de 29 de ani pe piață
Reprezentanțe în 7 țări
Clienți din mai mult de 100 de țări
Suport de la dezvoltare până la fabricație
AAEON

De ce să implementăm machine vision și AI într-un flux de lucru?

Machine learningMachine visionArtificial intelligence

Nicio mașină nu poate înlocui complet forța de muncă umană, însă poate scuti oamenii de munca plictisitoare, monotonă, stresantă sau periculoasă.

Noi credem că webinarul nostru, organizat împreună cu AAEON, v-a convins cu siguranță. Marlo Banganga este Senior Business Development Manager la AAEON. În timpul webinarului, el a explicat câteva informații importante cu privire la machine vision și inteligența artificială. În prezent, problema introducerii tehnologiei machine vision sau AI într-un flux de muncă nu se mai discută. Răspunsul este de la sine înțeles și singurele probleme de discutat sunt rapiditatea cu care aceasta se implementează, anvergura și unde pot fi folosite beneficiile acestor tehnologii.


La scară globală, utilizarea tehnologiei machine vision crește de la an la an (imag. 1). În 2015 veniturile s-au calculat în miliarde de dolari americani, iar venitul estimat pentru 2022 se apropie de 50 de miliarde de dolari americani.

obr2401_pec1a6c99f422.jpg


imag.1 Computer Vision Revenue


Cele mai comune sarcini pentru machine vision în activitățile de producție sunt: 

  • identificarea
  • măsurare fără contact, precisă și rapidă 
  • inspectarea caracterului complet
  • verificarea amplasării corecte și a calității
  • navigarea roboților în spațiu

Fiecare tip de sarcină alocă cerințe specifice sistemelor integrate pentru machine vision. AAEON acoperă întregul domeniu, de la sisteme compacte pentru gestionarea sarcinilor simple, cum ar fi detectarea obiectelor, la sisteme cu procesor Intel Xeon și sloturi pentru acceleratoare de procesare a imaginii bazate pe GPU, VPU sau FPGA.

Priviți ce sfaturi a oferit Marlo participanților la webinar în înregistrare.

Cea de a doua parte a prezentării s-a concentrat pe principiile rețelelor neuronale și modelele pentru aplicații obișnuite:

  • clasificarea imaginilor
  • detectarea obiectelor
  • recunoaștere/detectare facială 
  • clasificare video 
  • segmentarea imaginilor 
  • recunoașterea vocii


Rețelele neuronale imită funcționarea creierului uman, fiind, așadar, de multe ori denumite “inteligență artificială”. 

Primul pas este instruirea modelului. În această fază, datele de intrare și datele corecte de ieșire sunt prezentate rețelei neuronale. În timpul instruirii, rețeaua neuronală își schimbă parametrii interni pentru a genera date de ieșire cu o rată de eroare mai mică decât cea solicitată. Instruirea modelelor este o sarcină foarte solicitantă pentru sistemele de calcul, aceasta fiind, de obicei, efectuată pe hardware închiriat din centre de date.

Mulțumită creșterii constante a puterii de calcul de tip CPU și GPU, și reducerii consumului de putere, precum și disponibilității cipurilor proiectate special pentru rețele neuronale, inferența "inteligenței artificiale" poate fi deja implementată chiar și local, acolo unde sunt produse datele. Această utilizare este descrisă printr-un termen dificil de tradus - AI@Edge.

AAEON se concentrează pe producția hardware-ului chiar cu acewst scop, iar noi am scris despre acest lucru în articolul nostru "Inteligența artificială la marginea rețelei dumneavoastră“. Cum arată în practică și de ce aveți dumneavoastră nevoie? Aflați mai multe vizualizând înregistrarea webinarului nostru.


Vă vom ruga să completați câteva detalii despre dumneavoastră înainte de a vă pune la dispoziție înregistrarea. Vă mulțumim.



Do not miss these articles

Vă plac articolele noastre? Dacă da, atunci nu ratați nici unul! Nu trebuie să vă faceți griji în privința modului de livrare. Ne vom ocupa noi de tot pentru dvs.

Cookie-urile ne ajută să vă furnizăm servicii. Utilizând serviciile noastre, sunteţi de acord cu utilizarea cookie-urilor.
OK Mai multe informaţii