业界应用人工智能的甜点在于连接AI和视觉系统实现质量控制最近加入这一领域的机构侧重于实现获取视觉AI的民主化并扩展其使用范围,超出质量检验范围并纳入培训和流程控制
显示raptaAI平台使用现场视频捕捉由专家执行的集成过程raptaAI平台使用视频规范全组织的工作指令 教教引导集成过程
rapta平台学习复制人眼和脑协同理解几乎制造任务
Matthew Thornton在Rapta首席营销官解释道,“我们决定开发时模仿人而非LLMs人如此精通物理机敏性正因如此,我们训练AI像人学习-跨区1、2和3视觉, 区1聚焦小区,区2覆盖广视区,区3包含外围视觉教它什么聚焦点和时间 减轻噪声像人做 通过正负加固
Rapta使用自有AI据报告以Google DeepMind和脸书率先开发技术为基础,并合并卷积神经网络(三维数据用于图像分类和对象识别)、专有深学习模型和部署技巧提供公司全包系统
aptaCEO Aaron Brown表示公司技术可用于学习制造过程-从气袋和拖拉机装配电子板楼
平台
Rapta平台包括以下组件:
教系统组装过程使用rapta视觉搭建工具,知识工人为系统摄像头组装rapta深入学习AI分析录入视频学习正确步骤序列
rapta平台部署后从训练转向装配主管平台实时提供持续培训和质量保证,确保汇编工作正确完成
Brown表示:「所有问题都在于正确搭建产品, 百分百质量,Rapta工具自动化监督任务后, 你不再需要由主管环游, 基本上由照看成人完成他们的工作人工智能验证过程 工人知道他们有正确的事情 逐天发生
除集成应用外,拉普塔平台还可以与制造企业系统整合,如MES和ERP帮助实时预测和排序正因为所有rapta数据流都得到分析并相关联,数据可用应用编程接口与其他系统整合,以提供公司总运营更全面的视图
集中关注
人往往阻塞制造企业规模,特别是由于技术工人持续短缺,Rapta技术设计通过向工作室操作员持续显示性能数据帮助初级和持续工人培训
Brown表示:「你先教rapta公司部落知识如何正确和不正确步调全部视觉完成 无编码或数据科学经验连设施内灯光都可调适用户输入向raptaAI提供后, 5-10分钟内建模并准备部署
Brown补充道,“我们保持小模型集中避免AI问题-像你们知道LLMs-更重要的是,我们想方便训练AI无障碍性
rapta平台还显示仪表板定时器以表示教AI时具体集任务应执行多久Thornton表示,定时器可调整,供专家装配工和新手应用,帮助工人理解集成效果
OCR演示
自动化世界Rapta平台最近演示两个应用-OCR(光字符识别)和现场培训
OCR应用中,rapta平台用于检查板结构验证所有线标签都安装在右序和右构件上
系统能读取面板中的一切-包括线和标签Brown表示:「如果发现问题,工人们有机会在继续工作前纠正问题我们真正想做的是避免调用主管确定问题纠正后系统会扫描并给予确定进程从我们的角度应用AI的强项-它全是为了帮助运算符成功
通过虚拟化监督功能确保100%质量,Brown说RaptaOCR特征-最初设计为电板建设行业特征-可有效用于任何行业
博客Brown表示:「每个客户使用OCR的原因不同,错误类型泵安装错误点或序列号翻转来复枪范围,导致序列号错误离开汇编区正因如此业界需要能力自动读校验文本
原位演示
第二次拉普塔系统演示侧重于原位控制制造过程允许用户快速查看他们做了什么来确定部件安装正确性
系统会警告用户是否安装组件,比如倒置或构件与地铁相邻构件相隔太远
一个很好的实例实例可见于螺旋电路联动过程工人们需要调色调时,例如8门套件,如果插件不按正序转动,问题就可能出现。问题不适当推理包括碎片松散压缩片
Brown指出,除了目视检测螺旋转动过程外, Rapta平台可处理叉枪输入物以验证右螺旋发生正确事件并应用适当量叉子
原位应用拉普塔平台还可以扩展至供应链验证以识别部分异常
Thornton说道,“如果接受部分是出于容恕,即使是专家装配器也会有组装问题”。容不下从供货商新批量 产生重大组装问题 生产减速
平台还可以突出设计缺陷,如果制造过程证明不可重复