App gjenkjenner komponenter
Det tyske Fraunhofer-instituttet har utviklet en app som ved hjelp av kunstig intelligens kan gjenkjenne individuelle industrikomponenter – uten strekkode.
Denne artikkelen er 2 år eller eldre
Bedrifter produserer i økende grad varer på forskjellige lokasjoner og jobber med flere leverandører. Det er ingen garanti for at alle komponentene de mottar er merket med strekkoder eller typeplater, noe som betyr at objekter ofte må kategoriseres i mottaksområdet.
Da må ansatte manuelt søke i kataloger etter lignende deler for entydig å identifisere dem for videre logistikkbehandling - en møysommelig og tidkrevende oppgave.
Automatisert, digitalisert gjenkjennelse vil være nyttig for å fremskynde prosessen. Forskere ved Fraunhofer IPK i Berlin jobber nå med denne oppgaven - anvendelse av maskinlæringsmetoder. De bruker det som kalles konvolusjonelle nevrale nettverk (CNN) for å gjenkjenne produserte komponenter, for eksempel skruer, klemmer, dyser, rør, tuber og kabler, samt mikrokontrollere og annen elektronikk.
Forskerne utviklet et deteksjonssystem kal Logic.Cube for å gjenkjenne ulike deler.
En bildebehandlingsalgoritme måler objektenes høyde, bredde og lengde for å beregne hvilken størrelsesboks eller hylleplass som er nødvendig. Samtidig lagres det resulterende bildesettet i en database, sammen med materialnummeret. Disse bildedataene brukes til å trene AI-algoritmen slik at den kan gjenkjenne en lang rekke forskjellige komponenter.
Siden ikke alle selskaper vil vurdere å kjøpe Logic.Cube, har Fraunhofer IPK-forskerne portert deteksjonssystemets funksjonalitet til en nettleserbasert, operativsystemuavhengig app som fungerer på smarttelefoner, nettbrett, bærbare datamaskiner og stasjonære datamaskiner. For å gjøre dette, måtte de utvide treningsdatasettet til å inkludere smarttelefondata og omskolere algoritmen.
– Vi testet algoritmene med hundre komponenter som hadde blitt fotografert i en lang rekke scener, med 50 bilder tatt av hver del. I løpet av sekunder viser appen brukeren fem eller færre potensielle treff, uavhengig av belysning, bakgrunn og natur. Anerkjennelsen er så robust at den kan erstatte manuelle søk, uttaler Jan Lehr, en av forskerne i teamet. – Dette kan spare utrolig mye tid, mener han.
Appen kan også brukes for inspeksjon av overflater, heter det.
Mer informasjon og video her (ekstern lenke).
