Datadrevet modellering og AI-baseret billedbehandling for at forbedre produktionen

På Hannover Messe 2019, Fraunhofer FIT vil præsentere datadrevne modeller, der understøtter produktionsplanlægning og optimering af ressourceudnyttelse. Modellerne hjælper med at forstå og optimere komplekse processer, og kan bruges som forudsigelsesværktøjer. Ud over, vi demonstrerer et system, der bruger AI-baseret billedbehandling til at overvåge og evaluere, i realtid, menneskers situation og adfærd, f.eks. i en produktionsindstilling. Systemet kan bruges, for eksempel, automatisk at slå alarm, hvis en person sidder eller ligger på gulvet, angiver en farlig situation. Mød os i hal 2, stand C22.

Automatisering og udvikling af forretningsprocesser kræver data, der informerer om optimering af processer eller udvikling af innovationer. På Hannover Messe 2019, Fraunhofer FIT præsenterer en platformteknologi, der integrerer smarte databaser, specifikke analysemetoder samt netværkssensorer og måleinstrumenter. Funktionaliteter som vedligeholdelse og drift er repræsenteret i datamodellerne og kan forbedres til at omfatte forudsigelig vedligeholdelse. Dette letter smidig udvikling af nye tjenester og forretningsmodeller og deres fleksible tilpasning til hurtigt skiftende kunders behov.

"Det er vigtigt at forstå, at vi-i modsætning til traditionelle produktions- og automatiseringsteknologier med deres stærkt tilpassede, men ufleksible modeller-med datadrevne modeller ikke længere leder efter absolutte resultater. Modellerne tager højde for dataindsamling og datakvalitet kan tilpasses situationskrav, for at kunne reagere mere fleksibelt ", forklarer prof. dr. Harald Mathis, leder af gruppen Biomolekylære optiske systemer ved Fraunhofer Institute for Applied Information Technology FIT, der også leder SYMILA Fraunhofer Application Center i Hamm.

En anden vigtig komponent i vores system er det, vi kalder Smart Data Exchange. Det garanterer maksimal datasikkerhed og dataintegritet, f.eks. hvis data skal overføres fra et produktionssted til et andet.

Anerkendelse af menneskers holdninger i deres arbejdsmiljø ved hjælp af AI-baseret billedanalyse

Vores anden udstilling er et smart videosystem til beskyttelse af arbejdere i farlige arbejdsmiljøer. Systemet er i stand til at detektere den grundlæggende anatomiske struktur hos mennesker, dvs. hoved, bagdel, arme og ben, i en live videostream. Den anvendte metode kaldes Realtime Pose Estimation. Baseret på de påviste anatomiske strukturer og deres orienteringer, yderligere neurale netværk bestemmer holdningerne af de detekterede tal, f.eks. hvis en person står, sidder eller ligger på gulvet i området under overvågning.

Realtime Pose Estimation er en AI -applikation. Algoritmerne efterligner stort set neurale processer i hjernen, simulerer et dybt netværk af nerveceller. Analog med den menneskelige model, disse neuroner lærer af erfaring og træning. Vi brugte COCO -datasættet, som indeholder omkring 250, 000 billeder af personer med deres kropsdele identificeret og kommenteret, og flere yderligere datasæt til at træne vores system. Det kan nu pålideligt identificere kropsdele i ukendte scener i live videostreams.