Minőségellenőrzés mesterséges intelligenciával (MI)
Intenzíven foglalkozunk a gépi tanulással – amely a mesterséges intelligencia tudományterületének egyik részterülete.
A klasszikus képfeldolgozás területéről indulva nálunk a gépi tanulás terén is minden a képadatok feldolgozása körül forog.
Még az olyan összetettebb feladatokat is képesek vagyunk megvalósítani, amelyeknél klasszikus algoritmusok és gépi tanulás kombinációjára, illetve különböző adatforrások összekapcsolására van szükség (például egy objektum több képének elemzése, további érzékelőadatok vagy felhasználói bevitelek beépítése).
- Osztályozás
- Multimodális adatfeldolgozás
- Objektumfelismerés és -helymeghatározás
- Anomália-felismerés
Osztályozás
- Bármely osztályba történő besorolás (pl. [jó, rossz], vagy [jó, 1. hibatípus, 2. hibatípus]).
- Minden osztályból származó nagy mennyiségű edzési adat alapján történő edzés.
- Lehetséges a nagyon finom különbségek felismerése.
Multimodális adatfeldolgozás („kiterjesztett osztályozás”)
- Bármely osztályba történő besorolás (pl. [optimális minőség, közepes minőség, selejt]).
- Minden osztályból származó nagy mennyiségű edzési adat alapján történő edzés.
- Különböző forrásokból származó bemeneti adatok kerülnek összevonásra, pl. több kamerakép, kiegészítő termékinformációk, mint a szín, az alak vagy a súly, illetve a felhasználó által megadott adatok.
- Különböző algoritmusok kombinálása lehetséges.
- Olyan eltérések felismerése, amely csak különböző adatok kombinálásával lehetséges. Lehetséges a teljes termék ellenőrzése (pl. a teljes felület több felvétel segítségével, amelyeket együttesen értékelnek).
Felismerés és észlelés
Objektumfelismerés és -helymeghatározás
- Objektumok felismerése, beleértve azok helyzetének meghatározását is.
- Minden objektum edzési adatai alapján történő edzés.
- Ez lehetővé teszi többek között a jelenléti ellenőrzéseket vagy az objektumok számlálását.
Anomália-felismerés
- A „normális” és az „anomális” adatok megkülönböztetése.
- Általában kis számú normál és rendellenes adattal történik a tanítás. Ha nincs más lehetőség, a tanítás 100%-ban normál példák alapján is lehetséges.
- Az anomáliák mértékétől függően közepes vagy jó felismerési pontosság érhető el.
Gyakran feltett kérdések (GYIK)
Mi a különbség a klasszikus képfeldolgozás és a gépi tanuláson alapuló megközelítés között?
A klasszikus képfeldolgozás során az ember meghatározza bizonyos értékelési jellemzőket, majd ezeknek megfelelően megír egy szabályalapú algoritmust.
A gépi tanulás alkalmazásával a megfelelő értékelési jellemzők kiválasztása automatizálódik. Vagyis az algoritmusok a tanulási adatok alapján megtanulják, mely jellemzők fontosak az értékeléshez. Így olyan összetett feladatok is megoldhatók, amelyeknél nagyszámú jellemzőt kell kombinálni és figyelembe venni.
Milyen előnyökkel jár az ügyfél számára a gépi tanulás?
A gépi tanulás segítségével új megoldási lehetőségek nyílnak olyan feladatokra, amelyek néhány évvel ezelőtt még megoldhatatlannak vagy túl költségesnek számítottak.
Személyesen adunk tanácsot!
Örömmel állunk rendelkezésükre
