Combinando Visão de Máquina e Redes Neurais em IIoT

O córtex cerebral é a parte do cérebro que processa as imagens. Os seres humanos têm o maior córtex cerebral em comparação com outros mamíferos. Essa visão superior é uma das características evolutivas que deram aos humanos uma vantagem sobre os outros animais. Os biólogos evolucionistas tentam desvendar o mistério por trás dessa característica e os pesquisadores de tecnologia tentam replicá-la.

Figura 1. Um sistema de visão de máquina em uma fábrica.

Os humanos aprendem por meio da experiência e da prática. O aprendizado de máquina é o campo da inteligência artificial (IA) que tenta fazer os computadores imitarem o aprendizado do cérebro humano. O reconhecimento e processamento de imagens é uma subseção importante do campo. Usando o reconhecimento de imagem, os engenheiros podem classificar objetos sem interação humana direta.

Redes Neurais e Visão da Máquina

Em termos simples, a visão de máquina em conjunto com algoritmos ou redes neurais é a capacidade dos computadores de ver e agir sobre os dados. As imagens são alimentadas para a unidade de processamento do computador em formato digital para analisar, interpretar e agir com base nisso. Antes dessa configuração, devemos primeiro treinar o sistema para aprender os dados.

Treinamento de redes neurais em visão de máquina

As redes neurais são uma área avançada de aprendizado de máquina. Eles são amplamente usados ​​para reconhecimento de imagem e outras tarefas que requerem cognição complexa. O primeiro passo para construir uma rede neural artificial é treinar os algoritmos do computador com imagens.

Figura 2. Um exemplo de algoritmos de treinamento com imagens. Imagem usada cortesia de Teledyne DALSA

Os humanos têm a tarefa de rotular as imagens de entrada com base nas quais os algoritmos aprendem. O algoritmo aprenderá por si mesmo a identificar os objetos após ser treinado em um grande conjunto de dados rotulado. Os cientistas de dados podem inclinar os modelos para melhorar a velocidade de aprendizado e outros parâmetros. Um modelo completo com precisão consistente pode ser implantado para aplicações comerciais.

Mas de onde obtemos os dados para treinar o modelo?

Fontes de dados para visão de máquina

A visão de máquina associada a redes neurais é mais complexa do que simplesmente identificar imagens. Também é cognição espacial reconhecer objetos 3D (tridimensionais). A fonte para programas de visão de máquina pode ser fotografias, vídeo ou até mesmo imagens de câmera ao vivo. Nesses casos, uma câmera coleta as imagens ou vídeos enviados ao algoritmo.

Existem algoritmos de visão de máquina que assumem outras formas de entrada. O radar e o LiDAR podem rastrear os objetos ao redor do sensor. A saída de tal equipamento não são imagens, mas coordenadas dos vários objetos ao seu redor. Algoritmos de visão de máquina também podem processar essas informações para obter compreensão espacial. Uma combinação de dados LiDAR e imagens de uma câmera também pode ser usada como entrada para um algoritmo de visão de máquina.

A visão de máquina tem uma ampla gama de aplicações industriais e não industriais. As aplicações vão desde a identificação e navegação até dar visão aos cegos.

Visão da máquina na indústria

A visão de máquina ou visão computacional tem muitas aplicações na indústria. Como ainda está em um estágio inicial, mais aplicações industriais são identificadas a cada dia que passa.

Figura 3. Um sistema de visão de máquina inspecionando objetos em uma fábrica.

Alguns dos aplicativos conhecidos incluem:

• Classificando produtos
• Seleção de produtos
• Inspeção automatizada
• Reconhecimento óptico de caracteres
• Identificação de defeitos
• Identificando cores
• detecção de movimento
• Identificando padrões
• Garantia de qualidade
• Movimento guiado (veículos guiados automatizados ou AGVs)
• Automóveis que dirigem sozinhos
• Leitura de códigos de barras e códigos QR
• fábricas escuras

Conforme o uso da visão de máquina aumenta, o custo de implementação de tais soluções diminui e novos aplicativos são identificados. Por exemplo, a visão de máquina pode ser usada em conjunto com a IIoT.

Segurança

A segurança humana é usada para patrulhar as dependências de várias instituições. No entanto, um problema comum é o cansaço experimentado por esse pessoal durante a execução de tarefas em horários estranhos. A visão de máquina com IIoT pode ajudar.

A alimentação de televisão em circuito fechado (CCTV) das instalações protegidas pode ser conectada com algoritmos de visão de máquina. O algoritmo monitorará constantemente o feed em busca de atividades anômalas. Assim que os intrusos ou outras atividades anômalas forem detectadas, o sistema pode disparar um alarme para que os guardas humanos verifiquem.

Ele também pode executar protocolos de segurança automaticamente como eletrificar a cerca, lançar picos em pontos de saída, alertar a polícia, etc. Toda a comunicação acontecerá pela rede entre dispositivos habilitados para internet para executar qualquer protocolo.

Fábrica de produtos químicos

As fábricas de produtos químicos são perigosas para os funcionários humanos. Seria benéfico se os processos pudessem ser automatizados. Tomemos, por exemplo, um processo em uma fábrica de produtos químicos que exige que o material ferva antes que o aquecimento seja desligado. Sem visão de máquina, um técnico humano tem que esperar e observar o processo.

Figura 4. Uma caldeira e uma chaminé de ventilação de fábrica de produtos químicos.

Com a visão de máquina, uma câmera pode focar na solução e uma rede neural treinada para detectar furúnculos pode detectar se a mistura começou a ferver. Uma vez que o algoritmo detecta ebulição na solução, ele pode acionar um sinalizador. Isso é enviado ao sistema de computação central pela rede. O sistema é projetado de forma que o recebimento desse sinal acione o mecanismo de desligamento do aquecedor.

Nesse cenário, um ser humano não precisa estar na fábrica inalando os vapores químicos para monitorar o processo. Visão de máquina e IIoT podem automatizar todo o processo. Neste exemplo particular, infravermelho ou outros sensores de detecção de temperatura também podem ser usados ​​para detectar uma mistura em ebulição.

Fábricas escuras

As fábricas escuras, como conceito, são a extensão da utilização de visão de máquina, automação e recursos de IIoT em toda a extensão. Uma fábrica escura é uma instalação de manufatura onde nenhum operador humano é necessário para executar ou monitorar as operações da fábrica. Em essência, a fábrica não precisa ter luzes e, portanto, pode operar no escuro.

Da entrega da matéria-prima à embalagem, o produto final será totalmente automatizado. As matérias-primas serão colhidas e classificadas com empilhadeiras e braços robóticos auxiliados por visão mecânica. Mãos robóticas que montam várias peças usarão visão de máquina para identificar para onde vai cada peça. Os AGVs, que usam visão de máquina para navegar, cuidam do transporte de materiais dentro da fábrica.

Os produtos acabados são inspecionados e testados com robôs acoplados com capacidade de visão de máquina. A classificação de produtos defeituosos e a embalagem de produtos acabados também usam visão de máquina.

Aplicações como fábricas escuras e processos químicos, para citar alguns, podem se beneficiar da visão de máquina. Seus algoritmos podem manter o pessoal seguro, os processos seguros e aumentar a eficiência. Para quais tipos de aplicações você usa a visão de máquina em seu chão de fábrica?