Algemeen

Sick stopt Deep Learning in sensoren

Sick deep learning in sensoren
Het Sick applicatiesysteem op basis van Deep Learning herkent of een sorteerlijn in een logistieke hub daadwerkelijk maar één soort object bevat (foto: Sick).

Op de Hannover Messe 2019 presenteerde Sick zijn nieuwe softwareapplicaties op basis van Deep Learning algoritmen. Gebruikers van systeemoplossingen in de logistieke automatisering kunnen direct profiteren van de voordelen van de nieuwe technologie.

Met behulp van Deep Learning leveren sensoren bij het automatisch herkennen, testen en classificeren van objecten of eigenschappen intelligente prestaties die tot nu toe alleen aan mensen waren voorbehouden. Daarmee behoort Deep Learning als onderdeel van Machine Learning tot de belangrijkste technologieën van de toekomst binnen de kunstmatige intelligentie en is tegelijkertijd ook op lange termijn aanjager van Industrie 4.0.

Nadat het bedrijf al in januari de succesvolle toepassing van Deep Learning algoritmen in de eerste proefprojecten meldde, kondigde Sick op de Hannover Messe een nieuwe softwareapplicatie op basis van Deep Learning aan voor systeemoplossingen in de industriële automatisering. In deze applicatie herkent het Deep Learning systeem of een sorteersysteem in een logistieke hub daadwerkelijk slechts één type object bevat. Dit leidt tot efficiëntere goederenstromen.

Training voor de sensor

Om Deep Learning te realiseren, worden neuronale netwerken toegepast. De klassieke ontwikkeling van algoritmen wordt hoofdzakelijk gedragen door de handmatige ontwikkeling van een geschikte weergave van een eigenschap. Een neuronaal netwerk daarentegen wordt getraind op optimale eigenschappen voor zijn taak en kan met geschikte data steeds weer worden ‘bijgeschoold’ om zich aan nieuwe situaties aan te passen.

Zowel voor de opbouw van de set trainingsdata (voor het verzamelen en evalueren van duizenden beelden en voorbeelden) als voor het trainen van het neuronale netwerk gebruikt Sick een onafhankelijke krachtige computer- en IT-basis. Het omvangrijke rekenen aan complexe operaties binnen de Deep Learning oplossing voor het trainen gebeurt op speciaal daartoe uitgeruste computers met krachtige GPU’s.

De hieruit gegenereerde Deep Learning algoritmes worden lokaal op de sensor opgeslagen en zijn aldus direct en betrouwbaar beschikbaar op bijvoorbeeld een intelligente camera.

Deep Learning sensorportfolio

Met de omzetting van Deep Learning in geselecteerde sensoren en sensorsystemen maakt Sick in het Sick AppSpace ecosysteem de volgende stap: een nieuw sensorconcept dat aan te passen en voor de toekomst gerede oplossingen voor automatiseringstoepassingen biedt.

Tot de toekomstige producten die met de nieuwe technologie werken en hun klantspecifieke aanpassing voor de gebruiker echte meerwaarde genereren, behoren uiteraard meer beeldverwerkende sensoren en camera’s.

Het concept van de door kunstmatige intelligente gespecialiseerde sensoren kan in principe ook op eenvoudige sensoren worden toegepast, zoals inductieve naderingsschakelaars, reflectie-fotocellen, ultrasone sensoren en andere. Bovendien bieden systeemoplossingen zoals de steeds veeleisender voertuigclassificatie op tolwegen een potentieel voor door Deep Learning ondersteunde indeling van voertuigen in tolklassen.

Geef een reactie

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *

Deze website gebruikt Akismet om spam te verminderen. Bekijk hoe je reactie-gegevens worden verwerkt.

x
Mis niet langer het laatste nieuws

Schrijf u nu in voor onze nieuwsbrief.

Inschrijven