Miért érdemes gépi látást és MI-t alkalmazni a munkafolyamatok során?

Egyetlen gép sem helyettesítheti teljesen az emberi munkavégzést, de nagyban hozzájárulhat az unalmas, monoton, fárasztó vagy veszélyes feladatok megkönnyítéséhez.

Ez egy régebbi cikk, amelynek közzétételi időpontja 2020.02.12 volt. Némely benne foglalt információ mára már elavult lehet. Kérdésével bátran forduljon hozzánk, szívesen segítünk!

Az AAEON-nal közösen szervezett webinárium minden bizonnyal Önt is meggyőzte. Marlo Banganga az AAEON vezető üzletfejlesztési vezetője. A webinárium során számos érdekes információt árult el a gépi látásról és a mesterséges intelligenciáról. Manapság már nem kérdés, hogy be kell-e vezetni a gépi látást és az MI-t a munkafolyamatokba, sokkal inkább égetőbb az a kérdés, hogy milyen gyorsan és milyen mértékben történjen a változás, és milyen területeken lehet a leginkább kihasználni a technológia előnyeit.

Globális szinten a gépi látás használata évről évre növekszik (1. kép). Míg a 2015-ös bevételek milliós szinten mozogtak, a 2022-re becsült bevételek megközelítik az 50 milliárd dollárt.

obr2401_pec1a6c99f422.jpg


(1. kép) Computer Vision Revenue


A gépi látás leggyakoribb feladatai a gyártásban:

  • azonosítás
  • pontos és gyors érintésmentes mérés
  • teljességellenőrzés 
  • helyes elhelyezés és minőségellenőrzés
  • térbeli robotirányítás

Az egyes feladatok különféle követelményeket támasztanak a beágyazott rendszerekkel szemben a gépi látáshoz. Az AAEON a kompakt rendszerektől kezdve a legegyszerűbb feladatokig minden területet lefed, legyen szó objektumérzékelésről vagy az Intel Xeon processzor-alapú rendszerekről GPU, VPU vagy FPGA alapú képfeldolgozó gyorsítókkal.

A webináriumról készült felvételből az is kiderül, hogy milyen hasznos tanácsokkal látta el Marlo a résztvevőket.

A prezentáció második része a neurális hálózatok alapelveivel és a legjellemzőbb alkalmazási modellek bemutatásával foglalkozott:

  • képek osztályozása
  • tárgyak észlelése 
  • arcfelismerés/megkülönböztetés
  • videóbesorolás
  • képszegmentálás (image segmentation)
  • beszédfelismerés 


A neurális hálózatok működése nagyban hasonlít az emberi agyéhoz, ezért gyakran „mesterséges intelligenciaként” is emlegetik őket.

Az első lépés a modell tanítása (training). Ebben a szakaszban bemeneti adatokat és helyes kimeneti adatokat mutatnak a neurális hálózatnak. A képzés során a neurális hálózatok oly módon változtatják meg belső paramétereiket, hogy a szükségesnél kevesebb hibával dolgozzanak. A modell betanítása rendkívüli méretű számítási teljesítményt igényel, tehát általában adatközpontokban bérelt hardveren fut.

A folyamatosan növekvő CPU és GPU számítási teljesítménynek, valamint a kifejezetten a neurális hálózatokhoz tervezett chipek fogyasztásának csökkenésével, és elérhetőségének növekedésével, a „mesterséges intelligencia” helyben alkalmazható, ott, ahol az adatokat előállítják. Az efféle használathoz a nehezen lefordítható AI@Edge kifejezés társul.

Az AAEON éppen erre a célra használatos hardver gyártására összpontosít, ahogyan arról már korábban szó volt a Mesterséges intelligencia a hálózat szélén című cikkünkben.


A felvétel megtekintéséhez kérjük, adjon meg néhány információt magáról! Köszönjük!



Ne maradjon le a hasonló cikkekről!

Önnek is tetszenek cikkeink? Ne maradjon le egyről sem! Nem kerül erőfeszítésébe, mi eljuttatjuk Önhöz.

Egyetért a sütik tárolásával?
Üdvözöljük az SOS electronic weboldalán. Mielőtt belépne online világunkba, szeretnénk megkérni, hogy engedélyezze, hogy sütiket (cookie) tároljunk böngészőjében. Hozzájárulása segít abban, hogy hibamentesen nézhesse meg oldalunkat, mérjük annak teljesítményét és egyéb statisztikákat készíthessünk. Mindemellett termékeinket és szolgáltatásainkat szó szerint személyre szabottan tudjuk így kínálni. Harmadik felek számára is biztosítunk sütiket. Nálunk azonban biztonságban érezheti magát.
A weboldal megfelelő működése
Stabilabb műszaki ellenőrzés
Jobb marketing ajánlat

Bővebben a sütikről
Bővebben a személyes adatok kezeléséről