آیا علاقهمند هستید تا با ده نمونه از کاربردهای بینایی ماشین در تولید آشنا شوید؟
این پرسش فوقالعادهای است که ما در اینجا به آن پاسخ خواهیم داد.
خلاقیت در صنعت نرمافزاری تنها راهی برای درآمدزایی نیست. بلکه موجب آسایش زندگی مردم نیز میشود.
فهرست محتوا
کاربردهای زیادی برای یادگیری ماشین موجود است. این کاربردها شامل پردازش فرآیند رسانههای اجتماعی تا رهگیری مشتریان بر اساس آخرین خریدشان است. ما قصد داریم تا ۱۰ مثال از بینایی ماشین در تولید را مورد بررسی قرار دهیم که شامل موارد زیر خواهد بود:
مشاغل مرتبط با قطعات فیزیکی برای تولید محصولات و یا خدماترسانی نیاز به نگهداری دستگاهها و تجهیزات دارند. در بدترین شرایط حتی ماشینها ممکن است متوقف شوند.
نگهداری قابل پیشبینی عبارت است از: فرآیند استفاده از یادگیری ماشین و تجهیزات اینترنت اشیا (IoT) بهمنظور مانیتور دادهها در ماشینها و قطعات. این فرآیند اغلب با استفاده از سنسورها برای جمعآوری دادههای هدف و تشخیص سیگنالها یا انجام عملیات صحیح، پیش از وقوع حادثه صورت میپذیرد.
کافی است مدنظر داشته باشید که تنها یک دقیقه توقف (downtime) در کارخانه خودروسازی میتواند موجب ضرر ۲۰.۰۰۰ دلاری در خط تولید وسیله نقلیه با سود بالا شود. (برای شرکتهای ایرانی این مبلغ بالاتر هست. چون تقریباً کل مبلغ ماشین (بهجز وزن ماشین) برای سازنده سود هست). در اینجا است که بینایی ماشین میتواند صنایع را کمک کند تا همیشه سرپا باشند. برای مثال شرکت FANUC برنامهای به نام ZDT (Zero Down Time) توسعه داده است. این برنامه تصاویری از دوربینهای متصل شده به روباتها فراهم میکنند. تصاویر به همراه دادههای دیگر به فضای ابری برای پردازش و تشخیص مشکلات بالقوه، قبل از وقوع آنها میپردازد.
در طی ۱۸ ماه عملکرد این سامانه، راهکار ارائهشده برای ۷۰۰۰ روبات در ۳۸ کارخانه خودروسازی اجرا شد. این راهکار سبب پیشگیری ۷۲ خطا در قطعات و تجهیزات گردید.
برای شرکتهای داروسازی، بحرانی است که قرصها و کپسولها را پیش از قرارگیری در ظرف بشمارند. بهمنظور حل این مشکل شرکتهای زیادی به ارائه راهکار برای خطوط تولید موجود پرداختهاند.
ویژگی کلیدی این راهکارها استفاده از بینایی ماشین برای بررسی قرصهای شکسته و یا ناقص است. به هنگامیکه قرصها در خط تولید در حرکت هستند. از آنها تصویربرداری میشود. تصاویر به رایانه اختصاصی منتقل میگردند و فرآیندهای نرمافزاری پردازش تصویر بر روی آنها صورت میپذیرد. تجزیهوتحلیلهای اضافی بر روی قرصها مانند رنگ صحیح، طول، عرض و … میتواند صورت پذیرد.
سامانه بازرسی بینایی (Vision Inspection System) مبتنی بر رایانه همچنین عملیات شمارش را انجام میدهد و اگر محصولی معیوب محسوب شود؛ نیز به عملیات لاگ برداری میپردازد. در صورت نیاز سیگنالهای موردنظر را به سامانه کنترلی (PLC) ارسال میکند. هنگامیکه ظرف حاوی قرص معیوب به انتهای خط برسد از فرآیند تولید حذف خواهد شد. اینگونه است که مشتری محصول معیوب دریافت نخواهد کرد.
خواندن، شناسه سنجی و پردازش صدها و یا هزاران بارکد در روز فرآیند آسانی نیست. حتی انسانها این کار را بهخوبی نمیتوانند انجام دهند.
برای مثال: موبایلها به بردهای چاپی (PCB) کوچک و کوچکتری نیاز دارند. ازآنجاییکه تولیدکنندگان برای تهیه حجم بیشتری از PCBها برای بازار فناوری تحتفشار هستند. تولیدکنندگان به دنبال فرآیند panelization رفتهاند. تعداد مشخصی از برد مدار چاپی در این فرآیند بر روی پنل بزرگتری از این پنلها چاپشدهاند. هرکدام از مدارها در انتها توسط آزمون نهایی جدا میشوند. راهکار بینایی ماشین بهمنظور بازرسی این بردها ارائهشده است. بدینصورت که سامانه بینایی ماشین، بارکدها که هرکدام دارای شناسه یکتا برای هر مدار است را میخواند.
در قدیم اپراتور با بارکد اسکنر دستی وظیفه انجام این امر را بر عهده داشت. مشخصاً این امر زمانبر بود. همچنین از خطاهای انسانی نیز مصون نبود. تولیدکنندگان PCB، بهوسیله اجرای راهکار مبتنی بر بینایی ماشین میتوانند حرفه خود را نجات دهند.
دستگاههای تولیدی، با کارایی بالا نیاز دارند تا از صحت قطعات و محصولاتی که از فرآیند خود منحرف میشوند؛ اطمینان حاصل کنند. چراکه این امر باکیفیت، امنیت و محصول مرتبط است.
برای مثال یکی از راهکارهای بینایی ماشین اجازه میدهد؛ تا تولیدکنندگان، بطریها را بهصورت ۳۶۰ درجه بازرسی کنند. در این صورت سامانه بینایی ماشین قادر خواهد بود تا از قرارگیری محصول در بستهبندی صحیح اطمینان حاصل کند. همچنین موارد بحرانی دیگر مانند زیر را مورد بررسی قرار دهد:
همه این موارد باعث میشود تا آمار تولید افزایش و بازخوانی محصول کاهش پیدا میکند. نهایتاً مشتری نیز راضی باقی خواهد ماند.
اینکه خط تولید شما بخواهد محصولی تولید کند که قطعات و محصول تولیدی آن بدون عیب باشد؛ قابلفهم است. فناوری بینایی ماشین به کمک صنایع آمده است تا به این امر دست یابند.
سامانههای بازرسی بینایی ماشین میتوانند بهصورت گستردهای مورد استفاده قرار بگیرند. بعضی از این سامانهها با اپراتور و تعدادی از راهکارهای پیچیده مبتنی بر بینایی، بدون اپراتور هستند.
این سامانهها میتوانند برای مثال در صنعت تولید کاغذ، پارچه، ورق فولادی و … مورد استفاده قرار بگیرند. دوربینهای صنعتی در اطراف محصول نصب میشوند و تصویربرداری میکنند. تصاویر به رایانه مخصوص تعبیهشده منتقل میشوند. الگوریتمهای پردازش تصویر از پیش طراحیشده وظیفه تشخیص عیوب را بر عهده خواهد داشت. بدینصورت مختصات دقیق عیب محاسبه میشود و برای انجام کارهای بیشتر (عیب زدایی، حذف محصول و …) به ایستگاه بعد گزارش ارسال میشود.
بینایی ماشین (~پردازش تصویر صنعتی) میتواند نقش عمدهای در بخش مانیتورینگ ایفا کند. گزارشی بیان میکند که سهم بازار بینایی ماشین در سال ۲۰۲۲ میتواند حدود ۱۴.۴۶ میلیارد یورو باشد!
سامانه بازرسی بینایی ماشین سهبعدی در خط تولید میتواند وظایفی را بر عهده بگیرد که اپراتورها برای انجام آن با چالش مواجه خواهند شد. در این مورد سامانه بینایی ماشین، تصاویری با رزولوشن بالا تهیه میکند تا قادر باشد مدل سهبعدی دقیقی از اجزا و پینهای ارتباطی ارائه کند.
هنگامیکه قطعات در دستگاه تولید عبور میکنند. سامانه بینایی ماشین، اسکنهای زیادی توسط دوربینهای قرارگرفته در زوایای مختلف برای شکل دادن مدل سهبعدی انجام میدهند. نتیجه یکی شدن این تصاویر، تشخیص پینهای ارتباطی معیوب خواهد بود که میتواند در ایستگاههای بعدی موجب توقف خط تولید شود.
بازرسی سهبعدی بینایی دارای کاربردهای بسیاری است. اما یکی از کاربردهای رایج این فناوری برای خطوط تولید خودرو است.
کاربردهای بینایی ماشین تنها به خطوط تولید در دستگاههای تولید محدود نمیشوند. برای مثال، شرکت کوماتسو (کارخانه پیشرو در زمینه تجهیزات معدن و ساختوساز انگلستان) بهتازگی برنامههایی برای مشارکت با NVIDIA جهت یکپارچهسازی با مجموعه “cloud to edge” انویدیا را دارد. هدف اصلی نیز بهبود خدمات مدیریتی سایت، امنیت و بهرهوری است.
شرکا، پلتفرم هوش مصنوعی (AI) جتسون انویدیا را در دستگاهها گاهی برای انجام عملیات دریل، معدنکاوی و خاکبرداری استفاده میکنند. ترکیب دوربینهای صنعتی بلادرنگ (RealTime) با تجزیهوتحلیل فیلم، به تجهیزات اجازه میدهد تا با کارایی عالی و امنیت بهبودیافته کار کنند.
ایده، همچنین استفاده از یادگیری عمیق بر مبنای هوش مصنوعی را بهمنظور رهگیری افراد و پیشبینی حرکات تجهیزات برای جلوگیری از عملهای خطرناک پشتیبانی میکند. در این حالت امنیت نیز بهبود مییابد.
با دهها هزار مصدومی که هر ساله در ایالاتمتحده بهواسطه ماشینها و دستگاههای مرتبط با ساختوساز صدمه میبینند؛ راهکارهایی نظیر این توسط شرکتها مورد استقبال قرار میگیرد.
شرکتهای داروسازی طبیعتاً تحت سختترین قوانین و مقررات برای رهگیری محصولاتشان از خط تولید تا مریض نهایی هستند.
بهمنظور دستیابی به چنین خواستهای میتوان جعبهها را نهتنها با اطلاعاتی نظیر شماره سریال، تاریخ انقضا، تاریخ تولید مجهز کرد. بلکه با شناسه یکتا جهانی شناختهشده بهعنوان GTIN (Global Trade Item Number)، محصولات را بهصورت جهانی رهگیری نمود.
سامانههای تولید میتوانند این شناسهها را بهصورت خودکار از طریق پایگاه داده اصلی ایجاد کنند. شناسهها بعداً اصولاً توسط جت پرینتها بر روی جعبهها حک میشوند. گام بعدی در فرآیند تولید که باید انجام شود. عبارت است از اینکه آیا اطلاعات بهصورت صحیح بر روی محصول حکشده است.
اما این کار چگونه انجام میشود؟
حتماً حدس زدهاید. بینایی ماشین!
گروه بارمان ویژن توانایی این را دارد که راهکارهای نظیر این مورد را به کار بگیرد. بدین شکل ما قادر خواهیم بود با دوربینهای صنعتی که قادر به خواندن داده از لیبلها هستند. نوشتههای چاپشده را بخوانیم.
زمانی که نوشته چاپشده خوانده شد. سامانه میتواند اطلاعات را با پایگاه داده اصلی مقایسه کند و دادههای چاپشده بر روی لیبل را صحه سنجی کند. اگر کدهای چاپشده بر روی محصول ناخوانا بود یا کدهای موجود با پایگاه داده تطابق نداشت. محصول میتواند از چرخه تولید حذف گردد.
تشخیص متن (Optical character recognition) اتفاق جدیدی نیست. تشخیص متن از سالهای دور در جهان محاسبات، حاضر بوده است. و این به معنای آن است که ماشین میتواند دستنوشتهها را از یادداشتها، نامهها و … تشخیص دهد و استخراج کند.
آیا شده است در یک کنفرانس باشید و تصاویری از اسلایدهای ارائهشده بگیرید؟ و یا آیا تابهحال شده است که مراحل تولید را بر روی وایت برد کشیده باشید؟
مایکروسافت فناوری Cognitive Services خود را تحت Computer Vision API منتشر کرده است. بدینوسیله شما میتوانید تصویر را به سامانه ارائه دهید و API، وجود متن قابلخواندن و تبدیل آن به کاراکتر را بر عهده بگیرد!
فناوری OCR در صنعت نیز در حال اجرا است و همچنین این فناوری پایهایترین دانش برای اعمال جریمههای رانندگی توسط دوربینها است!
الگوریتمهای یادگیری ماشین میتوانند آموزش داده شوند تا با کمترین تعداد تصویر، نتیجهای خیرهکننده به ما ارائه دهند.
فناوری دارای کاربردهای بسیاری در صنعت است. اما بهطور برجسته و البته غیر محدود شامل موارد زیر خواهد بود:
مسئله تنها حل چالشهای تولید نیست. استارتآپها همچنین از قدرت فناوری هوش مصنوعی برای تخریب صنعت تولید آگاه هستند. استارتآپها با این پیشینه ذهنی دنبال آن هستند که کارگران جایگزین شده با این فناوری را دوباره آموزش دهند. بینایی ماشین در تولید به شما کمک میکند که کیفیت و کمیت تولید خود را بهبود بخشید.
ما در این مطلب به ۱۰ مثال کاربردی از بینایی ماشین در تولید پرداختیم. ما همهچیز از پارچه تا داروسازی و همینطور اینکه چگونه هوش مصنوعی و یادگیری عمیق در حال تحت تأثیر قرار دادن فضای مرتبط با تشخیص تصویر است را پوشش دادیم. امیدواریم که با خواندن این مطلب آگاهی برای اجرای بینایی ماشین در حوزههای مختلف صنعت پیداکرده باشید.
آیا شما از بینایی ماشین در کسبوکار خود استفاده میکنید؟ آیا بینایی ماشین جز برنامههای آینده شماست؟ اگر تمایل داشتید گروه بارمان ویژن آمادگی دارد تا مشاورههای لازم در این حوزه را خدمت شما ارائه دهد. با ما در ارتباط باشید.
اگر مایل هستید درباره کاربردهای بینایی ماشین در تولید بر اساس الگوریتم بیشتر بخوانید: مقاله هفت کاربرد معمول بینایی ماشین در تولید را از دست ندهید.