الرئيسية » علوم وتكنولوجيا » التعلم الآلي لآلات التصنيع: تطبيق البحث المرئي على الأجزاء الميكانيكية
التعلم الآلي لآلات التصنيع

التعلم الآلي لآلات التصنيع: تطبيق البحث المرئي على الأجزاء الميكانيكية

التعلم الآلي لآلات التصنيع

يستخدم باحثو رؤية الكمبيوتر التعلم الآلي لآلات التصنيع. وذالك لتدريب أجهزة الكمبيوتر على التعرف على الأشياء بصريًا ولكن القليل منهم يطبق التعلم الآلي على الأجزاء الميكانيكية مثل علب التروس والمحامل والمكابح والقوابض والمحركات والصواميل والمسامير والغسالات.

أنشأ فريق من المهندسين الميكانيكيين بجامعة بوردو أول قاعدة بيانات مشروحة ومن الضروري إن تكون مفتوحة المصدر شاملة لأكثر من 58000 قطعة ميكانيكية ثلاثية الأبعاد مصممة لمساعدة الباحثين على تطبيق التعلم الآلي على تلك الأجزاء في الآلات الفعلية .

قال كارثيك راماني ، أستاذ الهندسة الميكانيكية المرموق دونالد دبليو فيدرسن في جامعة بيرديو: “نحن في عصر التعلم العميق ، نستخدم أجهزة الكمبيوتر للبحث عن الأشياء بصريًا”. “ولكن لا أحد يركز على الأجزاء التي تدخل في الآلات: الأنابيب ، والمحامل ، والمحركات ، والغسالات ، والصواميل ، والمسامير ، وما إلى ذلك. هذه هي الأشياء التي تهمنا كمهندسين ومصنعين. نريد أن نكون قادرين على توجيه الكاميرا في جزء من العالم الحقيقي ، وجعل الكمبيوتر يخبرنا بكل شيء عن هذا الجزء أو التصميم “.

جرب فريق راماني البحث البصري عن الأجزاء في أوائل العقد الأول من القرن الحادي والعشرين ، لكن تقنيات قوة الحوسبة والتعلم الآلي لم تكن متقدمة بما يكفي بعد. في السنوات التي تلت ذلك ، تعلم الباحثون أن بناء مجموعة بيانات متينة يتعلق بالجودة والكمية.

قال راماني: “التعلم العميق يحتاج إلى البيانات”. “يحتاج الكمبيوتر إلى الكثير من الأمثلة لمعرفة ما يعنيه البشر وكيف ترتبط الأشياء ببعضها البعض. وهذا يعني أننا بحاجة إلى الكثير من النماذج ثلاثية الأبعاد للأجزاء التي تتطلب أيضًا تصنيفًا هندسيًا أساسيًا.

بدأ الفريق بالشراكة مع شركة فرنسية تُدعى TraceParts ، مما أتاح لباحثي Purdue الوصول إلى قاعدة بياناتهم الخاصة بالأجزاء الهندسية ثلاثية الأبعاد. تعاون الفريق مع جامعة تكساس ، الأستاذ المساعد Qixing Huang في أوستن للبحث في قواعد بيانات أخرى عن نماذج ثلاثية الأبعاد مماثلة. انتهى بهم الأمر بتجميع قاعدة بيانات تضم 58696 مكونًا ميكانيكيًا .

لكن قاعدة البيانات ليست جيدة بدون بيانات جيدة. نظم فريق راماني الأجزاء من خلال إنشاء تصنيف هرمي من 68 فئة ، بناءً على التصنيف الدولي للمعايير ، وهو نظام من المعايير الفنية تم إنشاؤه والمحافظة عليه من قبل المنظمة الدولية للتوحيد القياسي.

قال راماني: “الآن عندما يرى الكمبيوتر صورة لمكون مانع للتسرب ، فإنه سيعرف أنه يناسب فئة الأختام الديناميكية ، ثم بشكل أكثر تحديدًا ، تحت الأختام المركبة”.

نشر الباحثون الآن قاعدة بياناتهم مفتوحة المصدر ، ودعوا الباحثين في مجال رؤية الكمبيوتر والتعلم الآلي للوصول إليها وإنشاء تجاربهم الخاصة. عرضوا عملهم في المؤتمر الأوروبي السادس عشر حول رؤية الكمبيوتر في أغسطس.

مع إنشاء مجموعة بيانات معيارية الآن ، ما هو مستقبل التعلم الآلي لصنع الآلات؟

قال راماني: “نرى العديد من المواقف الواقعية لهذه التكنولوجيا”. “تخيل أنك تعمل على صيانة في مصنع ، وأنت تستبدل جزءًا من آلة. يمكنك توجيه الكاميرا إلى هذا الجزء ، وسيقوم الكمبيوتر بالتعرف عليه ، ويعطيك على الفور جميع مواصفات هذا الجزء – ما يطلق عليه ، ما يتصل به ، ومكان تخزينه فعليًا في المصنع. يمكن أن يحدث هذا حتى من خلال نظارات الواقع المعزز ؛ يمكنك الحصول على الكتالوج المرئي لشركتك على الفور في متناول يدك وتعلم كيفية إصلاح الأشياء أو طلب أجزاء.

“هناك الكثير من التحديات في التعلم الآلي. ولكن لا يمكنك التعامل مع التحدي إلا إذا كنت تعرف كيفية اختبار مدى جودة أدائك. نحن فخورون بأننا أنشأنا أول مجموعة بيانات معيارية واسعة النطاق من 3 تعليقات توضيحية د ـ المكونات الميكانيكية في العالم ، ونأمل أن ينهض البحث المرئي في عصر التعلم العميق “.

شاهد أيضاً

تغير المناخ

تغير المناخ: هل نحن جاهزون لنهاية عصر النفط خفض الاستهلاك اليومي

هذا العام ، أدى تفشي فيروس كورونا إلى خفض الاستهلاك اليومي من النفط الخام بمقدار …

اترك تعليقاً

لن يتم نشر عنوان بريدك الإلكتروني. الحقول الإلزامية مشار إليها بـ *