28 lat na rynku
Oddziały w 7 krajach
Klienci z ponad 100 krajów
Wsparcie od prototypu aż po produkcję
AAEON

W jaki sposób wykorzystać system wizyjny i sztuczną inteligencję w procesach biznesowych?

Machine learningMachine visionArtificial intelligence

Żadna maszyna nie może w pełni zastąpić pracy wykonywanej przez człowieka, ale może przydać się do zadań, które są nudne, monotonne, mozolne lub niebezpieczne.

Sądzimy, że webinarium zorganizowane przez nas we współpracy z AAEON w pełni Was o tym przekonało. Marlo Banganga pełni funkcję Senior Business Development Manager w firmie AAEON. Podczas webinarium rozwiał wiele wątpliwości dotyczących stosowania systemu wizyjnego i sztucznej inteligencji. Obecnie nikt nie kwestionuje konieczności wdrażania systemów wizyjnych i sztucznej inteligencji w celu usprawnienia procesów biznesowych. Omawiana jest jedynie kwestia, w jakim czasie i zakresie rozwiązania te mogą zostać wprowadzone oraz jak czerpać z korzyści płynących z ich zastosowania.

Skala wykorzystania systemów wizyjnych na świecie wzrasta z każdym rokiem (rys. 1). W 2015 r. dochód z ich stosowania sięgnął blisko miliarda USD, a w roku 2020 może wynieść nawet 50 miliardów USD.

obr2401_pec1a6c99f422.jpg


rys.1 Computer Vision Revenue


W branży produkcyjnej system wizyjny wykorzystuje się głównie w celu: 

  • identyfikacji 
  • dokładnych, szybkich i bezdotykowych pomiarów
  • sprawdzenia kompletności
  • sprawdzenia poprawności umiejscowienia wyrobów i ich jakości
  • nawigowania robotami w określonej przestrzeni


Wykonanie poszczególnych zadań stwarza określone wymogi dla technologii wbudowanych wykorzystywanych w systemach wizyjnych. AAEON oferuje różnorodne rozwiązania: od kompaktowych systemów wykonujących proste zadania, takie jak wykrywanie przedmiotów, do systemów z procesorami Intel Xeon i gniazd do akceleratorów przetwarzania obrazów opartych na technologii GPU, VPU lub FPGA.

Sprawdź, jakich porad udzielił Marlo uczestnikom webinarium – obejrzyj nagranie.

Druga część prezentacji poświęcona była zasadom działania sieci i modeli neuronowych do typowych zastosowań:

  •  rozpoznawanie obrazów - wykrywanie przedmiotów
  • wykrywanie/rozpoznawanie twarzy
  • rozpoznawanie nagrań
  • segmentacja obrazu
  • rozpoznawanie mowy


Sieci neuronowe imitują działanie ludzkiego mózgu, dlatego też często są nazywane „sztuczną inteligencją”.

Pierwszym krokiem jest szkolenie modelu. Na tym etapie do sieci neuronowej wprowadzane są dane wejściowe i poprawne dane wyjściowe. Podczas szkolenia sieć neuronowa zmienia swoje wewnętrzne parametry w celu stworzenia danych wyjściowych z błędem – mniejszym, niż wymagany. Szkolenie modelu to zadanie bardzo wymagające pod względem mocy obliczeniowej i jest to proces przeważnie przeprowadzany na dzierżawionym sprzęcie w centrach danych.

Dzięki ciągłemu zwiększaniu mocy obliczeniowej CPU i GPU, przy jednoczesnym zmniejszeniu zużycia energii i dostępności chipów stworzonych specjalnie do wykorzystania z sieciami neuronowymi, rozwiązania „sztucznej inteligencji” mogą już zostać wdrożone nawet lokalnie w miejscu, w którym generowane są dane. Wykorzystanie tej technologii określa się trudnym do przetłumaczenia słowa – AI@Edge.

AAEON koncentruje się na produkcji sprzętu wykorzystywanego tylko w tym celu, o czym pisaliśmy w naszym artykule pt. „Sztuczna inteligencja na brzegu Twojej sieci”. Jak to wygląda w praktyce i jaki sprzęt jest do tego potrzebny? Dowiedz się więcej oglądając nagranie z webinarium.


Zanim udostępnimy nagranie, prosimy o podanie w kwestionariuszu kilku informacji na Twój temat. Dziękujemy



Nie przegap tych artykułów!

Czy spodobały Ci się nasze artykuły? Nie przegap żadnego! Zajmiemy się wszystkim za Ciebie i chętnie sami Ci je dostarczymy.

Pliki cookie pomagają nam w świadczeniu usług. Korzystając z naszych usług, wyrażają Państwo zgodę na używanie plików cookie.
OK Więcej informacji