29 éve a piacon
Közvetlen képviselet 7 országban
Ügyfelek több mint 100 országban
Támogatás a fejlesztéstől egészen a gyártásig
AAEON

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

Machine learningMachine visionArtificial intelligence

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

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.

A cookie-k segítenek szolgáltatásaink nyújtásában, melyek igénybevételével Ön beleegyezik a cookie-k használatába.
OK Adatlap