産業オートメーションにおける AI の力

完全にインテリジェントなロボット システムへの最先端のアプローチ

AI (人工知能) により、ますます多くのビジネス プロセスと産業用アプリケーションの自動化が可能になります。スマート オートメーションの範囲とペースは、AI の進歩に直接依存しているため、近年大きな飛躍を遂げています。 AI を強力な 3D マシン ビジョンと組み合わせることで、ロボットはあらゆる種類のオブジェクトを認識、位置特定、処理できるようになり、人間にとって危険すぎる、単調な、または要求が厳しいタスクを自動化できます。

しかし、産業オートメーションにおける AI とは何を意味し、どのように機能し、近代化、イノベーション、生産性の向上を目指す工場や企業にどのような可能性をもたらすのでしょうか?まず、AI の始まりとその段階的な発展を見てみましょう。

最初のアーキテクチャから畳み込みニューラル ネットワークまで

用語 AI 決定木による単純な統計から、畳み込みニューラル ネットワークなどのニューラル ネットワーク、または強化学習などのさらに高度なアプローチまで、多数の機械の機能とプロセスを表す場合があります。

AI の開発の歴史では、いくつかのアプローチが見られましたが、一般化できるニューラル ネットワークが最も有望で興味深いものであることが証明されました。

1990 年代から 2000 年代初頭にかけて、ニューラル ネットワークは、手書き数字の読み取りを含む最初の文字認識アプリケーションの成功により、大きな注目を集めました。 銀行小切手と手紙の郵便番号で。これらのニューラル ネットワークは、いわゆる MNIST データセット でトレーニングされました (修正された国立標準技術研究所の略) ) は、機械学習やマシン ビジョンで画像処理システムのトレーニングに使用される 0 から 9 までの手書き数字のコレクションです。 MNIST データセットは分類アルゴリズムのベンチマークの基礎として機能し、現在でもトレーニングとテストの目的で使用されています。

これらの古典的なニューラル ネットワークは事実上あらゆることを学習できますが、完全に接続された古いアーキテクチャを表しています。 トレーニングには多くの時間と労力が必要です .これは、1 つの層のすべてのニューロンが次の層のニューロンに完全に接続されているためです。これは、学習するパラメータの数が膨大になり、画像のサイズとともに増加することを意味します。コンピュータのパフォーマンスは時間の経過とともに改善されましたが、小さな画像であっても認識をトレーニングするには依然として非常に長い時間がかかります.

AI 開発のターニング ポイント 畳み込みニューラル ネットワーク (CNN) の導入が特徴でした . CNN は主に、画像分類やパターン認識などの視覚的画像の分析に使用されます であり、多くの最新のマシン ビジョン システムのバックボーンを形成しています。もう 1 つの主な適用分野は、自然言語処理です。

CNN は、非常に大まかに言えば、脳の視覚野系に着想を得ています。 CNN の背後にある主なアイデアは、完全に接続されたネットワークの場合のように、すべてのニューロンを相互に接続することではなく、ピクセルなどの隣接する入力が関連する情報を運ぶため、近接を作成するために隣接するニューロンのみを接続することです。つまり、CNN は複数の層を持つことができ、ある層のニューロンは、空間的に近い次の層のニューロンにのみ接続されます。 . これにより、複雑さが軽減され、ネットワーク内のニューロンの数が減り、その結果、学習するパラメーターの数も減ります。 このおかげで、CNN はトレーニングが速くなり、必要なサンプルが少なくなり、大きな画像にも適用できます。

「畳み込み」という用語 CNN がパターンを検出するためのフィルタリング プロセスを指します。個々のレイヤーは畳み込み 、つまり組み合わせる 、入力を返し、結果を次のレイヤーに渡します。

CNN の開発の進歩は、グラフィックス プロセッシング ユニット (GPU) の進歩によっても加速されています。過去数年間でパフォーマンスと計算能力が大幅に向上し、CNN のトレーニングに新たな可能性が開かれました。

「AI のゴッドファーザー」と呼ばれることが多い AI の分野で最も有名なリーダーの 1 人は、ジェフリー ヒントンです。 .実験心理学と人工知能の学位を取得しています。この組み合わせにより、彼は人工ニューラル ネットワークのトレーニング方法について大きな洞察を得ました。

2012 年、彼の教え子である アレックス クリジェフスキー 人間の脳が物体を認識する方法を模倣できる CNN を作成したとき、彼は AI の別の転換点を示しました。 CNN は AlexNet と名付けられました そして史上初めて、機械が人のような物体を識別できるようになりました。

このブレークスルーは、畳み込みニューラル ネットワークを普及させ、CNN を使用できる幅広いアプリケーションを示しました。

畳み込みニューラル ネットワークのトレーニング

物体認識では、CNN に 不変性 という性質があることが重要です .つまり、入力パターンを解釈し、オブジェクトが画像内のどこにどのように配置されているかに関係なくオブジェクトを分類できるために、変換、視点、サイズ、または照明に対して不変です。 これを実現するには、CNN を一定量のサンプルでトレーニングする必要があります。データセット内の関連データの量を増やすためのベスト プラクティスの 1 つは、データ拡張です。 .

拡張は、入力データ、つまり元の画像を変更して、わずかに変更された他のいくつかのバージョンを生成する方法です。拡張技術には、水平方向または垂直方向の反転、回転、スケーリング、クロッピング、X または Y 方向に沿った画像の移動などが含まれます。

変更されたデータで CNN をトレーニングすると、そのニューロンはそのような拡張の影響を受けなくなり、無関係なパターンを学習するのを防ぎます。したがって、反転したオウムはオウムとして認識されます。

ここで非常に便利なのは、いわゆる転移学習です .トレーニング データの量を削減するには、既存の既にトレーニング済みのネットワークを使用し、そのフィルターの一部を新しい種類のオブジェクトの認識に適用します。たとえば、犬の認識用にトレーニングされたネットワークは、フィルターの一部を保持し、その特定の部分のみを変更することで、猫の認識にも使用できます。これは、ネットワークが猫の認識に適応することを意味します。

モジュラー畳み込みニューラル ネットワークの利点

CNN の大きな価値は、そのアーキテクチャと、個々のモジュールが単一の画像ブロックを参照するという事実にあります。モジュールを同時にトレーニングする必要はなく、簡単に結合できます。これらのよく訓練されたモジュールを組み合わせることで、セグメンテーションに使用できる複雑なアーキテクチャが生まれました .

画像内にあるものしか認識できない AlexNet とは対照的に、これらの複雑な CNN はオブジェクト セグメンテーションを実行し、画像内のオブジェクトの位置を定義できます。 .

このモジュール性により、さまざまな入力チャネルを使用できます。つまり、CNN が白黒データに使用された場合はカラー データにも使用でき、カラー データに使用された場合は深度情報によって拡張できます。 Adding additional information boosts the CNN’s performance , which includes increased accuracy and better recognition of objects and their positions.

From object recognition to smart automation solutions

Based on the above features and characteristics of convolutional neural networks, Photoneo took CNNs as a basis for its advanced robotic intelligence systems and automation solutions .

Photoneo’s CNN works with black &white data, color data, as well as depth information. The algorithms are trained on a large dataset of objects and if they come across new types of items, they can quickly generalize, that is, recognize and classify objects which it has not “seen” before.

Let’s take the concept of a box, for instance. The algorithms were trained on a large dataset of boxes so they understand that a box has a certain amount of faces, edges, and vertices. This principle will also work for boxes that the algorithms have not come across before, even squeezed or damaged ones. The greatest value of AI lies in the fact that it can generalize concepts that it was trained on without further retraining.

This enables Photoneo systems to recognize items of various shapes, sizes, colors, or materials – a robotic ability used for the localization and handling of mixed objects, including organic items such as fruit or fish, sorting of parcels, unloading of pallets laden with boxes, and many other industrial applications.

It might also happen that the algorithms come across objects with features that are fundamentally different from those the algorithms were trained on. This might confuse the CNN and cause a decrease in its performance. What can be done to solve this problem is either to prevent it by expecting exotic objects or to have a good retraining system. In the latter case, the performance will be temporarily lower but the CNN will be retrained to reach full performance rather quickly.

In case a customer needs to pick unusual items or non-commercial products such as industrial components, the CNN can be trained on a specific dataset containing these exotic items .

When it comes to the realization of a customer project, the customer receives Photoneo’s CNN for pilot testing and a feasibility study to ensure that the network can be used for that particular application. This CNN can then be improved and further trained on images from the pilot phase of the project, which will provide greater variability.

The greatest challenge in AI-powered object recognition and picking

The greatest challenge could also be described as the last puzzle piece that was missing in the range of pickable objects. This last piece was bags .

The difficulty lies in the nature of bags since they are extremely deformable and full of wrinkles, folds, and other irregularities. Despite the challenges that bags pose to AI, Photoneo developed a system that is able to recognize and pick bags, may they be full, half-empty, colored, transparent, or semi-transparent. This task is often challenging even for the human eye, which may find it difficult to recognize boundaries between bags that are chaotically placed in a container, especially if they are transparent.

However, good recognition and localization of bags are only part of the precondition for successful object picking. The other part relates to the mechanical side of an application – the robot gripper. The fact that bags are full of folds and wrinkles increases the risk that they will fall off the gripper. This risk can be prevented by using an appropriate vacuum gripper with feedback.

Future developments of AI

Despite significant advancements that have been made in AI in recent years, the field still offers a vast space for new achievements. For instance, so-called reinforcement learning receives great attention as it seems to be very promising in suggesting complex movements, for instance allowing a robot to adjust the position of an item before grasping it.

Reinforcement learning is not only able to cope with object recognition but also with mechanical problems of an application. This means that it not only enables a system to recognize items but also assess the individual steps of a robot action on the basis of rewards and punishments and “calculate” the chance of success or failure . In other words, AI algorithms are trained to make a sequence of decisions that will lead to actions maximizing the total reward. An example of the power of reinforcement learning is mastering and winning the board game of Go.

Despite its immense potential, reinforcement learning is closely linked to the environment it is set in and to the limitations it may pose. For example, the deployed gripper and its functionalities and limitations will always influence a system’s overall performance.

AI is the main driver of emerging technologies and its developments will be very dependent on a number of factors, including market demands, customer expectations, competition, and many others.