با پیشرفت روزافزون تکنولوژی بخصوص در شاخه هوش مصنوعی و بینایی ماشین ما شاهد ارتقا عملکرد بینایی رباتیک نیزهستیم. رباتهای هدایت شونده بینایی (VGR) با ارائه اطلاعات با کیفیت مانند دادههای مربوط به نقصهای فنی، تولید بدون نقص را امکانپذیر میکنند. در صورتیکه یک ربات نابینا این عمل را برای یک مختصات مشخص نمیتواند انجام دهد.
با تأثیر بینایی ماشین در بینایی رباتیک، ربات ها می توانند از طریق بازرسی داده ها را شناسایی کنند و به همین طریق از روشی استفاده کنند که با پیش بینی خطاهای وارده سیستم بینایی را متوقف سازد وبه اصلاح خطاها بپردازد، به این ترتیب یک مشکل در این فرایند شناسایی میشود.
این دورویکرد با استفاده از تکنولوژی( industry 4.0) وبا تأثیربینایی ماشین در بینایی رباتیک فرایند تشخیص محصولات معیوب را بهبود میبخشند. قابلیت دیگر این سیستم ها ثبت و آپلود داده های با کیفیت در یک سیستم خارجی است، مدیران از این داده ها برای تقویت مدل های یادگیری عمیق نیز استفاده می کنند.
چشم انداز( Industry 4.0) به معنای داشتن یک سیستم تولید هوشمند است که مبتنی بر داده است.
فرانک استون، مدیر فروش ملی Capture 3D میگوید:
“دقت دادهها، سرعت به دست آوردن آنها و تفسیر آنها بسیار کلیدی است”
اهمیت داده های بینایی ماشین در بینایی رباتیک #
داده های به دست آمده ، بواسطه اثر بینایی ماشین در بینایی رباتیک بینشی را در مورد کل چرخه عمر محصول از طراحی گرفته تا توسعه و ایجاد استراتژی برای یک تولید مدرن را ارائه می دهد.
این دادهها قابلیتهای Quality 4.0 مانند تجزیه و تحلیل مونتاژ دیجیتال را فعال میکند و به شما امکان میدهد بدون توجه به مکان فیزیکی، از اجزای دیجیتالی برای ساختن مجموعهای برای تجزیه و تحلیل فرم تناسب و عملکرد استفاده کنید. همچنین شبیه سازی فرآیند مونتاژ در فضای دیجیتال هزینه ها را کاهش می دهد و زمان اجرا را نیز سریع تر می کند.
نیک لانگ ورث مهندس ارشد برنامههای کاربردی سیستم، شرکت SICK در این رابطه می گوید؛ آنچه امروز در رباتیک بسیار برجسته است تأثیر بینایی ماشین در بینایی رباتیک است.
زیرا کاربران به دلیل کمبود نیروی کار به دنبال ایجا فرایند های خودکار هستند، و همین سبب همه گیری و افزایش کاربرد آن نیز شده است. همچنین این نکته را اضافه می کند که نواحی بالغ و هم نواحی نوپا در میدان بینایی ماشین روباتیک وجود دارد.
بدین ترتیب با اثرگذاری بینایی ماشین در بینایی رباتیک شما از یک طرف الگوریتمهای سنتی مبتنی بر قوانین مانند تطبیق الگو، تشخیص کاراکترهای نوری و ابزارهای دیگر دارید که به رباتها اجازه میدهند تا وظایف انتخاب مکان و بازرسی را برای چندین دهه انجام دهند.
و از سوی دیگر، شما برنامههای یادگیری ماشینی و یادگیری عمیق دارید که به صنعت اجازه میدهد کارهایی را که چند سال پیش غیرممکن به نظر میرسید را اجرایی کنید، مانند فرایند تشخیص ناهنجاری را در دانههای چوب.
وی توضیح می دهد که محصولات بالغ و مبتنی برتأثیرگذاری بینایی ماشین در بینایی رباتیک بسیار محبوب هستند.
آینده بینایی ماشین و تأثیر آن در بینایی رباتیک #
در حال حاضر به سبب اینکه این سیستم نسبت به همتایان خود درعرصه بینایی از رویکرد جدید و نسخه ای اصلاح شده استفاده میکند، توجهات زیادی را نیز به خود جلب کرده است، بدین معنا که از پتانسیل تغییررباتیک در برنامه های متنوع استفاده میکند. و سبب میشود تأثیرات بینایی ماشین در بینایی رباتیک پیش از پیش مورد برسی قرار بگیرد.
به عنوان مثال او می گوید، کارشناسان انتظار دارند که یادگیری عمیق در عرض دو تا پنج سال به استفاده و عرضه عمومی برسد.
استیو رف، مدیر پشتیبانی اتوماسیون و راهاندازی Capture 3D، میگوید که هوش مصنوعی و یادگیری ماشین معمولاً جایگزین وظایف تکراری میشود و به همین جهت برای دستیابی به توان عملیاتی، سریعتر برنامه ریزی میشوند.
او میگوید: «برای کنترل کیفیت و بازرسی ابعادی،هنوز فناوری هوش مصنوعی وجود ندارد، زیرا که یک صنعت باید درابتدا جمعآوری دادههای میدانی را به عنوان یک استاندارد تثبیت شده روی کار گیرد، و همچنان میبایست دادههای جمع آوری شده کامل باشند»
با مجموعه دادههای کامل و باکیفیت، پتانسیل هوش مصنوعی برای تصمیمگیری هوشمندانه از طریق یادگیری ماشین وجود دارد. و در نهایت سبب میشود فرآیندهای تصمیمگیری بیشتری را برای ما در آینده به دست گیرد
اما در ابتدا، نکته الزامی این فرایند دسترسی مداوم به مجموعه داده های خوب و با ارزش است.
سیستمهای هوش مصنوعی نیز مانند انسان به دادههای خوب برای تصمیم گیری نیاز دارند.
هرچه داده های شما بهتر باشد، چه ربات باشید و چه انسان، تصمیم گیری شما بهتر، سریع تر و دقیق تر است. دادههای دقیق همیشه هسته اصلی هر تصمیم خوب است.
Lavanya Manohar، مدیر ارشد Cognexمیگوید: با توجه به تأتیرات بینایی ماشین در بینایی رباتیک انتظار داریم که در دهه آینده شاهد افزایش تعداد رباتهای مجهز به بینایی ماشین باشیم.همچنین انتظار داریم که از یادگیری عمیقتر و بیشتر در بازرسی و تعیین موقعیت رباتها استفاده شود.
وی اضافه میکند که ما توقع این را داریم که رباتها با استفاده از تأثیرات بینایی ماشین در بینایی رباتیک با هوشمندی بیشتری عمل کنند و به سمت مناطق پیچیدهتر برای، موقعیتیابی و درک صحنه حرکت کنند.
وی همچنین میگوید، ما به دنبال این هستیم که در آینده شاهد پذیرش بیشتری از دید سه بعدی در رباتیک باشیم
لانگورث نیز میگوید : مجموعه روندها درزمینه بینایی رباتیک در دو کلمه خلاصه میشود: «سادهسازی» و «پیچیدگی»
ساده سازی برنامه های پیچیده با کاربردهای بینایی ماشین در بینایی رباتیک #
کاربران درحال تلاش برای ایجاد برنامههای پیچیدهتر بینایی با استفاده از کاربرد های بینایی ماشین در بینایی رباتیک هستند، اما در عین حال میخواهند نحوه ساخت، برنامهنویسی و پشتیبانی آنها را سادهتر کنند.
بسیاری از کاربران کوچک و متوسط نیز ممکن است بخواهند برای کاهش هزینهها، این ادغام را انجام دهند.
که این عمل منجر به افزایش فناوری قابل تنظیم تر و “بدون کد” شده است.
این راه حل ها به کاربران اجازه می دهد تا بدون دانش پیشرفته رباتیک یا طراحی ماشین، برنامه های پیچیده را بسازند.
لانگ ورث میگوید: برنامههایی که شامل وظایف پیچیدهای مانند جمعآوری زباله یا یادگیری عمیق هستند، برای استفاده عملی، مانند تولید یا انبار، بسیار پیچیده در نظر گرفته میشوند، اما امروزه، شرکتها محصولاتی را برای سادهسازی این کارها توسعه دادهاند. او میگوید برای مثال، نرمافزار PLB به کاربران این امکان را میدهد تا برنامههای جمعآوری سطل زباله را در چند مرحله قابل تنظیم حل کنند. و رباتها خود قطعات را ظرف چند ساعت پس از جعبهگشایی دوربین انتخاب کنند. فناوری قدیمیتری مانند دید دو بعدی نیز همین رفتار سادهکننده را دریافت میکند.
ترکیب اتوماسیون و نرم افزار PLB تکنولوژی دید را برای کاربران جدید دموکراتیزه می کند و در عین حال به کاربران با تجربه اجازه می دهد تا امکانات و فرآیندهای خود را بهبود بخشند. واین به شرکتهایی که منابع کمتری دارند اجازه میدهد به طور مؤثر و کارآمد خودکار شوند، در حالی که به کاربران با تجربه راه دیگری برای توسعه و بهبود مستمر میدهند.
استون تکرار می کند :
ما شاهد رشد تصاعدی در تقاضا ها برای راه حل های خودکار هستیم. او میگوید: «روند این است که برای افزایش توان عملیاتی و برنامهریزی فرآیندهای تکراری، بهطور خودکار پیش برویم، زیرا به منظور بازگشت سرمایه، همه میخواهند فرآیندها را سادهسازی کنند تا هزینهها را کاهش دهند و بهترین راه برای انجام این کارخودکار کردن فرآیند است».
برای مثال، روش چراغهای خاموش روشی است که به شرکتها اجازه میدهد تا یک شیفت ۸ یا ۱۲ ساعته را بدون تعامل انسانی انجام دهند. سازمانها میتوانند به معنای واقعی کلمه چراغهای خود را خاموش کنند و گزارشهای بازرسی را که صبح روز بعد توسط یک سیستم پردازش دستهای بارگذاری خودکار قطعات برای آنها ایجاد شده است پیدا کنند.
در آینده شاهد راه حلهای مشابه بیشتری خواهیم بود، زیرا صنعت به دنبال راههایی برای خودکارسازی فرآیندها و کارآمد تر شدن در روش تولید کالا از طریق کاربردهای بینایی ماشین در بینایی رباتیک است. همانطور که این فضا رقابتی تر می شود، پیاده سازی اتوماسیون، چه از طریق روباتیک بینایی و چه از طریق دیگر، می تواند یک بازگشت سرمایه عالی را ارائه دهد.
منوهار میگوید، صنعت رباتیک بهطور فزایندهای مایل است تا اثر گذاری بینایی ماشین را در بینایی رباتیک امتحان کند.
سازندگان همچنان به یادگیری عمیق و دید سه بعدی روی می آورند زیرا استفاده از ربات ها نیز آسان تر و مقرون به صرفه تر شده است.
علیرغم تمام پیشرفتهایی که در زمینه بینایی ماشین با یادگیری سه بعدی و عمیق و دوبعدی با دقت بالا انجام شده است، این فناوری هنوز در مقایسه با موارد استفاده از تولید درون خطی برای بینایی مانند اندازهگیری، شناسایی، پایینتر از منحنی S است. “او می گوید. بهبودهای الگوریتمی مستمر، سبب انعطافپذیری بیشتر دست و چشم بین ربات و بینایی آنها شده است.
و بهینهسازی کامل سیستم نیز از موارد مهمی است که سبب میشود میزان کارایی افزایش یابد.
منابع #
اگر به اطلاعات بیشتری درباره اثر گذاری هوش مصنوعی و بینایی ماشین در بینایی رباتیک نیاز دارید؛ شما می توانید با خواندن این مقاله تخصصی اطلاعات مفیدی را بدست آورید.
https://www.baslerweb.com/en/solutions/markets/vision-guided-robotics/
