Visie & AI: sneller genereren van datasets
Artificiële intelligentie trainen: tijdrovend?
In de maakindustrie kunnen vision-technologieën een belangrijke rol spelen. Van het detecteren, tellen of classificeren van items tot het detecteren van defecten: vision gecombineerd met deep learning zorgt voor snelle, robuuste en nauwkeurige resultaten.
Maar de effectiviteit van deze technologie hangt af van de kwaliteit en omvang van de datasets waarop deze is getraind. En traditioneel is het genereren van deze datasets een zeer tijdrovend proces. Het vereist uitgebreide handmatige annotaties, wat de implementatie van nieuwe systemen kan vertragen.
We ondezochten nieuwe workflows om het proces van het genereren van beelddatasets te versnellen. Ons onderzoek resulteerde in een sterke proof of concept dat snelle ontwikkeling van een AI-model haalbaar is. Dit is een belangrijke stap in het toegankelijker maken van de inzet van innovatieve vision-technologieën voor de industrie.
Conveyor Dataset Generator
We hebben onderzoek gedaan naar het gebruik van een transportband voor het automatisch genereren van datasets. We hebben een sensortunnel ontwikkeld die boven een transportsysteem is gemonteerd en is uitgerust met een verscheidenheid aan sensoren, waaronder geavanceerde 3D-sensoren.
Objecten die op onze Conveyor Dataset Generator werden geplaatst, werden automatisch geregistreerd en geannoteerd terwijl ze onder de sensoren door gingen.
We hebben onze transportband getest op een breed scala aan objecten en doeleinden, zoals een georiënteerde bounding box-detector en het detecteren van defecten in profielen met een aanpak voor anomaliedetectie. Het gebruik van de transportband is snel en eenvoudig. Tijdens onze tests konden we in slechts 30 minuten een dataset van ongeveer 100 afbeeldingen genereren.
Synthetische data voor het tellen van objecten
Daarnaast hebben we de mogelijkheden onderzocht van het genereren van synthetische beelden om een AI-model te trainen. We begonnen met alleen een CAD-bestand en gebruikten grafische computersoftware om automatisch realistisch ogende scènes te creëren en fotorealistische synthetische gegevens te produceren om een AI-model te trainen. We hebben slechts 10 echte afbeeldingen met annotaties toegevoegd aan de definitieve dataset voor het trainen van het AI-algoritme.
Het resultaat? Het duurt minder dan een dag (6 tot 8 uur op een laptop) om 10.000 afbeeldingen te genereren. Op basis van deze datasets hebben we robuuste AI-modellen getraind voor het tellen van objecten, bijvoorbeeld het tellen van geniete profielen op een pallet.
Nieuwe workflow: naar een volledig AI-model op 1 dag
Het doel van ons onderzoek was om aan te tonen dat het arbeidsintensieve proces van het handmatig annoteren van gegevens kan worden verminderd.
In onze proof of concept duurt het slechts één dag om een volledig AI-model te trainen.