ניו-טק מגזין | יוני 2018

למערכות בקרת יצור Deep Learning מבוססות ראיהממוחשבת

Olivier Despont, COGNEX

יכולות כעת לבצעה Deep Learning תוכנות החלטה על סמך מיקום, זיהוי המוצר, פגם או הטקסט בצורה יותר יעילה מבוחן אנושי או תוכנה מבוססת על אלגוריתמי ראיה ממוחשבת מסורתיים. יותר ויותר יצרנים Deep מובילים כיום פונים לפתרונות מסוג ובינה מלאכותית לפתרון של Learning בעיות היצור המורכבות שלהם. כבר עברו הימים שבהם אנשים היו יושבים לאורך פסי יצור במפעלי הרכבה אלקטרונים, כיום מכונות נבנות לצורך ביצוע פעולות ההרכבה בפסי היצור וכן האוטומציה של הזנת חומר או חלקי הגלם למכונות אילו. מערכות ראיה ממוחשבת יודעות לזהות חלקים ולכוון רובוטים בדיוק ובקצב גבוה יותר מכל מפעיל אנושי וכך מאפשרות לייצר רכיבים שלא היה ניתן ליצרם בצורה ידנית. בפס יצור, מערכות ראיה ממוחשבת יכולות לבחון מאות ואף אלפי חלקים בדקה בצורה מהימנה ועקבית. לאורך העשורים האחרונים השתמשו במערכות ראיה ממוחשבת לזיהוי ראיה ממוחשבת עבור תהליכי הרכבה

כרטיסים גרפיים, קל מאוד ליישם מערכת קבלת החלטות שקיבלה את השראתה ממערכות ביולוגיות מרובת שכבות נוירונים אשר מחקה את מבנה רשתות נוירונים הקיימות במוח האנושי. טכנולוגיה זאת נותנת כיום ליצרנים יכולות מדהימות לזיהוי תמונות, טרנדים, חיזוי וקבלת החלטות. החל מהלימוד הראשוני מערכות יכולות להמשיך ולשפר את Deep Learning ביצועיהם ככול שיוצגו להם יותר דוגמאות (תמונות, תבניות קול, טקסטים). DeepLearning ניתוח\הבנתתמונהמבוססת משלבת את הגמישות הלוגית של בוחן אנושי ביחד אם האמינות, עקביות והמהירות של Deep Learning מערכות ממוחשבות. מודלי יכולים לפתור בצורה עקבית ומדויקת בעיות ראיה ממוחשבת בעיתיות שהיו קשות מאוד עד בלתי אפשריות לפתרון ולתחזוק בעזרת מערכות ראיה ממוחשבת שהיו זמינות עד יכולים לזהות Deep Leaning היום. מודלי בעיות קשות לזיהוי בחלקים בזמן שהם מתעלמות מווריאציות טבעיות הקימות בין החלקים, כמו כן לימוד חלקים חדשים אינו דורש תכנות מחדש של אלגוריתמי הליבה של התוכנה.

: Deep Learning מהו

חל מהטלפונים שבכיסינו ועד לרכבים אוטונומיים, מוצרי הצריכה שלנו החלו לאמץ את טכנולוגית המבוססת Deep Learning מבוססת Deep Learning על רשתות נוירונים. התפתחה כטכנולוגיה מכוננת במערכות זיהוי טקסט, דיבור ופנים אשר נמצאות בשימוש כיום בטלפונים הניידים, שעונים חכמים ומוצרים לבישים אחרים. בתקופה Deep Learning האחרונה טכנולוגית ה- החלה להיות משולבת בתחומים רבים נוספים ממערכות דיאגנוסטיקה רפואיות, מערכות אבטחה באינטרנט, חיפש תבניות מחזוריות וביצוע החלטות עסקיות קריטיות. טכנולוגיה זו מבצעת כיום גם את צעדיה לתוך עולם היצור לביצוע ביקורת איכות וכן מגוון פעולות שדרשו עד היום החלטת בוחן אנושי. באה ללמד Deep Learning באופן עקרונית רובוטים ומכונות את מה שלנו האנשים הוא טבעי - לימוד על ידי דוגמאות. עקב ירידת מחירי מערכות המחשוב ושימוש של GPU בחומרת חישוב המבוססת על ה

New-Tech Magazine l 44