Garanzia di qualità: IT-Logix lancia l'offerta di visione artificiale

L'azienda di consulenza IT IT-Logix, che si concentra su business intelligence, data warehousing, data science e big data, sta espandendo la sua gamma di servizi per includere la visione artificiale per il controllo della qualità industriale. L'azienda ha un progetto architettonico-tecnologico dalla sua esperienza in progetti già realizzati.

Carne Migros
IT-Logix ha supportato Micarna nell'implementazione di un sistema di classificazione delle immagini basato su Microsoft Custom Vision. © Micarna

"Sulla base degli ordini di aziende commerciali e industriali, abbiamo sviluppato un approccio strutturato che include un piano di architettura tecnica per l'integrazione di sistemi periferici tipici", dice Samuel Rentsch, Co-CEO di IT-Logix. "Questo perché stiamo percependo una crescente domanda di visione artificiale con metodi avanzati di apprendimento automatico, al fine di essere in grado di gestire anche processi decisionali complessi nel Garanzia di qualità da coprire".

Molti sistemi esistenti hanno raggiunto la fine del loro ciclo di vita, per cui si stanno valutando soluzioni per applicazioni esigenti per nuovi acquisti. La gamma è completata da una selezione qualificata di prodotti di telecamere e servizi cloud di vari fornitori per generare e addestrare immagini e algoritmi. I campi di applicazione sono eccitanti e diversificati", dice Rentsch, "vanno dalle applicazioni commerciali e di conformità agli standard nell'industria e nella produzione ai fornitori di automobili e all'ispezione di biospecifici microscopici nei laboratori medici". 

La visione artificiale ieri e oggi

La visione artificiale si riferisce alle applicazioni industriali che utilizzano sistemi visivi per guidare i processi automatizzati. Per decenni, ha contribuito ad aumentare l'efficienza del controllo di qualità in vari settori della vita e delle industrie. Tuttavia, i complessi processi decisionali nell'assicurazione della qualità spesso richiedono tecniche avanzate che vanno oltre i metodi convenzionali. Il Deep Learning, come sottocampo dell'intelligenza artificiale (AI), permette ora anche controlli più sofisticati di fatti, unità e marche, per esempio nel caso di disposizione casuale, forme casuali o criteri di valutazione mutevoli, scrive IT-Logix. Ad esempio, l'azienda ha sostenuto l'affiliata Migros Micarna in un progetto per un sistema di classificazione delle immagini basato su Microsoft Custom Vision: questo ha lo scopo di sollevare i dipendenti del più grande produttore di carne, pollame, pesce e uova da processi decisionali ripetitivi e fisicamente faticosi per la classificazione dei prodotti da macello (vedi testo sotto).

Fonte: IT Logix

 

Lavorazione della carne con l'AI

Con l'intelligenza artificiale (AI), Micarna, l'affiliata di Migros, alleggerisce i dipendenti dai processi decisionali ripetitivi e fisicamente faticosi per la classificazione dei prodotti da macello. Nello stabilimento di taglio del più grande produttore svizzero di carne, pollame, pesce e uova, l'identificazione dei prodotti è supportata da un sistema di classificazione delle immagini basato sul servizio Custom Vision della famiglia Cognitive Services di Microsoft, invece che dall'ispezione visiva dei dipendenti. IT-Logix ha quindi lavorato insieme a Micarna per fornire la prova del concetto. A questo scopo, l'algoritmo di classificazione delle immagini fornito da Microsoft doveva essere condizionato ai requisiti specifici dell'azienda.

"Il fatto che il sistema funzioni fondamentalmente è già stato dimostrato insieme a IT-Logix", dice Michael Kott, capo del Project Management di Micarna a Bazenheid. Lo scopo del progetto era che i dipendenti ricevessero suggerimenti per tutti i prodotti dall'intelligenza artificiale e poi dovessero solo confermarli e inserirli nel sistema al tocco di un pulsante. L'AI non ha quindi lo scopo di razionalizzare le persone, ma di facilitare il loro lavoro. Se il servizio si fa carico del lavoro visivo fisicamente faticoso della classificazione, l'uomo può concentrarsi sulla conferma del suggerimento del sistema e conservare così le sue forze. "La categorizzazione delle immagini porta un grande sollievo e anche un'ottimizzazione della qualità del risultato a lungo termine", dice Kott.

 

 

 

(Visitato 344 volte, 1 visita oggi)

Altri articoli sull'argomento