Преимущества машинного зрения с искусственным интеллектом

В производственных условиях всегда ставились задачи по обеспечению безопасности рабочего персонала, повышению производительности труда и улучшению качества контроля. Сегодня на смену многим неэффективным и трудоемким технологиям, которые использовались для решения этих задач раньше, приходят технологии машинного зрения с ИИ, позволяющие повысить надежность, безопасность и производительность. При развертывании смарт-камер с ИИ можно существенно увеличить производительность за счет добавления функционала со стороны самих камер.

Машинное зрение с ИИ

В 2020 году доля рынка, занимаемая технологиями машинного зрения с ИИ в производственном секторе, составила $4,1 млрд. По прогнозу и согласно результатам анализа «Интернета вещей» к 2025 году она должна вырасти до $15,2 млрд. Такие совокупные темпы годового роста (СТГР) в размере 30% сопоставимы с 6,5% традиционных технологий машинного зрения. Высокие показатели СТГР объясняются тем, что следующее поколение технологий машинного зрения с искусственным интеллектом на платформе edge в реальном времени не ограничивается приложениями по управлению контролем качества.

Главным приоритетом в производственной и промышленной среде становится безопасность персонала, и смарт-камеры с ИИ осуществляют текущий контроль и управление для решения этих задач. Важным фактором является обеспечение безопасности персонала, подрядчиков и операторов сторонних организаций, которые работают в потенциально опасной среде, где используется опасное механическое оборудование или материалы. По результатам детектирования поведения и положения тела (ПОЗА) формируется информация, которая указывает на то, находится ли оператор машины в опасности согласно требованиям стандартных методик ведения работ (СМР) или работает ли оператор с максимальной производительностью и эффективностью. Автоматизированные средства оптического контроля (АОК) также способствуют увеличению скорости и повышению точности контроля качества.

ИИ для безопасности персонала

Несчастные случаи в промышленной среде с летальным исходом по-прежнему представляют проблему. При оценке безопасности персонала также необходимо уделять внимание несчастным случаям на производстве без летального исхода. Дополнительно к эмоциональной травме часто принимается во внимание и финансовая составляющая.

В промышленной среде и на производственных участках традиционно используется система безопасности, реализуемая при непосредственном контроле со стороны руководителя и с помощью световых завес. Однако контролирующий человек не может находиться одновременно везде и в любое время, а световые завесы имеют определенные ограничения.

Геозонирование

На современных «умных» заводах персонал, работающий с опасным оборудованием, таким как роботизированная рука, часто оказывается в зоне повышенного риска. Защитные световые завесы предупреждают персонал об опасности, создавая зондирующий экран, который преграждает проход к машине в точках доступа и по периметру. Однако такие завесы занимают слишком много пространства, их трудно развернуть, и они лишены гибкости. В некоторых случаях дополнительной проблемой световых завес становится ограниченность времени отклика.

В традиционных решениях машинного зрения используются IP-камеры и ИИ-модули, которые отличаются гибкостью и быстротой развертывания на месте, но к их недостаткам можно причислить существенную задержку по времени и, следовательно, непригодность в случае, если требуется немедленная реакция.

Проблема задержки решается много­функциональной смарт-камерой с ИИ. Она захватывает изображения и выполняет все операции под управлением ИИ еще до передачи результатов и команд на соответствующее оборудование, например на роботизированную руку (рис. 1). Световые завесы захватывают площадь пола; они не обладают гибкостью и с трудом развертываются, а также имеют ограничения по чувствительности. Универсальные смарт-камеры с искусственным интеллектом, например камеры Adlink Neon серии 2000, имеют меньшую задержку по времени, захватывают изображения и выполняют все операции под управлением искусственного интеллекта до передачи результатов и команд на соответствующее оборудование, например на роботизированную руку. Это позволяет свести к минимуму задержки по времени, сократить пространство и полосу пропускания, причем такие камеры легко разворачиваются и обслуживаются.

Рис. 1. Использование световых завес и смарт-камер с ИИ.
Изображения предоставлены компанией Adlink

Технология ИИ в устройствах с машинным зрением предлагает дополнительные преимущества, внося свой вклад в безопасность персонала на случай попадания в опасную зону, предупреждая работника и регистрируя информацию для последующего анализа при повторном обучении. Любая информация о неблагоприятных событиях может быть полезна в будущем. Например, если работник приближается к опасной зоне, роботизированная рука не отключается полностью, а переходит в безопасный режим. Таким образом, улучшается безопасность и повышается производительность на заводе.

«Умная» дозаправка с распознаванием ИИ

Когда автоцистерна с горючим прибывает на завод, она распознается системой машинного зрения с ИИ. Бывают случаи, когда в результате отказа ручного тормоза припаркованная машина может покатиться. Обучение системы машинного зрения с ИИ позволяет обеспечить подачу тревожного сигнала сразу после изменения ситуации с грузовой машиной.

Также должен осуществляться контроль над положением оператора во время дозаправки, поскольку в зонировании существуют разные бреши. Критически важно, чтобы все работники на объекте знали о производственных рисках. Например, по четырем углам грузовика расставляются сигнальные дорожные конусы, а оператор, заправляющий грузовик, надевает средства индивидуальной защиты (рис. 2). «Умные» технологии машинного зрения с ИИ предупреждают оператора об обнаруженных брешах в его безопасности, что позволяет предотвратить несчастные случаи. При этом повышается ответственность — если работник входит в опасную зону без средств индивидуальной защиты, регистрируемые изображения сигнализируют об ошибке и обучают работника, чтобы он не повторил ошибку в будущем.

Рис. 2. ИИ-система защиты с использованием машинного зрения

Использование POSE и обучения для предотвращения несчастных случаев при повторных инцидентах

Критическим показателем производительности на производственной площадке является «время цикла», отражающее количество времени, затрачиваемого персоналом от изготовления до готовности изделия к отгрузке. Благодаря контролю поведения и положения тела работника с использованием смарт-камер с ИИ совершенствуются стандартные методики ведения работ и повышается производительность труда.

Детектирование POSE (picture-oriented software engineering) видеорегистратором в активном режиме играет важную роль в наложении цифрового контента и информации поверх реальной картинки. POSE дает представление о положении тела и описывает движение набором опорных точек на скелете — например, рука, локоть или плечо.

Машинное зрение с ИИ дает операторам и работникам возможность понять, как влияет соответствующее положение тела на производительность труда. Данные POSE информируют оператора о том, как действовать руками и локтями более эргономично и эффективно (рис. 3).

Рис. 3. Детектирование POSE на линии изготовления электронных узлов

Слежение за оператором на рабочем месте также помогает вести учет рабочего времени, затрачиваемого на производственной площадке. Если оператор следует стандартной методике ведения работ, гарантируется качество труда и сбалансированность производственного процесса.

«Умные» средства оптического контроля для проверки контактных линз

Если контроль качества осуществляется вручную, затрачивается слишком много времени, нарушается слаженность и образуются заторы. Традиционные технологии машинного зрения с ИИ могут обнаруживать легко выявляемые дефекты намного быстрее, чем специалисты контроля качества, за счет исключительной точности и эффективности. Однако при возникновении затруднений в обнаружении дефектов, например на контактных линзах, такие системы машинного зрения уже не дотягивают до требуемого уровня точности и последовательности.

Учитывая, что большинство производителей проверяют только отбираемые образцы, это действует во вред контролю качества каждой линзы. Персонал службы технического контроля может проверять максимум 4000 линз в смену, в результате чего происходит торможение производственного процесса из-за заторов. Также невозможно избежать регистрации ложноположительных результатов и недостаточного покрытия изделий.

Поскольку контактные линзы прозрачны, производители столкнулись с проблемой выявления дефектов. Традиционные средства АОК опираются на фиксированные геометрические алгоритмы, но при выявлении дефектов возникает проблема в получении качественных изображений от прозрачных объектов, в результате чего нарушается эффективность обнаружения.

Наиболее важным решением является сбор данных с использованием смарт-камер с ИИ для обучения алгоритмов ИИ и выполнения цикла проверки. «Умная» система с ИИ способна идентифицировать самые распространенные дефекты, включая заусенцы, раковины, неровности на кромках, точки, царапины и прочее (рис. 4), и регистрировать результаты проверки для заказчика.

Рис. 4. Средства АОК с ИИ могут обнаруживать даже микродефекты в прозрачных контактных линзах

В отличие от проверки вручную каждая смарт-камера с ИИ может проверять более 50 линз с точностью 30–95%.

Продление времени безотказной работы и повышение безопасности

Производители, пользующиеся надежными данными от средств машинного зрения с ИИ в реальном времени, могут воспользоваться преимуществом для продления время безотказной работы, сокращения затрат на профилактическое обслуживание, повышения производительности и безопасности персонала и изменения рабочего процесса.

Для повышения эффективности обучения приложениям машинного зрения с ИИ требуются алгоритмы ИИ. Специалисты программного обеспечения, разрабатывающие алгоритмы ИИ, нуждаются в «умной» платформе для интерференции моделей ИИ. Смарт-камеры с программным обеспечением для граничной аналитики зрения (EVA) могут использоваться для устранения проблем, свойственных традиционным системам зрения с ИИ, для повышения совместимости, для ускорения установки и для сведения к минимуму проблем с техническим обслуживанием.

При развертывании системы с ИИ на апробацию концепции специалистам может потребоваться максимум 12 недель. Реализация проекта требует значительных затрат времени для охвата кривой обучения для выбора оптимизированных камер и механизма логического вывода ИИ, для сохранения моделей ИИ и оптимизации потоков видеоданных. Программное обеспечение EVA упрощает эти шаги и сокращает время проверки концепции до двух недель, что становится отличной стартовой позицией для запуска проекта по установке системы зрения с ИИ.