پیشرفت بعدی چشم انداز کامپیوتر

بینایی کامپیوتر می تواند بیشتر از کاهش هزینه ها و بهبود کیفیت انجام دهد. در اینجا آمده است که چگونه نوآوری‌های سخت‌افزار، نرم‌افزار و هوش مصنوعی جان انسان‌ها را نجات می‌دهند و ایمنی را در داخل و خارج از کف کارخانه بهبود می‌بخشند.

• موارد استفاده نوظهور برای بینایی رایانه
• کاهش ضایعات در تولید
• بهبود ایمنی در کف کارخانه
• نظارت بر شبکه برق
• رابطهای مغز و رایانه

اولین موارد استفاده از بینایی کامپیوتر در دهه ۱۹۵۰، متن تایپ شده را در مقابل متن دست نویس تجزیه و تحلیل کرد. برنامه های تجاری اولیه بر روی تصاویر منفرد، از جمله تشخیص نوری کاراکتر، تقسیم بندی تصویر، و تشخیص اشیا تمرکز داشتند. کار پیشگام در زمینه تشخیص چهره در دهه ۱۹۶۰ آغاز شد و شرکت های بزرگ فناوری شروع به راه اندازی کردند. قابلیت های حدود ۲۰۱۰.

اندازه بازار بینایی کامپیوتر در سال ۲۰۲۲ ۱۴ میلیارد دلار برآورد شد. و انتظار می‌رود که از سال ۲۰۲۳ تا ۲۰۳۰ با نرخ رشد ترکیبی سالانه ۱۹.۶ درصد رشد کند. در حالی که پیشرفت‌ها و راه‌اندازی‌های جدید بینایی رایانه‌ای وجود دارد، اندازه بازار آن در مقایسه با سایر فناوری‌های هوش مصنوعی کوچک است. برای مثال، هوش مصنوعی مولد تخمین زده می شود تا سال ۲۰۳۲ به یک بازار ۱.۳ تریلیون دلاری تبدیل شود.

موارد استفاده نوظهور برای بینایی کامپیوتر

امروز به هر کجا که می‌روید، دوربین‌ها احتمالاً شما را اسکن می‌کنند و الگوریتم‌های بینایی رایانه تحلیل‌های بی‌درنگ انجام می‌دهند. موارد استفاده برتر بینایی کامپیوتر شامل اسکن اسناد، نظارت تصویری، تصویربرداری پزشکی و تشخیص جریان ترافیک است. پیشرفت‌ها در بینایی کامپیوتری بی‌درنگ، ماشین‌های خودران پیشرفته را به همراه داشته است یک href=”https://viso.ai/applications/computer-vision-in-retail/” rel=”nofollow”>موارد استفاده خرده‌فروشی مانند فروشگاه‌های بدون صندوق و مدیریت موجودی.

شما احتمالاً این موارد و سایر موارد استفاده مصرف کننده را تجربه کرده اید یا در مورد آنها مطالعه کرده اید، به ویژه رایانه برتر کاربردهای چشم انداز در بازارهای خودرو و مصرف. ممکن است درباره نحوه استفاده از فناوری‌های بینایی رایانه در تولید، ساخت و ساز و سایر مشاغل صنعتی کمتر بدانید.

کسب و کارها در این صنایع معمولاً در سرمایه گذاری در فناوری کند هستند، اما ابتکاراتی مانند Industry 4.0 in manufacturing، ساختار دیجیتال، و کشاورزی هوشمند به رهبران صنعتی کمک می کند تا فرصت های فناوری های نوظهور را بهتر درک کنند.

کاهش ضایعات در تولید

بینایی رایانه ارائه می‌کند یک فرصت قابل توجه در تولید، با رسیدن الگوریتم های بینایی کامپیوتری به دقت ۹۹٪. با توجه به اینکه تنها ۱۰ درصد از شرکت ها از این فناوری استفاده می کنند، این امر به ویژه چشمگیر است. آیا انقلاب دیجیتالی در بخش صنعتی در حال شکل گیری است، یا این کسب و کارها همچنان در پذیرش فناوری های بینایی کامپیوتری عقب خواهند ماند؟

آرجون چاندار، مدیر عامل شرکت IndustrialML، می‌گوید شناسایی کیفیت محصول بر روی مواد در حال حرکت یک مورد استفاده اولیه در تولید است. “با کمک دوربینی با نرخ فریم بالا و استفاده از مدل یادگیری ماشینی فریم به فریم، می توان عیوب خطوط تولید را با سرعت بالا شناسایی کرد.”

تولیدکنندگان جهانی به اندازه ۸ تریلیون دلار در سال، و بینایی کامپیوتر می تواند به نظارت بر تجهیزات، قطعات ساخته شده و عوامل محیطی کمک کند تا به تولیدکنندگان کمک کند تا این تلفات را کاهش دهند.

چاندار می‌گوید: فناوری‌های اساسی برای بسیاری از موارد استفاده در تولید، جریان اصلی هستند. “اینها بیشتر از دوربین های دو بعدی، البته با وضوح بالا و نرخ فریم ۲۰ فریم در ثانیه یا بالاتر، و یک شبکه عصبی کانولوشن (CNN) استفاده می کنند.”

برای افزایش دقت، تولیدکنندگان به یک استراتژی برای تقویت آن داده نیاز دارند. چاندار می‌افزاید: «برای افزودن ظرفیت آموزشی مانند محیط‌های تولیدی معمولی، تعداد تصاویر با کیفیت محصول خوب بسیار بیشتر از نقص‌هاست.

یکی از راه‌های رفع شکاف استفاده از داده‌های مصنوعی است، رویکردی که تیم‌ها برای افزایش تنوع داده‌های آزمایشی خود از توسعه استفاده می‌کنند.

جنس بک، شریک مدیریت داده و نوآوری در Syntax، می‌گوید تولیدکنندگان می‌توانند با مراحل اولیه بازرسی بصری شروع کنند. و سپس منجر به فرصت های اتوماسیون بیشتر شود. او می‌گوید: «ما دید رایانه و هوش مصنوعی را برای بازرسی بصری می‌بینیم، مثلاً در خودرو برای بررسی ردهای چسب. “ارزش تجاری برای مشتری نه تنها گزینه افزایش اثربخشی کلی تجهیزات (OEE) با خودکارسازی مراحل دستی، بلکه مستندسازی چک و سپس ادغام بینایی کامپیوتر در سیستم اجرای تولید (MES) و سپس در نهایت، منابع سازمانی است. برنامه ریزی (ERP).»

بهبود ایمنی در کف کارخانه

به‌جز کیفیت و کارایی، بینایی رایانه می‌تواند به بهبود ایمنی کارگران و کاهش تصادفات در کف کارخانه و سایر مکان‌های شغلی کمک کند. بر اساس اداره آمار کار ایالات متحده، نزدیک به ۴۰۰۰۰۰ مجروح و بیماری در بخش تولید در سال ۲۰۲۱.

یاشار بهزادی، مدیر عامل و موسس Synthesis AI. “برای دستیابی به این هدف بینایی کامپیوتری به طور دقیق و قابل اطمینان، مدل های یادگیری ماشین بر روی مقادیر انبوهی از داده ها آموزش می بینند، و در این موارد استفاده خاص، داده های ساختار نیافته اغلب به صورت خام و بدون برچسب به مهندس ML می رسد.”

استفاده از داده‌های مصنوعی برای موارد استفاده مرتبط با ایمنی نیز مهم است، زیرا تولیدکنندگان احتمال کمتری دارند که تصاویری داشته باشند که فاکتورهای ایمنی اساسی را برجسته کنند. بهزادی می‌افزاید: «فناوری‌هایی مانند داده‌های مصنوعی با ارائه داده‌های با برچسب دقیق و باکیفیت که می‌تواند باعث صرفه‌جویی در زمان، هزینه و سردرد ناشی از داده‌های نادرست شود، فشار را بر مهندسین ML کاهش می‌دهد.

سونیل کاردام، رئیس SBU تدارکات و زنجیره تامین در Gramener، می‌گوید: «مزایای بینایی رایانه شامل بلادرنگ است. تجزیه و تحلیل، بهبود کارایی و افزایش تصمیم گیری. کاردام چندین مثال دیگر را به اشتراک می گذارد:

• ردیابی حرکت مواد، شناسایی عیوب در محصولات و بسته بندی و کاهش ضایعات
• پروتکل‌ها را با نظارت بر رفتارهای غیرمجاز پرسنل اجرا کنید
• ساده سازی پردازش اسناد، بهینه سازی موجودی، کمک به ادعاهای بیمه و فعال کردن مدیریت لجستیک کارآمد

کاردام به اشتراک می‌گذارد که بینایی رایانه به دوربین‌ها و الگوریتم‌های پیشرفته‌ای مانند YOLO، R-CNN سریعتر و OpenCV. او می‌گوید که مدل‌های یادگیری ماشین برای بینایی رایانه «با دوربین‌های هوشمند و API‌های مبتنی بر ابر که قابلیت‌های قدرتمندی را ارائه می‌دهند، می‌توانند بر روی دستگاه‌های لبه یا در فضای ابری پردازش شوند.»

نظارت بر شبکه برق

بیشتر تولید در داخل خانه است، جایی که مهندسان کنترلی بر محیط دارند، از جمله محل قرار دادن دوربین ها و زمان اضافه کردن نور. موارد استفاده از بینایی رایانه زمانی که شامل تجزیه و تحلیل مناطق و مناظر بیرونی با استفاده از دوربین‌های نصب‌شده، هواپیماهای بدون سرنشین، هواپیماها و ماهواره‌ها می‌شود، پیچیده‌تر است.

Vikhyat Chaudhry، CTO، COO، و یکی از بنیانگذاران Buzz Solutions، نمونه ای از استفاده از هواپیماهای بدون سرنشین را به اشتراک می گذارد. . او می‌گوید: «بینایی رایانه‌ای برای نظارت و شناسایی خطاها در شبکه برق و تاسیسات برق و همچنین ایستگاه‌های فرعی برای اطمینان از یک شبکه قابل اعتماد و متصل در سراسر ایالات متحده استفاده می‌شود.» “با تکیه بر هزاران تصویر جمع آوری شده از ابزارهای مختلف در سراسر ایالات متحده، بینایی کامپیوتر می تواند تهدیدها، ایرادات و ناهنجاری ها را به دقت شناسایی کند.”

آتش سوزی در خطوط برق یک منطقه قابل توجه نگرانی است. از سال ۱۹۹۲ تا ۲۰۲۰، وجود داشت. بر اساس گزارش مرکز ملی آتش نشانی بین سازمانی، و دومین آتش سوزی بزرگ کالیفرنیا توسط یک خط برق خیلی نزدیک به درخت ایجاد شد. شرکت های خدماتی اکنون در حال ارزیابی هوش مصنوعی هستند فرصت برای بهینه سازی تعمیرات و به حداقل رساندن خطرات.

چودری می‌گوید: «از آنجایی که این نرم‌افزار از داده‌ها و تصاویر واقعی از ابزارهای موجود استفاده می‌کند، بسیار دقیق است و می‌تواند طیفی از تهدیدات ناشی از آب‌وهوا، زیرساخت‌های ضعیف و افزایش دما را شناسایی کند. “این فناوری امکان تعمیر و نگهداری سریع و کارآمد را فراهم می کند و در عین حال از قطعی های گسترده و بلایای برقی ناشی از شبکه جلوگیری می کند.”

رابط های مغز و کامپیوتر

با نگاهی به آینده، نعیم کمیلی پور، مدیر ارشد فناوری AAVAA، مرز جدیدی را برای بینایی کامپیوتر و دستگاه های فناوری نوظهور به اشتراک می گذارد. . او می‌گوید: «فناوری رابط مغز و رایانه (BCI) که در یک محیط صنعتی استفاده می‌شود، می‌تواند رویکردی مکمل برای برخی موارد استفاده از بینایی کامپیوتر صنعتی باشد، به‌ویژه در محیط‌هایی با دید کم، دمای شدید یا شرایط خطرناک که استفاده از دوربین‌ها محدود است.» می گوید.

تکمیل تعمیرات در شرایط خطرناک یکی از موارد استفاده است، اما مورد رایج تر زمانی است که ساخت و ساز، کار در پالایشگاه ها یا سایر کارهای میدانی نیاز به استفاده از هر دو دست برای بازرسی یا کارکرد ماشین آلات دارد.

«تعمیری را در محل کار انجام دهید. کمیلی پور می گوید: فناوری BCI که در عینک های هوشمند استفاده می شود، روشی جایگزین برای ردیابی نگاه چشم بدون نیاز به دوربین خارجی ارائه می دهد تا همچنان در شرایط چالش برانگیز عمل کنند. BCI به جای تکیه بر دوربین‌ها، حرکات چشم را با تفسیر مغز و سیگنال‌های زیستی مانند الکترواکولوگرافی (EOG) نظارت می‌کند. این فناوری شامل پردازش سیگنال پیشرفته و الگوریتم‌های یادگیری ماشینی برای تجزیه و تحلیل حرکات چشم ثبت‌شده از طریق حسگرهای تخصصی می‌شود.”