TOKIÓ, 29. március 2021. – (JCN Newswire) – A Fujitsu Laboratories ma bejelentette, hogy sikeresen kifejlesztett egy mesterséges intelligencia technológiát a képellenőrzéshez, amely lehetővé teszi az iparcikkeken a legkülönfélébb külső rendellenességek, köztük a karcolások és a gyártási hibák rendkívül pontos észlelését. A technológia egy olyan mesterséges intelligencia-modellt használ, amely a szimulált rendellenességekkel rendelkező termékek képeire van kiképezve, anélkül, hogy képzési adatokat kellene készítenie, amely a gyártósor ellenőrzési folyamatából származó hibás termékek tényleges képeit használja fel.
1. ábra A fejlesztési technológia vázlata |
2. ábra: Összehasonlítás a technika állása szerint |
Ez a technológia képes helyesen észlelni az olyan rendellenességeket, mint a kopott menetek és a hibás vezetékezési minták az egyedileg változó termékekben, még akkor is, ha normálisnak tűnnek, mint például a különböző gyapjú vagy színű szőnyegek, vagy az alkatrésztől függően eltérő formájú nyomtatott áramköri lapok. A kifejlesztett technológia sikeresen elérte a világelső pontosságot (1) egy benchmarkban a különböző iparcikkekről készült külső képekről gyűjtött nyilvános adatok (2) felhasználásával.
A Fujitsu az elektronikus berendezéseket gyártó Fujitsu Interconnect Technologies Limited Naganói Üzemében végzett ellenőrzési folyamat során ellenőrizte ennek a technológiának a hatékonyságát, és megerősítette, hogy 25%-kal csökkenti a nyomtatott áramköri lapok ellenőrzéséhez szükséges munkaórákat. A technológia végső soron lehetőséget kínál arra, hogy csökkentse a dolgozók munkaterhét a gyártóüzemekben és javítsa a termelékenységet, miközben új munkastílusokat vezet be az élvonalbeli alkalmazottak számára.
Háttér és kihívások
Az ellenőrzési folyamat helyszínén az ellenőr megállapítja, hogy a termék hibás-e olyan jellemzők alapján, mint a hozzávetőleges alakja, részletes szerkezete és textúrája. Például az alaktorzítási tesztben a hozzávetőleges forma, az állapot- vagy mintavizsgálatnál pedig a textúra. Ezen túlmenően, még ha a termék normálisnak tűnik is, ha egyedi eltérések vannak az olyan elemekben, mint a bevonat, a szín vagy a huzalozás alakja, ezeket a jellemzőket minden egyes tételnél megvizsgálják, és az ellenőrzést úgy végzik el, hogy megkülönböztetik, hogy az egyedi eltérések vagy rendellenességek az elfogadható tartományba esnek-e. . Ezért a mesterséges intelligencia minőség-ellenőrzési feladatok elvégzésére való betanítása során képesnek kell lennie arra, hogy egy normál képen egyedileg előforduló jellemzők széles skáláját rögzítse. A mesterséges intelligencia-modell képzésének tipikus módszere azonban minden egyes jellemzőre súlyozott és összegzett indexeket használva ahhoz a tendenciához vezetett, hogy csak egy jellemzőre összpontosítunk, és nehéznek bizonyult olyan modellt létrehozni, amely teljes mértékben megragadja az összes jellemzőt.
Az újonnan kifejlesztett technológiáról
Ezzel a technológiával a mesterséges intelligencia visszaállítja azt a normál képet, amelyről a rendellenességet eltávolították, amikor rendellenességet észlel, és észleli a kóros részt úgy, hogy rögzíti a vizsgálandó kép és a visszaállított normál kép közötti különbséget. A Fujitsu kifejlesztett egy módszert egy mesterséges intelligencia-modell betanítására, hogy a normál kép, különféle rendellenességek, például alak, méret és szín nélkül visszaállítható legyen azáltal, hogy a szimulált rendellenességeket mesterségesen hozzáadják egy normál képhez, amelyet edzésre készítenek. A normál képek visszaállításának továbbfejlesztett képessége lehetővé tette a rendellenes területek nagy pontosságú észlelését anélkül, hogy a rendellenességeket tartalmazó képeket képzési adatként készítenék elő. Az edzés során a Fujitsu összehasonlítja a normál képet a mesterséges intelligencia által visszaállított képpel, kiértékeli az egyes jellemzők képzési fokát, például a hozzávetőleges alakot, részletes szerkezetet és textúrát, és szabályozza a hozzáadandó rendellenességek méretét, színét és számát, hogy Az AI elsősorban a nem rögzített funkciókat tanulja meg. Például, ha a mesterséges intelligencia nem tudja helyesen visszaállítani a hozzávetőleges alakot, abnormális képekkel edz, néhány apró eltéréssel, amelyek nem befolyásolják a normál megjelenést. Ezenkívül, ha a részletek és a textúra kissé eltér, az AI sok abnormális képet készít, amelyek elég nagyok ahhoz, hogy eltakarják a részleteket vagy feltűnő mintát adjon hozzá. Ily módon a mesterséges intelligencia helyreállításának állapotának értékelésével és azokon a gyenge területeken való képzéssel, ahol a mesterséges intelligencia nem tudja visszaállítani a funkciókat, lehetővé vált az összes jellemzőt rögzítő normál képek visszaállítása.
Ezen túlmenően a Fujitsu kifejlesztett egy új technológiát, amely különböző formájú, méretű és színű anyagokat állít elő több mint 5000 féle mesterséges objektum képtárából, és abnormalitásokat ad hozzá a rendellenességek számának és helyzetének valószínűségi változtatásával. hozzáadódnak.
Eredmények
A kifejlesztett technológia világelső pontosságot ért el, az AUROC (3) pontszám meghaladta a 98%-ot az olyan termékek osztályában, amelyek normál megjelenésükben eltérőek, mint például az egyedileg eltérő szőrmintázatú és színű szőnyegek, valamint a különböző színű nyomtatott áramkörök. huzalozási formák különböző részeken. Ezen túlmenően az egyes termékek, például csavarok és anyák között nincs eltérés, és azokban a termékekben, amelyekben a nem hibás termékek egységes megjelenésűek, a hagyományos technológiákéval egyenértékű pontosságot is sikerült fenntartani (4).
A technológia valós hatékonyságát a Fujitsu Interconnect Technologies, az elektronikai berendezéseket gyártó Naganói üzemben végzett ellenőrzési folyamat során igazolták. A technológiával sikerült 25%-kal csökkenteni a nyomtatott áramköri lapok ellenőrzéséhez szükséges munkaórákat.
Jövőbeli tervek
A jövőben a Fujitsu továbbfejleszti ezt és más kapcsolódó technológiákat, hogy támogassa a Fujitsu mesterséges intelligencia-technológiáinak portfólióját, a „FUJITSU Human Centric AI Zinrai”-t, és ezt az új megközelítést kívánja alkalmazni a Fujitsu „COLMINA” gyártási márkájára, amely digitális átalakulást (DX) biztosít. ) a feldolgozóipar számára.
(1) világelső pontosság:
A pontosságot az AUROC esetében érték el az anomália-felismerő technológia benchmark rangsorában felsorolt technológiákkal összehasonlítva, az MVTec AD-t használva a célosztályban, a normál megjelenés eltéréseivel. Cégadatok 29. március 2021-én.
(2) benchmark nyilvános adatok felhasználásával:
Az MVTec által kínált MVTec anomália-észlelési adatkészlet.
(3) AUROC:
A ROC görbe alatti terület. A rendellenességeket észlelő modell teljesítményének mértéke. 100%-os maximális pontszám esetén minél magasabb az index pontszáma, annál jobb a modell teljesítménye.
(4) hagyományos technológia:
Az MVTec AD-t használó anomália-észlelési technológia benchmark rangsorában szereplő technológia
A Fujitsu-ról
A Fujitsu a vezető japán információs és kommunikációs technológiai (IKT) vállalat, amely technológiai termékek, megoldások és szolgáltatások teljes skáláját kínálja. Körülbelül 130,000 100 Fujitsu-ember támogatja ügyfeleit több mint 6702 országban. Tapasztalatainkat és az IKT erejét arra használjuk, hogy ügyfeleinkkel együtt alakítsuk a társadalom jövőjét. A Fujitsu Limited (TSE:3.9) 35 billió jen (3 milliárd USD) konszolidált bevételről számolt be a március XNUMX-án végződött pénzügyi évben
1, 2020. További információkért látogasson el a www.fujitsu.com webhelyre.
A Fujitsu Laboratories-ról
Az 1968-ban a Fujitsu Limited XNUMX%-os tulajdonában álló leányvállalataként alapított Fujitsu Laboratories Ltd. a világ egyik vezető kutatóközpontja. A Japánban, Kínában, az Egyesült Államokban és Európában működő laboratóriumok globális hálózatával a szervezet alap- és alkalmazott kutatások széles skáláját folytatja a következő generációs szolgáltatások, számítógépes szerverek, hálózatok, elektronikus eszközök és fejlett anyagok területén. További információért lásd: http://www.fujitsu.com/jp/group/labs/en/.
- Ad
- AI
- bejelentés
- anomália észlelése
- benchmark
- Billió
- Kína
- közlés
- vállalat
- országok
- görbe
- Ügyfelek
- dátum
- Érzékelés
- Fejleszt
- Fejlesztés
- Eszközök
- digitális
- digitális átalakítás
- felszerelés
- Európa
- gyár
- Funkció
- Jellemzők
- Összpontosít
- Tele
- jövő
- Globális
- áruk
- Magas
- HTTPS
- IKT
- kép
- Beleértve
- index
- ipar
- információ
- IT
- Japán
- JCN Newswire
- Kulcs
- nagy
- vezető
- Led
- könyvtár
- Korlátozott
- vonal
- gyártott
- Gyártó
- gyártási
- március
- anyagok
- intézkedés
- modell
- hálózat
- hálózatok
- felajánlás
- Ajánlatok
- Más
- Mintás
- Emberek (People)
- teljesítmény
- növények
- portfolió
- hatalom
- Pontosság
- Termékek
- Termelés
- termelékenység
- Termékek
- nyilvános
- világítás
- hatótávolság
- csökkenteni
- kutatás
- Szolgáltatások
- Méret
- kicsi
- So
- Társadalom
- Megoldások
- Állami
- Államok
- sikeres
- támogatás
- cél
- Technologies
- Technológia
- teszt
- A jövő
- Képzések
- vonatok
- Átalakítás
- Egyesült
- Egyesült Államok
- belül
- dolgozók
- világ
- év
- Jen