけるための複数のステップにわたる反復的なプロセスです。モデルの最適化には多くの場合、時間と実験が必要です。さらに、新しいデータがフィールドに表示された場合は、モデルを再度トレーニングしてデプロイする必要があります。
人工知能の応用例:
マシンビジョンにおける人工知能の応用例の 1 つは最終アセンブリ検査であり、もう 1 つはプリント基板または PCB の検出です。 。
❶ 最終組立検査:
バックグラウンド
部品/製品またはコンポーネントの最終検査は通常、オペレーターによって実行されます。または従来のマシン ビジョン システム、またはその両方。ここでは、製品例として Teledyne カメラを取り上げます。最終検査では、曲がったピン、表面の傷、コネクタの適切な配置、ステッカーの位置合わせ、テキストの適切な印刷、機構間の距離などがチェックされます。基本的に、ビルド プロセス中に発生する例外はすべて検出する必要があります。しかし、すぐに検索する必要がある基準のリストは非常に長くなります。従来のルールベースのシステムは、あらゆる特殊なケースに対処するのに苦労しており、新しいオペレーターのトレーニングは困難です。
なぜ AI なのか?
「パス」とは何かを決定するにはルールが多すぎることがよくあります。このため、従来のマシン ビジョン システムが良好なパフォーマンスを達成することが困難になります。あるいは、多くの企業にとって手作業による検査は時間がかかり、新人オペレーターにとっては曖昧な判断が難しいということもあります。従来のルールベースのシステムでは十分なパフォーマンスが得られないことが多く、メーカーはオペレーターの判断に頼っています。照明条件が異なるだけでなく、欠陥の位置、形状、質感も大きく異なる場合があります。多くの場合、必要なのは単純な「良い/悪い」という定性的な出力だけです。ただし、必要に応じて、これを従来のルールベースのアルゴリズムと組み合わせることもできます。 #########利点######
AI を使用すると、セットアップがはるかに簡単になります。モデルをトレーニングするために大量の画像を収集した後、システムを実行するには、通常、特に AI ツールを使用する場合、ルールベースのシステムよりもはるかに少ない開発作業が必要です。適切なシステム (通常は GPU を使用) を使用すると、チェックはミリ秒単位ではるかに高速になります。適切なデータが提供されれば、AI システムは人間よりも信頼性の高いパフォーマンスを発揮するはずであり、検査手順を標準化する良い方法となります。通常、アルゴリズムは複数のオペレーターから提供されたデータに基づいてトレーニングされるため、人的エラーが軽減されます。これにより、1 人のオペレーターによって生じる可能性のある人間の偏見や疲労を軽減できます。この例では、AI はメーカーが初期不良を減らし、検査の品質とスループットを向上させるのに役立ちます。
❷ PCB 検査:
背景
PCB メーカーは、回路基板に欠陥がないか検査する必要があります。はんだ付け不良、ショート等の異常が考えられます。通常はAOI(自動光学検査)装置が使用されます。ただし、欠陥は非常に多様であるため、すべてのエッジケースに対処することは困難です。また、ルールベースのシステムのパフォーマンスは十分に正確ではないため、メーカーはオペレーターに手動検査を依頼することになりますが、これには時間と費用がかかります。
なぜ AI なのか?
従来の AOI システムでは欠陥を特定するのは困難です。オーバーシュートまたはパフォーマンスが低下し、欠陥のある PCB が合格するか、正常な PCB が不合格になります。他の状況と同様に、「良いボード」を決定するにはルールが多すぎます。用途に応じて、ここで AI を使用して、短絡、断線、部品の欠陥、溶接欠陥など、サイズや形状が大きく異なる欠陥を分類できます。
メリット
人工知能を利用することで、製造業者は検査の精度と品質を向上させることができます。これは、検査に合格する欠陥のある PCB の数を減らすのに役立ちます。また、オペレーターが完了するまでに時間がかかるタスクを自動化することで、手作業による検査にかかる時間と人件費を節約し、スループットを向上させます。
以上がマシンビジョンにおける AI の機会を特定するにはどうすればよいでしょうか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック











UvicornはどのようにしてHTTPリクエストを継続的に聞きますか? Uvicornは、ASGIに基づく軽量のWebサーバーです。そのコア機能の1つは、HTTPリクエストを聞いて続行することです...

Pythonでは、文字列を介してオブジェクトを動的に作成し、そのメソッドを呼び出す方法は?これは一般的なプログラミング要件です。特に構成または実行する必要がある場合は...

GoまたはRustを使用してPythonスクリプトを呼び出して、真の並列実行を実現する方法は?最近、私はPythonを使用しています...

ChatGpt時代のテクニカルQ&Aコミュニティ:SegmentFaultの対応戦略StackOverFlow ...

Pythonマルチプロセスパイプエラー「パイプは閉じています」? PythonのMultiprocessing Moduleでパイプメソッドを使用して、親子プロセス通信を使用する場合、遭遇する可能性があります...

リクエストライブラリを使用してWebページのデータをクロールするときに遭遇する問題とソリューション。リクエストライブラリを使用してWebページデータを取得すると、時々遭遇します...

この記事では、Debian SystemsのZookeeperパフォーマンスを最適化する方法について説明します。ハードウェア、オペレーティングシステム、Zookeeperの構成、監視に関するアドバイスを提供します。 1.システムレベルでのストレージメディアのアップグレードの最適化:従来の機械的ハードドライブをSSDソリッドステートドライブに置き換えると、I/Oパフォーマンスが大幅に向上し、アクセス待ち時間が減少します。スワップパーティションの無効化:カーネルパラメーターを調整し、スワップパーティションへの依存を減らし、頻繁なメモリとディスクスワップに起因するパフォーマンスの損失を回避します。ファイル記述子の上限を改善する:Zookeeperの処理効率に影響を与えるリソース制限を回避するために、システムによって同時に許可されるファイル記述子の数を増やします。 2. Zookeeper構成最適化Zoo.CFGファイルの構成

Debianシステム上のOracleデータベースのセキュリティを強化するには、開始するには多くの側面が必要です。次の手順は、セキュアな構成のフレームワークを提供します。1。Oracleデータベースのインストールと初期構成システムの準備:Debianシステムが最新バージョンに更新され、ネットワーク構成が正しく、必要なすべてのソフトウェアパッケージがインストールされていることを確認します。インストールのために公式文書または信頼できるサードパーティのリソースを参照することをお勧めします。ユーザーとグループ:専用のOracleユーザーグループ(OINSTALL、DBA、BackUpDBAなど)を作成し、適切なアクセス許可を設定します。 2。セキュリティ制限リソース制限の設定:edit /etc/security/limits.d/30-oracle.conf
