Machine learning i optyka w kontroli jakości
Nowoczesna kontrola jakości ma coraz bardziej zaawansowane narzędzia do dyspozycji. Jednym z nich są systemy wizyjne oparte na tzw. głębokich sieciach neuronowych.
Rozwiązania oparte o “uczenie maszynowe” są bardziej elastyczne i uniwersalne ponieważ:
- klient może “nauczyć” system rozpoznawać ewentualny defekt, dodając w miarę potrzeb nowe obrazy wzorcowe
- w miarę uczenia i analizy zbioru danych system sam rozpoznaje potencjalne odchylenie od normy
- ułatwiają i usprawniają zmianę produktów i formatów podczas produkcji (bez dodatkowych przestojów i niepotrzebnych kosztów)
Integralną częścią systemów wizyjnych do kontroli jakości jest aplikacja z prostym i intuicyjnym interfejsem.
Zastosowanie systemów wizyjnych
Systemy wizyjne oparte na sieciach neuronowych i tzw. machine learning znajdują zastosowania praktycznie w każdej branży. Są idealnym rozwiązaniem wszędzie tam, gdzie wady / odchylenia od normy nie można zdefiniować “na sztywno”. Dzieje się tak na przykład w przypadku
- dużej ilości zmiennych,
- zróżnicowanej palety produktów,
- częstych zmian produkcji - czyli np. w branży kosmetycznej czy spożywcza.
- potrzeby detekcji wad produktów niejednorodnych (niepowtarzalnych), jak beton czy drewno (np. branża budowlana).
Dlaczego warto zainwestować w inteligentne systemy kontroli jakości?