Üretim ve Endüstri

Üretim

Üretim hatlarında yapay zekanın en somut karşılığı görsel kalite denetimi ve süreç izlemedir. Zorluk modelin doğruluğu değil, kontrollü olmayan koşullarda ve sınırlı donanımda kesintisiz çalışmasıdır.

Görüşme Talep Edin Sık sorulan sorular

Bu sektörde ele aldığımız problemler

01Yüksek hızlı hatlarda ürün kusurlarının kamera görüntüsünden anlık tespiti
02Değişen ışık, kamera açısı ve hat hızı altında kararlılığın korunması
03Sınırlı uç donanımda gerçek zamanlı çalışma; gecikme–doğruluk dengesinin ölçülmesi
04Nadir görülen kusur türleri için yeterli örnek toplanamaması ve anomali tabanlı yaklaşımlar

İşin zorlaştığı yer

Bir görsel denetim projesinde zamanın çoğu model eğitimine değil görüntünün kendisine gider. Kamera, lens ve aydınlatma kusuru görünür kılmıyorsa hiçbir model onu bulamaz. Bu yüzden fizibilite aşamasında önce numune ürünlerle görüntüleme denenir ve kusurun görüntüde ayrışıp ayrışmadığı ölçülür.

İkinci zorluk sahadır. Laboratuvarda yüksek doğruluk veren bir model hatta toz, titreşim, değişen ortam ışığı ve yeni ürün varyantlarıyla karşılaşır. Modelin üretimde kalması için kararların görüntüsüyle kaydedilmesi, hatalı kararların geri beslenmesi ve her yeni sürümün aynı test setinde ölçülmesi gerekir.

Kullandığımız yaklaşımlar

Sık sorulan sorular

Kusurlu örneğimiz çok az; yine de model eğitilebilir mi?

Evet, ama yöntem değişir. Kusur örneği azsa yalnız sağlam ürünlerle eğitilen anomali tespiti kullanılır; model normalden sapmayı öğrenir. Kusur türleri biriktikçe sınıflandırma modeline geçilebilir.

Model hatta mı, bulutta mı çalışır?

Hat hızında karar gerektiğinde model hattın yanındaki uç cihazda çalışır; gecikme ve bağlantı kesintisi riski böyle ortadan kalkar. Bulut eğitim, raporlama ve model güncellemesi için kullanılır.

Projenin ilk adımı nedir?

Fizibilite: problemin tanımı, numune ürünlerle görüntüleme denemesi ve başarı ölçütlerinin birlikte belirlenmesi. Çıktısı, sistemin neyi hangi doğrulukla yakalayabileceğini gösteren bir fizibilite raporudur.