I singoli componenti senza codice a barre possono essere riconosciuti e catalogati in pochi secondi attraverso un sistema di rilevamento basato sulle reti neurali convoluzionali e disponibile anche come app per smartphone, tablet, laptop e computer desktop. Stiamo parlando di un sistema per il riconoscimento automatizzato e digitalizzato basato sulle reti neurali convoluzionali (CNN) per riconoscere i componenti, come viti, morsetti, ugelli, tubi, tubi e cavi, ma anche microcontrollori e altri dispositivi elettronici.
Il progetto del Fraunhofer IPK di Berlino per riconoscere i componenti industriali senza codice a barre
I ricercatori del Fraunhofer IPK di Berlino stanno applicando metodi di apprendimento automatico al processo di catalogazione per renderlo più semplice e veloce. Il risultato è un sistema di rilevamento chiamato Logic.Cube disponibile anche come app. Infatti poiché non tutte le società prenderanno in considerazione l’acquisto di Logic.Cube, il team di ricerca ha trasferito le funzionalità del sistema in una app indipendente, basata su browser, che funziona su smartphone, tablet, laptop e computer desktop.
“Le CNN sono diventate lo standard nell’elaborazione delle immagini. Il nostro obiettivo è generare un algoritmo per applicazioni industriali in modo che, anche con pochi dati, i componenti senza codice possano essere riconosciuti automaticamente, riducendo l’onere per il personale di ricezione. L’algoritmo dovrà distinguere facilmente anche oggetti molto simili tra loro, come viti dello stesso standard ma dimensioni differenti o turbocompressori di diverse serie di produzione” Jan Lehr, ricercatore presso il Fraunhofer IPK.
Come funziona il riconoscimento automatico
Gli oggetti da riconoscere, che hanno una lunghezza massima del bordo di 40 centimetri, sono posizionati nel dispositivo a forma di cubo con una scala integrata e sono fotografati da un massimo di nove telecamere. Un algoritmo di elaborazione delle immagini ne misura altezza, larghezza e lunghezza per calcolare le dimensioni della scatola o dello spazio sugli scaffali. Allo stesso tempo, il set di immagini risultante viene archiviato in un database, insieme al numero del materiale. Questi dati di immagine vengono usati per insegnare all’algoritmo di intelligenza artificiale a riconoscere una vasta gamma di componenti diversi.
Le immagini vengono poi caricate su Internet o sull’intranet aziendale e archiviate in un edge cloud locale, che è anche il luogo in cui avviene l’elaborazione e il riconoscimento effettivi delle immagini.
L’elaborazione delle immagini mediante l’AI può essere usata anche per esaminare le superfici dei componenti in entrata verificando se hanno subito eventuali danni.