Logo cs.build-repair.com
Společnost a trh 2023

Umělá Inteligence Detekuje Opotřebení Kuličkových šroubů

Obsah:

Umělá Inteligence Detekuje Opotřebení Kuličkových šroubů
Umělá Inteligence Detekuje Opotřebení Kuličkových šroubů

Video: Umělá Inteligence Detekuje Opotřebení Kuličkových šroubů

Video: Umělá Inteligence Detekuje Opotřebení Kuličkových šroubů
Video: Umělá inteligence podle Pěchoučka 2023, Březen
Anonim

U kulových šroubů, jako jsou ty, které se používají v soustruzích pro přesné vedení při výrobě válcových součástí, bylo opotřebení dosud určováno ručně. Při výměně vadných součástí musí být stroj v klidu. Vědci z KIT nyní vyvinuli systém pro plně automatické sledování kuličkových šroubů v obráběcích strojích, který má snížit prostoje stroje.

„Náš přístup je založen na integraci inteligentního kamerového systému přímo do pohonu kuličkových šroubů. To umožňuje uživateli průběžně sledovat stav vřetena. Pokud bude třeba jednat, bude o tom automaticky informován, “vysvětluje profesor Jürgen Fleischer z Institutu pro výrobní technologie KIT (WBK).

Interpretace umělé inteligence se nosí přesně

U nového systému je k matici kulového šroubu připevněna kamera s osvětlením. Jak se matice pohybuje po vřetenu, pořizuje jednotlivé snímky každé části vřetena. To znamená, že je analyzován celý povrch vřetena.

Zachycená obrazová data jsou pak vyhodnocena umělou inteligencí. Uživatelé tak získají přímé posouzení stavu povrchu vřetena.

„Náš algoritmus jsme vyškolili tisíci nahrávkami, takže nyní můžeme s jistotou rozlišit mezi vřeteny se vadami bez vad,“říká Tobias Schlagenhauf z WBK, který pracoval na vývoji systému. Další vyhodnocení obrazových dat kvantifikuje a interpretuje opotřebení přesně. „To nám umožňuje rozlišit, zda je zbarvení jednoduše špína nebo škodlivé propadnutí,“vysvětluje Schlagenhauf.

Tip semináře

S on-line kurzem strojového učení - jak se stroj učí? ponořit se hlouběji do metodologie. Profesor van der Smagt - vedoucí umělé inteligence ve Volkswagenu - vysvětluje účastníkům za dvě hodiny nejdůležitější pojmy strojového učení koncentrovaným a kompaktním způsobem.

Při trénování umělé inteligence byly brány v úvahu všechny možné formy vizuálně viditelné degenerace a funkčnost algoritmu byla ověřena novými obrazovými daty, které model nikdy předtím neviděl. Algoritmus je vhodný pro všechny aplikace, ve kterých mají být identifikovány obrazové vady na povrchu vřetena, a lze je také přenést do jiných aplikací.

Populární podle témat