Con l’inizio della pandemia, c’era una cosa che più industrie hanno adottato dall’oggi al domani: la trasformazione digitale . La rapida trasformazione che doveva avvenire in 5 anni avvenne entro 6 mesi. L’adozione accelerata continuerà fino al 2021 nelle aree dell’IA e dell’automazione industriale intelligente.
L’analisi video basata sulla visione artificiale ha rivoluzionato la mitigazione e la gestione del rischio, il monitoraggio e la sicurezza automatizzati e ha contribuito a raggiungere l’efficienza operativa negli ambienti industriali. Tenendo presenti le prospettive di crescita, la fusione o i progressi della visione artificiale con diverse tecnologie domineranno l’anno 2021.
Ecco le 9 principali tendenze della visione artificiale che domineranno il settore nel 2021:
- VISIONE per la sicurezza: garantire la sicurezza pubblica e sul posto di lavoro
I luoghi di lavoro in tutto il mondo stanno affrontando le sfide presentate da COVID-19, coltivare una cultura organizzativa sicura è più importante che mai. L’agenzia federale degli Stati Uniti OSHA (Occupational Safety and Health Administration), richiede che i datori di lavoro proteggano i dipendenti dai rischi sul posto di lavoro che possono causare malattie o lesioni. Sono stati introdotti nuovi protocolli di sicurezza e nuove routine quotidiane per un migliore approccio ai programmi di sicurezza.
La tecnologia sta giocando un ruolo chiave nel facilitare i cambiamenti applicati, l’intelligenza visiva è già utilizzata da molte industrie in tutto il mondo per implementare la sicurezza. I rilevatori di anomalie video HSE si sono dimostrati efficaci per il monitoraggio e l’analisi automatizzati per rilevare anomalie come l’assenza di maschere di sicurezza e DPI (Figura 1) e altre normative necessarie come l’allontanamento sociale (Figura 2) per la sicurezza dei dipendenti.
Sicuramente l’adozione di queste migliori soluzioni di intelligenza artificiale e visione artificiale rafforzerà le iniziative HSE nel 2021.
)
dashboard di esempio di analisi video per il monitoraggio del distanziamento sociale
- VISIONE per l’ispezione di qualità: automatizzare i rilevamenti di anomalie
La qualità della produzione è della massima importanza e il fallimento non è un’opzione in condizioni operative induduttiali frenetiche. Le soluzioni di ispezione visiva basate sulla visione artificiale hanno dimostrato chiari vantaggi rispetto ai metodi convenzionali di ispezione umana e alle tradizionali applicazioni di visione artificiale basate su regole.
Uno dei maggiori produttori indiani di elettronica ha adottato la tecnologia per automatizzare il monitoraggio della produzione di PCB e rilevare il rilevamento (Figura 3) . I dati di immagine di alta qualità dei circuiti stampati prodotti (PCB) vengono utilizzati per verificare oltre 20 anomalie e difetti.
Anche altri settori come quello alimentare, automobilistico e siderurgico stanno sfruttando la visione artificiale per automatizzare e ottimizzare le ispezioni visive (Figura 4) .
Con una forza lavoro ridotta e margini in calo quest’anno, il 2021 sarebbe l’anno cruciale in cui più leader industriali cercheranno di sfruttare le ispezioni basate su AI e Computer Vision per ottenere la Golden Quality, data l’accuratezza, la flessibilità e il basso costo che la tecnologia porta.
- VISION for NDT: Thermal Imaging Analysis
Le telecamere termiche sono state sviluppate principalmente per scopi militari, come strumento di visione notturna per la sorveglianza; al giorno d’oggi con prezzi in calo, si apre un campo di applicazioni più ampio.
Una di queste applicazioni è la visione artificiale dei test non distruttivi . La soluzione rileva i difetti e contrassegna l’area di interesse in cui vi è un’alta probabilità di difetti / anomalie definiti utilizzando immagini radiologiche acquisite con tecniche NDT.
L’ispezione basata sulla visione automatizzata amplia lo spettro “visibile” (Figura 5) e può rilevare difetti della superficie metallica (ad es. Difetti di saldatura); invisibile all’occhio umano.
spettro visibile della visione artificiale
Un’altra applicazione applicata molto interessante dei dati di imaging termico è capire come la copertura superficiale dei ghiacciai andini peruviani , ridotta di circa il 30% negli ultimi decenni, stia influenzando il tasso di fusione. Rappresenta una seria minaccia per l’approvvigionamento idrico delle persone che vivono nella regione di Ancash in Perù. Rosie Bisset, una ricercatrice dell’Università di Edimburgo, sta mappando la superficie di alcuni di questi ghiacciai più alti del Sud America utilizzando i dati di droni dotati di termocamere.
Le implicazioni avanzate della visione artificiale e delle tecnologie di apprendimento profondo aiuteranno tali analisi, studi ed esperimenti nei prossimi anni.
- VISIONE in tempo reale: l’ascesa dell’Edge Computing
L’edge computing si riferisce alla tecnologia collegata alle macchine fisiche, consente di elaborare e analizzare i dati dove vengono raccolti, invece che nel cloud o in un data center. Ciò è molto utile per i settori in cui sono previste interruzioni di rete.
I progressi nell’edge computing stanno risolvendo i problemi di accessibilità e latenza della rete. Per la visione artificiale, questo ha aiutato a rispondere ancora meglio in tempo reale e a spostare le informazioni rilevanti nel cloud solo per ulteriori analisi.
In uno di questi casi d’uso industriale, il software distribuito sull’edge, automatizza il monitoraggio del tempo di ciclo dei processi ad alta intensità di lavoro (Figura 6) . L’Edge Box si collega a più telecamere o VMS (sistemi di gestione video) e rileva gli eventi di anomalia quasi in tempo reale. Registra automaticamente i dati sul tempo di ciclo durante l’intera operazione per ottenere un quadro completo della produttività del team.
Consente a ingegneri, formatori, team di qualità, team leader e operatori di linea di esaminare ogni fase del processo di produzione con Video Analytics; risparmiando ore di lavoro umano necessarie per il monitoraggio manuale del tempo di ciclo e ottimizza la produzione identificando i colli di bottiglia in tempo reale.
Nel 2021, il software di analisi video on edge fornirà una valida opzione per le esigenze aziendali; per un’elaborazione più rapida, un’elevata sicurezza dei dati e informazioni dettagliate in tempo reale.
- VISIONE con mani che aiutano: triangolazione con i dati dei sensori
Nuovi progressi stanno migliorando l’integrazione di sensori e dati di visione, attraverso interfacce di controllo intuitive, potente edge computing ed efficienti scambi di informazioni a circuito chiuso.
Ad esempio, Video Analytics sta liberando una nuova frontiera per i casi di sorveglianza automatizzata in ambito militare e di difesa. La capacità di rilevare automaticamente gli eventi e allertare il personale di sicurezza ha dato un grande contributo alla sicurezza fisica ai confini nazionali. I sistemi avanzati di monitoraggio perimetrale raccolgono varie forme di dati (dati dei sensori, feed video e immagini dei droni) da più punti di contatto e li triangolano per fornire informazioni in tempo reale (figura). L’integrazione fornisce un sistema di sicurezza a più livelli con funzionalità come il rilevamento delle intrusioni, il rilevamento di oggetti non identificati, il rilevamento dei veicoli e il controllo dell’accesso degli utenti.
Nel 2021, saranno esplorate le capacità avanzate di integrare fisica, euristica e modelli basati sull’apprendimento automatico per mettere in relazione le anomalie visive con le anomalie dei sensorie generare informazioni utili. Il focus sarà sullo sviluppo di tali framework, in grado di integrare il monitoraggio degli asset e i dati di diagnostica con approfondimenti video. Creerà un punto di vista dell’aquila per i supervisori industriali che aiuteranno a diagnosticare i tempi di inattività degli asset, a tenere traccia della sequenza temporale delle sequenze di anomalie e ad implementare la sicurezza degli impianti.
sorveglianza perimetrale automatizzata
- VISIONE da sola: soluzioni a circuito chiuso
Un sistema di controllo a circuito chiuso è un sistema in cui l’azione da eseguire dipende dall’output generato dal sistema. Dove siamo riusciti a implementare tali sistemi con ML e IIot per l’analisi dei dati , l’implementazione di un circuito chiuso su sistemi basati su Computer Vision è stata una sfida a causa della precisione del modello e dei problemi di affidabilità.
Nell’ultimo decennio, abbiamo assistito a un enorme sviluppo nelle soluzioni a ciclo chiuso basate sulla visione. Un semplice esempio è il controllo automatico dell’accesso degli utenti tramite riconoscimento facciale .
La maturità del controllo basato sulla visione può essere realizzata nello sviluppo di auto autonome e veicoli senza pilota. I sistemi di visione controllano i movimenti del veicolo in tempo reale per qualsiasi traiettoria desiderata definita dall’utente utilizzando solo il feedback visivo; quando le fonti convenzionali di dati precisi di posizione / orientamento (ad es. GPS / IMU) non sono disponibili.
Nel 2021, vedremo molti sistemi di visione a ciclo chiuso sviluppati per casi d’uso industriali che vanno ben oltre il rilevamento e la raccomandazione, al fine di applicare l’azione per ridurre la perdita di tempo e di produzione. Ottimizzerà il processo e il sistema controllerà i parametri del processo senza alcuna interazione con l’operatore.
- VISIONE sugli steroidi: auto-annotazione e formazione
La sofisticazione dei modelli di visione artificiale dipende dal volume e dalla qualità dei dati su cui vengono addestrati. L’annotazione dei dati richiede una forza lavoro umana, di origine interna o esterna, l’annotazione manuale è un compito noioso e talvolta complicato. Ha bisogno di strumenti di annotazione e formazione della forza lavoro specializzata e deve anche monitorare la qualità e la velocità delle annotazioni. Estende la tempistica del progetto, aumenta i costi ed è soggetto a errori umani.
Con i progressi nell’intelligenza artificiale, sono in fase di sviluppo nuove piattaforme di visione artificiale che aiutano i team di intelligenza artificiale ad automatizzare l’etichettatura dei dati e rendere a prova di futuro i flussi di lavoro di formazione (figura 8) . L’intelligenza artificiale aiuta a ridurre al minimo gli errori e garantisce un throughput dei dati più veloce.
Nel 2021, assisteremo a soluzioni automatizzate end-end per l’ annotazione di immagini e video . Con dozzine di aziende che utilizzano l’IA per rilevare danni / anomalie in automobili, imballaggi di prodotti farmaceutici, piattaforme petrolifere, oleodotti o per monitorare la sicurezza sul posto di lavoro; tali strumenti di automazione automatizzata e flussi di lavoro di formazione miglioreranno la qualità e alimenteranno senza problemi le pipeline di dati per un’attivazione più rapida delle applicazioni di visione artificiale.
dashboard di esempio per l’annotazione automatica e il flusso di lavoro di formazione
- VISIONE in movimento: soluzione di analisi video SAAS
Il solito collo di bottiglia nell’implementazione di una soluzione di analisi video a livello di settore è l’aggiornamento dell’hardware che costa una tonnellata in un sistema di sorveglianza convenzionale.
Stiamo assistendo a un aumento dei software di analisi video , che possono integrarsi perfettamente con l’infrastruttura esistente e possono fornire approfondimenti in movimento. I software vengono addestrati su oltre 300 diversi parametri per il monitoraggio sensibile con un tasso minimo di falsi allarmi, offrono un’implementazione rapida e semplice senza spese hardware significative. I software sono personalizzabili e facili da scalare, risparmiando tempo e costi.
Nel 2021, vedremo progressi nei software basati sulla visione artificiale per cambiare dinamicamente qualsiasi telecamera alla mappatura del modello AI in qualsiasi momento.
- VISIONE con una ragione: AI Explainability
I modelli di visione artificiale hanno un’applicazione diffusa dal semplice rilevamento di oggetti al monitoraggio degli eventi. La precisione dei modelli è salita al 95% -99%, lasciando la maggior parte delle teste aziendali impressionate. Tuttavia, la comprensione delle ragioni alla base delle rilevazioni o delle azioni è altrettanto importante per valutare la fiducia in un modello.
In un esperimento condotto da studenti dell’Università di Washington, hanno addestrato una rete neurale basata sulla visione artificiale per distinguere tra cani e lupi con un determinato set di dati. Il modello sorprendentemente non ha appreso le differenze tra lupi e cani, ma invece ha appreso che i cani erano sull’erba nella loro foto e che i lupi erano sulla neve.
esperimento di spiegabilità dell’IA
Per soddisfare questo requisito esistono nuovi modelli di intelligenza artificiale che spiegano la classificazione o la segmentazione delle immagini. Questi modelli di visione artificiale e apprendimento automatico forniscono il ragionamento alla base delle previsioni fatte senza sottoporle all’interpretazione umana.
Nei prossimi anni, vedremo più ricercatori inventare strumenti e framework per comprendere e interpretare il comportamento e le prestazioni del modello di visione artificiale.
Conclusione
Secondo Gartner , “la dimensione del mercato globale della visione artificiale è stata valutata a 10,6 miliardi di dollari nel 2019 e si prevede che crescerà a un tasso di crescita annuale composto (CAGR) del 7,6% dal 2020 al 2027”.
Vision Intelligence giocherà un ruolo chiave nel mondo industriale Post-COVID. Con il picco nell’adattamento alla trasformazione digitale negli ultimi 9 mesi; la forte esigenza di automazione avanzata nell’industria manifatturiera; un aumento della domanda di sistemi di ispezione della qualità guidati dalla visione; Aumentando le iniziative governative favorevoli per la sicurezza dei lavoratori, prevediamo una crescita esponenziale del mercato.