Inspecția calității folosind camere video și computer vision
Folosind supraveghere video și metode de analiză computerizată a imaginii (computer vision), sistemul Knosis poate învăța să detecteze și să clasifice piesele vizibile după criteriile de inspecție și de calitate indicate. Astfel, după ce sunt introduse specimenele de referință, sub formă de imagine sau înregistrări video, utilizatorii pot defini regiunile, aspectele și etichetele de interes. Acest informații sunt apoi în mod automat transformate în ansamble de machine learning și computer vision, care apoi pot fi instalate pentru a identifica situații similare care apar pe fluxurile video provenite de la camere de supraveghere.
Beneficiile acestei abordări includ:
- Pre-detectarea posibilelor defecte înaintea notificării inspectorului de calitate
- Jurnalizarea și catalogarea defectelor înregistrate
- Folosirea observațiilor și indicațiile de calitate ale inspectorului pentru îmbunătățirea
Recunoaștere și poziționare de obiecte pentru picking, împachetare și alte activități logistice
Ansamblul de machine learning antrenat poate opera de asemenea cu imagini și fotografii provenind de la orice lucrător autorizat și echipat cu un smartphone. Astfel, de la o singură fotografie la produs (etichetat sau ne-etichetat), lucrătorului i se poate răspunde la o serie de întrebări, inclusiv ”unde trebuie plasat acest produs?”, ”ce caracteristici tehnice are acest produs?”, ”ce produse similare există în magazie?”
Beneficiile acestei abordări includ:
- Rapiditatea colectării obiectelor din magazie
- Reducerea greșelilor de etichetare sau împachetare, prin identificare multi-criterială (cod, aspect, text)
- Reducerea riscurilor de sustragere a obiectelor din magazie
Soluția propusă
Pentru identificare, clasificarea și inspecția obiectelor, soluția Knosis permite încărcarea spețelor (imagini, video), în care sunt reprezentate produsele de interes și în care pot fi etichetate (indicate) aspectele relevante:
- Recunoașterea multi-criterială a obiectului
- După elemente vizuale (culoare, forme, texturi)
- După inscripții și elemente lexicografice (text)
- După QR
- Trasarea mișcării individuale a obiectelor de pe banda de lucru
- Raportarea obiectelor necunoscute sau necomforme către operatori umani, pentru decizie și (re)clasificare
- Detectarea anomaliilor vizuale din spațiul de lucru vizibil
 (002).png)
Modalitatea de implementare
Pentru un proiect uzual de analiză și supraveghere video a calității, pașii sunt următorii:
Descriere | Durată estimativă |
Analiza speței și configurarea instalării | 2-4 săptămâni |
Încărcare și augmentare (etichetare suplimentară) până la 5000 fotografii cu produse de referință (specimene) | 2 săptămâni |
Calibrare amplasare și poziționare camere per locație | 2-3 zile / locație |
Calibrare perspectivă și imagine, per fiecare flux video | 2-4 zile / locație |
Antrenarea și calibrararea algoritmilor de computer vision (one time) | 3-5 săptămâni
|
Instalare licențe pentru componentele de analiză video în timp real | 2 zile / instalare |
Integrare cu punctul de supraveghere centrală | 2-4 săptămâni (opțional) |
Integrare și asistență tehnică pentru integrare modulului raportare (integrare standard DeepVISS) | 4-6 săptămâni |
Dezvoltările, configurările și integrările suplimentare identificare în analiză se estimează separat.
Despre Knosis.ai și Envisage.ai
Knosis.ai este o soluție integrată pentru colectarea, augmentarea și validarea datelor de antrenament pentru algoritmi de machine learning, computer vision, natural language processing and understanding.
Envisage.ai este o soluție pentru operarea ansamblelor de algoritmi de inteligență artificială pe arhitecturi distribuite (camere de supraveghere, infrastructură IoT, device-uri mobile ale utilizatorilor), cu scopul de direcționare a rezultatelor procesării înspre fluxuri de afaceri standardizate OpenAPI, gRPC sau SOAP.
Ambele soluții sunt dezvoltate și testate conform specificației deschise DeepVISS, în conformitate cu standardul OpenAPI.
