IIoTでのマシンビジョンとニューラルネットワークの組み合わせ

大脳皮質は、画像を処理する脳の一部です。人間は他の哺乳類と比較して最大の大脳皮質を持っています。この優れたビジョンは、人間に他の動物よりも優位に立つ進化の特徴の1つです。進化生物学者はこの特性の背後にある謎を解き明かそうとし、技術研究者はそれを再現しようとします。

図1。 工場のマシンビジョンシステム。

人間は経験と実践を通して学びます。機械学習は、コンピューターに人間の脳の学習方法を模倣させようとする人工知能（AI）の分野です。画像認識と処理は、この分野の重要なサブセクションです。画像認識を使用すると、エンジニアは人間と直接対話することなくオブジェクトを分類できます。

ニューラルネットワークとマシンビジョン

簡単に言えば、アルゴリズムまたはニューラルネットワークと組み合わせたマシンビジョンは、コンピューターがデータを表示して操作する機能です。画像はデジタル形式でコンピュータの処理装置に送られ、それに基づいて分析、解釈、および動作します。この設定の前に、まずシステムをトレーニングしてデータを学習する必要があります。

マシンビジョンでのニューラルネットワークのトレーニング

ニューラルネットワークは、機械学習の高度な分野です。これらは、画像認識や複雑な認識を必要とするその他のタスクに広く使用されています。人工ニューラルネットワークを構築するための最初のステップは、画像を使用してコンピューターアルゴリズムをトレーニングすることです。

図2。 画像を使用したトレーニングアルゴリズムの例。 TeledyneDALSAの好意により使用された画像

人間は、アルゴリズムが学習することに基づいて入力画像にラベルを付けるという任務を負っています。アルゴリズムは、大きなラベル付きデータセットでトレーニングされた後、オブジェクトを識別するためにそれ自体で学習します。データサイエンティストは、モデルを傾けて学習速度やその他のパラメーターを向上させることができます。一貫した精度の完全なモデルを商用アプリケーションに展開できます。

しかし、モデルをトレーニングするためのデータはどこで入手できますか？

マシンビジョンのデータソース

ニューラルネットワークと組み合わせたマシンビジョンは、単に画像を識別するよりも複雑です。 3D（3次元）オブジェクトを認識することも空間認識です。マシンビジョンプログラムのソースは、写真、ビデオ、さらにはライブカメラフィードです。このような場合、カメラはアルゴリズムに供給された画像またはビデオを収集します。

他の形式の入力を受け取るマシンビジョンアルゴリズムがあります。レーダーとLiDARは、センサー周辺のオブジェクトを追跡できます。このような機器の出力は画像ではなく、周囲のさまざまなオブジェクトの座標です。マシンビジョンアルゴリズムは、この情報を処理して空間を理解することもできます。 LiDARデータとカメラからの画像の組み合わせも、マシンビジョンアルゴリズムへの入力として使用できます。

マシンビジョンには、産業用および非産業用の幅広いアプリケーションがあります。アプリケーションは、識別やナビゲーションから視覚障害者への視覚の提供まで多岐にわたります。

業界におけるマシンビジョン

マシンビジョンまたはコンピュータビジョンには、業界で多くのアプリケーションがあります。まだ初期段階にあるため、日々、より多くの産業用アプリケーションが特定されています。

図3。 工場内のオブジェクトを検査するマシンビジョンシステム。

既知のアプリケーションには次のものがあります。

• 商品の並べ替え
• 商品の選択
• 自動検査
• 光学式文字認識
• 欠陥の特定
• 色の識別
• モーション検出
• パターンの特定
• 品質保証
• 無人搬送車（無人搬送車、またはAGV）
• 自動運転車
• バーコードとQRコードの読み取り
• 暗い工場

マシンビジョンの使用が増えると、そのようなソリューションを実装するコストが下がり、新しいアプリケーションが特定されます。たとえば、マシンビジョンはIIoTと組み合わせて使用​​できます。

セキュリティ

人間の安全保障は、さまざまな機関の敷地をパトロールするために使用されます。しかし、一般的な問題は、奇数時間に職務を遂行しているときにそのような人員が経験する疲労です。 IIoTを使用したマシンビジョンが役立ちます。

安全な施設の監視カメラ（CCTV）フィードは、マシンビジョンアルゴリズムに接続できます。アルゴリズムは、異常なアクティビティがないかフィードを常に監視します。侵入者またはその他の異常な活動が検出されると、システムは人間の警備員がチェックするためのアラームをトリガーできます。

また、フェンスの電化、出口でのスパイクの展開、警察への警告などのセキュリティプロトコルを自動的に実行することもできます。すべての通信は、インターネット対応デバイス間のネットワークを介して行われ、任意のプロトコルを実行します。

化学プラント

化学プラントは、人間の従業員が作業するのは危険です。プロセスを自動化できれば有益です。たとえば、化学プラントで、熱をオフにする前に材料を沸騰させる必要があるプロセスを考えてみましょう。マシンビジョンがなければ、人間の技術者はプロセスを待って観察する必要があります。

図4。 化学プラントのベントスタックとボイラー。

マシンビジョンを使用すると、カメラがソリューションに焦点を合わせることができ、沸騰を検出するようにトレーニングされたニューラルネットワークが、混合物が沸騰し始めたかどうかを検出できます。アルゴリズムがソリューションで沸騰を検出すると、フラグをトリガーできます。これは、ネットワークを介して中央コンピューティングシステムに送信されます。このシステムは、この信号を受信すると、熱をオフにするメカニズムがトリガーされるように設計されています。

このようなシナリオでは、プロセスを監視するために、人間が化学物質の煙を吸入するプラントにいる必要はありません。マシンビジョンとIIoTは、プロセス全体を自動化できます。この特定の例では、赤外線またはその他の温度検出センサーを使用して、沸騰している混合物を検出することもできます。

ダークファクトリー

ダークファクトリーは、概念として、マシンビジョン、自動化、およびIIoT機能を最大限に活用することの拡張です。ダークファクトリーは、工場の操業を実行または監視するために人間のオペレーターを必要としない製造施設です。本質的に、工場には照明が必要ないため、暗闇でも稼働できます。

原材料の配送から梱包まで、最終製品は完全に自動化されます。原材料は、マシンビジョンを利用したフォークリフトとロボットアームで選別および選別されます。さまざまな部品を組み立てるロボットの手は、マシンビジョンを使用して、各部品がどこに行くかを識別します。マシンビジョンを使用してナビゲートするAGVは、工場内の資材の輸送を処理します。

完成品は、マシンビジョン機能と組み合わせたロボットで検査およびテストされます。欠陥製品の分類と完成品の梱包もマシンビジョンを使用します。

ダークファクトリーや化学プロセスなどのアプリケーションは、マシンビジョンの恩恵を受けることができます。そのアルゴリズムは、人員を安全に保ち、プロセスを安全に保ち、効率を高めることができます。製造現場でマシンビジョンを使用しているアプリケーションの種類は何ですか？