マシンビジョン:工場フロアの産業機械をTensorFlowに接続

TensorFlowの専門家は、すばらしいモデルを構築しています。TensorFlowは、Google Brain Teamによって開発されたオープンソースの機械学習プラットフォームを使用して、テキストベースの音声検索および顔認識ソリューションを企業に提供しています。 TensorFlowは、製造におけるリアルタイムのオブジェクト検出やその他のマシンビジョンのユースケースの基盤にもなります。作成したTensorFlowモデルは、たとえば、ロボット誘導システムに電力を供給し、効率的な検査およびアセンブリ検証ソリューションを促進し、スマートな在庫および資産管理システムを実現し、機械のパフォーマンスを最適化することができます。さらに、製造業者が製品の品質を向上させ、反復的なタスクを自動化してより効率的に運用し、ダウンタイムを回避するのに役立つ可能性があります。

ただし、作成したエレガントなTensorFlowモデルから最大の価値を提供するには問題があります。 TensorFlowモデルをメーカーのマシンに接続して、実際に何かを実行できるようにする方法を見つける必要があります。

自動化によるマシンビジョンは複雑

TensorFlowモデルを実際の産業環境にデプロイし、適切なアクションをトリガーさせることは、複雑な多段階のプロセスです。モデルを開発した後、次のことを行う必要があります。

  • トレーニングを行う
  • デプロイする
  • ビデオストリーミングを有効にする
  • 推論データを使用して目的の出力を生成するアプリケーションを開発する
  • 適切なユーザーインターフェイスを作成する
  • PLC接続を有効にする

プロセスで最も一般的なハードルには、次のものがあります。

1.トレーニングデータへのアクセス

製造オペレーションでは、さまざまなベンダーのITおよびOTソリューションを使用できます。これらのソリューションは、多くの場合、さまざまな方法でフォーマットされたデータを使用して、複数のデータストリームを生成します。ただし、TensorFlowモデルをトレーニングしてテストするには、モデルが実際の操作で効果的に機能するように、システムが使用するすべてのタイプのデータにアクセスする必要があります。この課題をさらに増幅するために、運用では、重要なデータを生成するがネットワークに接続する簡単な方法を提供しないレガシー機器を使用する場合があります。すべてのデータストリームを結び付け、モデルのトレーニングとテスト中、および進行中の操作中にデータが自由に流れるようにする方法が必要です。

2.エッジでのTensorFlowモデルのデプロイ

実際のアプリケーションでは、TensorFlow Liteを介して組み込みのモノのインターネット(IoT)またはその他のエッジデバイスにTensorFlowモデルをデプロイするのが最善の戦略かもしれません。エッジでの機械学習機能により、レイテンシーを削減し、信頼性を高めることができますが、必要なすべての処理と電力の要件を満たしながら、過酷な産業環境に耐えることができるシステムのコンポーネントを選択する必要があります。

3.推論データを変換して機器を自動化および制御する

TensorFlowモデルが正常にトレーニングされたら、欠陥の特定やコンベアのコントローラへのメッセージの送信など、推論データに基づいて機器の機能を自動化する効率的な方法を設計する必要もあります。モデルは、産業機器と「対話」する必要があります。

工場フロアでTensorFlowを実行するための最良の方法

あなたの専門分野がTensorFlowである場合、あなたの専門分野はコンピューター数値制御(CNC)マシンではない可能性があります。開発者がシステムを機能させるために専門知識を習得する必要があるときはいつでも、2つの選択肢があります。新しいリソースを見つけるか、専門家と提携するかです。 TensorFlowを産業ユースケースに活用するシステムを構築している場合、特に機械や組み込みAIを使用して呼吸している企業と提携するオプションがある場合は、提携がおそらくより便利なルートです。 ADLINKを使えば、それは私たちの名前でもあります– Autonomous DevicesLINKed。 TensorFlowソリューションをより迅速に構築、テスト、デプロイするために必要なツールを提供する準備が整いました。

TensorFlowモデルをメーカーで機能させるときに開発者が遭遇する一般的な問題点に対処するエッジソリューションがあります。当社のソリューションにより、次のことが可能になります。

  • 産業用カメラからの画像を記録、キャプチャ、ストリーミングして、モデルをトレーニングおよびテストします。
  • 複数のソースからの画像データを使用するには、任意のベンダーの任意のカメラを接続します。
  • ワンタッチデプロイで、データソースに近いエッジにモデルをデプロイします。
  • 接続–箱から出して–150以上のOT制御システムのいずれか。
  • JavaScriptまたはC ++を使用して独自のアプリを作成します。

また、製造用のTensorFlowモデルの実装に精通しているパートナーと協力できるという利点もあります。たとえば、パートナーがTensorFlowモデルを構築し、それをIntelのOpenVINOで実行することで、システムの高速化に成功していることを確認しました。

ADLINKのDataRiver™は、機械学習プラットフォーム、ニューラルネット、マシンビジョンシステム、クラウドニューラル、産業用カメラ、製造装置を接続して統合し、必要な場所にリアルタイムでデータをストリーミングします。 

私たちのターンキー ADLINK Edge™ マシンビジョンAIソリューションには、カメラを接続し、TensorFlowまたはその他のMLモデルを支援し、推論データをリアルタイムでストリーミングするために必要なすべてのハードウェアとソフトウェアが含まれています。このエッジソリューションにより、事前構成されたソリューションを含むエネルギー要件を削減しながら、処理時間の短縮、レイテンシの短縮、エッジでの制御が可能になるため、コーディングは不要です。

TensorFlowモデルを実行するために必要なハードウェア

産業用エッジハードウェアは、工場フロアでTensorFlowを実行するための重要なコンポーネントです。もちろん ADLINKは網羅していますー すぐに導入できるビジョンシステム、フレームグラバー、および過酷な条件でのエッジコンピューティング用のスマートカメラを備えています。 Intel、NVIDIA、Camera Link、GiGE、またはアナログ標準のサポート間で柔軟性があることを確認する必要があります。

TensorFlowで構築するマシンビジョンモデルは、自動化、効率、可視性、競争力の向上などのメリットをメーカーに提供する可能性があります。ただし、最大の価値を提供するには、モデルは、運用とその環境向けに設計されたシステム全体の一部であり、レガシーマシンを含む製造装置で動作できる必要があります。

著者:ダニエル・コリンズ
著者:ダニエル・コリンズ

ADLINK Technology、Edge Solutions、シニアディレクター

コメントを残す

メールアドレスが公開されることはありません。 * が付いている欄は必須項目です