IIoT에서 머신 비전과 신경망 결합

대뇌 피질은 이미지를 처리하는 뇌의 일부입니다. 인간은 다른 포유류에 비해 가장 큰 대뇌 피질을 가지고 있습니다. 이 뛰어난 시력은 인간이 다른 동물보다 우위에 서게 한 진화적 특성 중 하나입니다. 진화 생물학자들은 이 특성 뒤에 숨겨진 미스터리를 풀기 위해 노력하고 기술 연구자들은 이를 복제하려고 노력합니다.

그림 1. 공장의 머신 비전 시스템.

인간은 경험과 실천을 통해 배웁니다. 머신 러닝은 인간의 두뇌가 학습하는 방식을 컴퓨터가 모방하도록 하는 인공 지능(AI) 분야입니다. 이미지 인식 및 처리는 이 분야의 중요한 하위 섹션입니다. 엔지니어는 이미지 인식을 사용하여 직접적인 인간 상호 작용 없이 물체를 분류할 수 있습니다.

신경망 및 머신 비전

간단히 말해서, 알고리즘이나 신경망과 결합된 머신 비전은 컴퓨터가 데이터를 보고 작동할 수 있는 능력입니다. 이미지는 디지털 형식으로 컴퓨터의 처리 장치에 제공되어 이를 기반으로 분석, 해석 및 조치합니다. 이 설정에 앞서 먼저 시스템을 훈련시켜 데이터를 학습해야 합니다.

머신 비전에서 신경망 훈련

신경망은 기계 학습의 고급 영역입니다. 이미지 인식 및 복잡한 인지가 필요한 기타 작업에 널리 사용됩니다. 인공 신경망을 구축하는 첫 번째 단계는 이미지로 컴퓨터 알고리즘을 훈련시키는 것입니다.

그림 2. 이미지를 사용한 학습 알고리즘의 예. Teledyne DALSA 제공 이미지 사용

인간은 알고리즘이 학습하는 것을 기반으로 입력 이미지에 레이블을 지정하는 작업을 수행합니다. 알고리즘은 레이블이 지정된 대규모 데이터 세트에서 학습된 후 객체를 식별하는 방법을 스스로 학습합니다. 데이터 과학자는 모델을 기울여 학습 속도 및 기타 매개변수를 개선할 수 있습니다. 일관된 정확도를 가진 완전한 모델은 상용 애플리케이션에 배포할 수 있습니다.

하지만 모델을 훈련하기 위한 데이터는 어디에서 얻나요?

머신 비전용 데이터 소스

신경망과 결합된 머신 비전은 단순히 이미지를 식별하는 것보다 더 복잡합니다. 3D(3차원) 물체를 인식하는 것도 공간인지입니다. 머신 비전 프로그램의 소스는 사진, 비디오 또는 라이브 카메라 피드일 수 있습니다. 이러한 경우 카메라는 알고리즘에 제공되는 이미지나 동영상을 수집합니다.

다른 형태의 입력을 받는 머신 비전 알고리즘이 있습니다. 레이더와 LiDAR는 센서 주변의 물체를 추적할 수 있습니다. 이러한 장비의 출력은 이미지가 아니라 주변의 다양한 물체의 좌표입니다. 머신 비전 알고리즘은 공간 이해를 얻기 위해 이 정보를 처리할 수도 있습니다. LiDAR 데이터와 카메라의 이미지 조합도 머신 비전 알고리즘에 대한 입력으로 사용할 수 있습니다.

머신 비전은 산업 및 비산업 분야에서 광범위하게 사용됩니다. 응용 프로그램은 식별 및 탐색에서 시각 장애인에게 시력 제공에 이르기까지 다양합니다.

산업의 머신 비전

머신 비전 또는 컴퓨터 비전은 업계에서 많은 응용 프로그램을 가지고 있습니다. 아직 초기 단계에 있기 때문에 더 많은 산업 응용 프로그램이 매일 식별됩니다.

그림 3. 공장에서 물건을 검사하는 머신 비전 시스템.

알려진 응용 프로그램은 다음과 같습니다.

<울>

상품 분류

제품 고르기

자동 검사

광학 문자 인식

결함 식별

색상 식별

움직임 감지

패턴 식별

품질 보증

유도 이동(자동 가이드 차량 또는 AGV)

자율주행 자동차

바코드 및 QR 코드 읽기

어두운 공장

머신 비전 사용이 증가함에 따라 그러한 솔루션을 구현하는 비용이 낮아지고 새로운 애플리케이션이 식별됩니다. 예를 들어 머신 비전은 IIoT와 함께 사용할 수 있습니다.

보안

인간 보안은 다양한 기관의 부지를 순찰하는 데 사용됩니다. 그러나 일반적인 문제는 이러한 직원이 이상한 시간에 업무를 수행하는 동안 경험하는 피로입니다. IIoT를 사용한 머신 비전이 도움이 될 수 있습니다.

보안 구역의 폐쇄 회로 텔레비전(CCTV) 피드는 머신 비전 알고리즘과 연결될 수 있습니다. 알고리즘은 비정상적인 활동에 대해 피드를 지속적으로 모니터링합니다. 침입자 또는 기타 변칙적 활동이 감지되면 시스템에서 경보를 발령하여 경비원이 확인할 수 있습니다.

또한 울타리에 전기를 공급하고 출구 지점에 스파이크를 배치하고 경찰에 경고하는 등의 보안 프로토콜을 자동으로 실행할 수 있습니다. 모든 통신은 모든 프로토콜을 실행하기 위해 인터넷 사용 장치 간에 네트워크를 통해 이루어집니다.

화학 공장

화학 공장은 직원이 작업하기에는 위험합니다. 프로세스를 자동화할 수 있다면 유익할 것입니다. 예를 들어, 열이 꺼지기 전에 재료가 끓어야 하는 화학 공장의 공정을 생각해 보십시오. 머신 비전이 없으면 기술자가 기다리며 프로세스를 관찰해야 합니다.

그림 4. 화학 공장 환기 스택 및 보일러.

머신 비전을 사용하면 카메라가 솔루션에 초점을 맞출 수 있고 종기를 감지하도록 훈련된 신경망이 혼합물이 끓기 시작했는지 감지할 수 있습니다. 알고리즘이 솔루션에서 비등을 감지하면 플래그를 트리거할 수 있습니다. 이것은 네트워크를 통해 중앙 컴퓨팅 시스템으로 전송됩니다. 시스템은 이 신호를 수신하면 열을 차단하는 메커니즘을 트리거하도록 설계되었습니다.

이러한 시나리오에서 사람은 프로세스를 모니터링하기 위해 화학 연기를 흡입하는 공장에 있을 필요가 없습니다. 머신 비전과 IIoT는 전체 프로세스를 자동화할 수 있습니다. 이 특정 예에서 적외선 또는 기타 온도 감지 센서를 사용하여 끓는 혼합물을 감지할 수도 있습니다.

어두운 공장

다크 팩토리는 개념으로서 머신 비전, 자동화 및 IIoT 기능을 최대한 활용하는 것의 확장입니다. 다크 팩토리는 작업자가 공장 운영을 실행하거나 모니터링할 필요가 없는 제조 시설입니다. 본질적으로 공장에는 조명이 필요하지 않으므로 어둠 속에서도 작동할 수 있습니다.

원자재 배송에서 포장까지, 최종 제품은 완전히 자동화됩니다. 원자재는 지게차와 머신 비전을 지원하는 로봇 팔로 선별 및 분류됩니다. 다양한 부품을 조립하는 로봇 손은 머신 비전을 사용하여 각 부품이 어디로 가는지 식별합니다. 머신 비전을 사용하여 탐색하는 AGV는 공장 내에서 자재 운송을 처리합니다.

완성된 제품은 머신 비전 기능과 결합된 로봇으로 검사 및 테스트됩니다. 불량품 분류 및 완제품 포장에도 머신비전이 활용됩니다.

예를 들어 다크 팩토리 및 화학 공정과 같은 애플리케이션은 머신 비전의 이점을 누릴 수 있습니다. 알고리즘은 직원을 안전하게 보호하고 프로세스를 안전하게 유지하며 효율성을 향상시킬 수 있습니다. 작업 현장에서 어떤 유형의 애플리케이션에 머신 비전을 사용합니까?