Menerapkan pencarian visual ke bagian mekanis
Engine

Menerapkan pencarian visual ke bagian mekanis


Basis data baru akan membantu insinyur dan produsen menerapkan pembelajaran mesin pada suku cadang mekanis. Kredit: Gambar Universitas Purdue / Sangpil Kim

Peneliti computer vision menggunakan pembelajaran mesin untuk melatih komputer dalam mengenali objek secara visual — tetapi sangat sedikit yang menerapkan pembelajaran mesin pada bagian mekanis seperti kotak roda gigi, bantalan, rem, cengkeraman, motor, mur, baut, dan ring.

Sebuah tim insinyur mekanik Universitas Purdue telah membuat basis data beranotasi sumber terbuka komprehensif pertama yang terdiri dari lebih dari 58.000 komponen mekanis 3-D, yang dirancang untuk membantu peneliti menerapkan pembelajaran mesin ke bagian-bagian tersebut di mesin yang sebenarnya.

“Kita berada di era pembelajaran mendalam, menggunakan komputer untuk mencari sesuatu secara visual,” kata Karthik Ramani, Profesor Teknik Mesin dari Purdue Donald W. Feddersen. “Tapi tidak ada yang fokus pada bagian-bagian yang masuk ke mesin: pipa, bantalan, motor, mesin cuci, mur dan baut, dll. Itu adalah hal-hal yang penting bagi kami sebagai insinyur dan pabrikan. Kami ingin dapat menunjukkan kamera di bagian dunia nyata, dan minta komputer memberi tahu kami segala hal tentang bagian atau desain itu. “

Tim Ramani bereksperimen dengan pencarian visual untuk suku cadang di awal tahun 2000-an, tetapi kekuatan komputasi dan teknik pembelajaran mesin belum cukup maju. Bertahun-tahun setelah itu, para peneliti telah belajar bahwa membangun kumpulan data yang solid adalah tentang kualitas dan kuantitas.

Kredit: Universitas Purdue

“Pembelajaran mendalam adalah haus data,” kata Ramani. “Perlu banyak contoh bagi komputer untuk mempelajari apa yang dimaksud manusia dan bagaimana hal-hal saling berhubungan satu sama lain. Itu berarti kami membutuhkan banyak model 3-D suku cadang yang juga membutuhkan klasifikasi teknik yang mendasarinya.”

Tim ini memulai dengan bermitra dengan perusahaan Prancis bernama TraceParts, yang memberi para peneliti Purdue akses ke database mereka untuk bagian teknik 3-D. Tim tersebut berkolaborasi dengan University of Texas, asisten profesor Austin Qixing Huang untuk menjelajahi database lain untuk model 3-D yang serupa. Mereka akhirnya menyusun database 58.696 komponen mekanis.

Tetapi database tidak ada gunanya tanpa data yang baik. Tim Ramani mengatur bagian-bagian tersebut dengan menetapkan taksonomi hierarkis dari 68 kelas, berdasarkan Klasifikasi Internasional untuk Standar, sistem standar teknis yang dibuat dan dipelihara oleh Organisasi Internasional untuk Standardisasi.

Pembelajaran mesin untuk membuat mesin: Menerapkan penelusuran visual ke bagian mekanis

Peneliti Purdue University telah membuat database beranotasi sumber terbuka komprehensif pertama yang terdiri dari lebih dari 58.000 komponen mekanis 3-D. Kredit: Universitas Purdue / Jared Pike

“Sekarang ketika komputer melihat gambar komponen segel, ia akan tahu bahwa itu sesuai dengan kategori segel dinamis dan kemudian, lebih khusus lagi, di bawah segel komposit,” kata Ramani.

Para peneliti sekarang telah mempublikasikan database open-source mereka, mengundang para peneliti computer vision dan machine learning untuk mengaksesnya dan membuat eksperimen mereka sendiri. Mereka memamerkan karya mereka pada Konferensi Eropa ke-16 tentang Computer Vision pada bulan Agustus.

Dengan kumpulan data tolok ukur yang sekarang dibuat, bagaimana masa depan pembelajaran mesin untuk membuat mesin?

“Kami melihat banyak situasi dunia nyata untuk teknologi ini,” kata Ramani. “Bayangkan Anda sedang mengerjakan bagian pemeliharaan di sebuah pabrik, dan Anda mengganti bagian dari sebuah mesin. Anda dapat mengarahkan kamera ke bagian tersebut, dan komputer akan mengenalinya, dan langsung memberi Anda semua spesifikasi bagian itu — apa namanya, apa yang terhubung dengannya, dan di mana mereka disimpan secara fisik di pabrik. Ini bahkan dapat terjadi melalui kacamata augmented reality; Anda dapat memiliki seluruh katalog visual perusahaan Anda secara instan di ujung jari Anda dan mempelajari cara memperbaiki sesuatu atau memesan suku cadang.

“Ada banyak tantangan dalam pembelajaran mesin. Namun Anda tidak dapat mengatasi tantangan tersebut kecuali Anda tahu cara menguji seberapa baik Anda melakukannya. Kami bangga telah membuat kumpulan data tolok ukur skala besar pertama dari 3-anotasi Komponen mekanis D di dunia, dan kami berharap dapat memajukan penelusuran visual di era pembelajaran yang mendalam. ”


Teknik AI baru menciptakan bentuk 3-D dari gambar 2-D


Informasi lebih lanjut:
Tolok Ukur Komponen Mekanik Beranotasi Skala Besar untuk Tugas Klasifikasi dan Pengambilan dengan Deep Neural Networks. www.ecva.net/papers/eccv_2020/… paper / 123630171.pdf

Disediakan oleh Universitas Purdue

Kutipan: Pembelajaran mesin untuk membuat mesin: Menerapkan pencarian visual ke bagian mekanis (2020, 13 November) diakses 27 November 2020 dari https://techxplore.com/news/2020-11-machine-machines-visual-mechanical.html

Dokumen ini memiliki hak cipta. Selain dari transaksi yang adil untuk tujuan studi atau penelitian pribadi, tidak ada bagian yang boleh direproduksi tanpa izin tertulis. Konten disediakan untuk tujuan informasi saja.


Halaman Ini Di Persembahkan Oleh : Lagu togel