Cognex ViDi ™ เทคโนโลยี Deep Learning ที่พร้อมใช้งาน สำหรับวิเคราะห์ภาพแบบอัตโนมัติในกระบวนการผลิตที่ซับซ้อน

อัปเดตล่าสุด 20 มี.ค. 2563
  • Share :
  • 568 Reads   

วงการอุตสาหกรรมกำลังหันมาใช้เทคโนโลยีการเรียนรู้เชิงลึก (Deep Learning) เพิ่มมากขึ้นเรื่อย ๆ เพื่อแก้ปัญหาการตรวจสอบคุณภาพ (Quality Inspection) ในกระบวนการผลิตที่ซับซ้อน ใช้เวลานาน และมีค่าใช้จ่ายสูงในการเขียนโปรแกรมโดยใช้อัลกอริทึมแบบเดิม ซึ่งเป็นสิ่งท้าทายที่พบในระบบแมชชีนวิชั่นแบบดั้งเดิม (Traditional Machine Vision) แต่ด้วย “Cognex ViDi” ซึ่งเป็นเทคโนโลยี Deep Learning ที่พร้อมใช้งาน สำหรับวิเคราะห์ภาพแบบอัตโนมัติ เพื่อการตรวจสอบคุณภาพชิ้นงานในสายการผลิต โดยเทคโนโลยีนี้จะเปิดการทำงานโดยอัตโนมัติสำหรับการใช้งานที่ไม่เคยมีการเขียนโปรแกรมมาก่อน ซึ่งจะช่วยลดอัตราความผิดพลาด และย่นเวลาในการตรวจสอบให้รวดเร็วขึ้น 

ทำความรู้จักกับเทคโนโลยี Deep Learning

ตั้งแต่โทรศัพท์ในกระเป๋าของเราไปจนถึงรถยนต์ที่สามารถขับเคลื่อนได้ด้วยตนเอง เศรษฐกิจที่จะขับเคลื่อนโดยมุ่งเน้นการบริโภคจากในประเทศ (Consumer Economy) ได้เริ่มเคลื่อนเข้าสู่ขุมพลังแห่งเครือข่ายนิวรอล (Neural) ของเทคโนโลยีการเรียนรู้เชิงลึก (Deep Learning) การเรียนรู้เชิงลึกปรากฎขึ้นและกลายเป็นเทคโนโลยีพื้นฐานในบทสนทนา ข้อความ และการจดจำใบหน้า ที่เราใช้ในโทรศัพท์มือถือและอุปกรณ์ที่สวมใส่ในชีวิตประจำวัน และตอนนี้มันถูกนำมาใช้ในแอปพลิเคชันอื่น ๆ อีกมากมาย ตั้งแต่ใช้ในการวินิจฉัยทางการแพทย์ ไปจนถึงระบบรักษาความปลอดภัยทางอินเทอร์เน็ต อีกทั้งยังถูกนำมาใช้วิเคราะห์แพทเทิร์น และช่วยในการตัดสินใจทางธุรกิจที่สำคัญ เทคโนโลยีเดียวกันนี้เองได้ย้ายเข้าสู่กระบวนการผลิตขั้นสูงสำหรับการตรวจสอบคุณภาพ และใช้ในด้านอื่นๆ ที่ต้องอาศัยการพินิจพิเคราะห์ในการตัดสินใจ

ในสาระสำคัญ Deep Learning สอนให้หุ่นยนต์และเครื่องจักรเลียนแบบพฤติกรรมของมนุษย์ หรืออีกนัยหนึ่งก็คือการเรียนรู้จากตัวอย่าง ฮาร์ดแวร์ใหม่ ๆ ที่ราคาไม่สูงมากก็ได้ติดตั้งและปรับใช้งานเครือข่ายนิวรอลของ Deep Learning แบบ multi layered  ซึ่งเลียนแบบเครือข่ายเซลล์ประสาทในสมองมนุษย์ สิ่งนี้ทำให้เทคโนโลยีการผลิตมีความสามารถใหม่ที่น่าทึ่งในการจดจำรูปภาพ แยกแยะเทรนด์ และสามารถคาดการณ์และตัดสินใจได้อย่างชาญฉลาด เริ่มจากตรรกะหลักที่พัฒนาขึ้นในระหว่างการฝึกอบรมระบบในเบื้องต้น และหลังจากนั้นเครือข่ายนิวรอลของเทคโนโลยีการเรียนรู้เชิงลึกสามารถปรับปรุงประสิทธิภาพของตัวเองได้อย่างต่อเนื่องเมื่อมีการป้อนข้อมูลภาพ บทสนทนา และข้อความใหม่ ๆ เข้าไป

การวิเคราะห์ภาพที่ใช้เทคโนโลยีการเรียนรู้เชิงลึก เป็นการรวมข้อมูลจำเพาะและความยืดหยุ่นของการตรวจสอบ ด้วยสายตาของมนุษย์กับความน่าเชื่อถือ ความแม่นยำ และความเร็วของระบบคอมพิวเตอร์เข้าด้วยกัน เทคโนโลยี Deep Learning สามารถแก้ปัญหาทางด้านวิชั่นที่ยากลำบากได้อย่างแม่นยำและทำซ้ำได้ตลอด ซึ่งโดยปกติแล้วจะยากต่อการหาโซลูชั่นมาช่วยแก้ไขและบ่อยครั้งไม่สามารถทำได้ด้วยวิธีการแบบดั้งเดิมที่อาศัยระบบแมชชีนวิชั่น แบบจำลอง Deep Learning สามารถแยกแยะจุดบกพร่องที่ยอมรับไม่ได้ ในขณะที่ผ่อนปรนต่อข้อแตกต่างตามธรรมชาติสำหรับชิ้นงานที่มีแพทเทิร์นที่ซับซ้อน และยังสามารถปรับตัวให้พร้อมรับกับตัวอย่างใหม่ ๆ โดยไม่จำเป็นต้องเขียนโปรแกรมใหม่สำหรับอัลกอริทึมหลักอีกด้วย

ซอฟต์แวร์ Deep Learning สามารถค้นหาชิ้นส่วนตามการพิจารณาที่เหมาะสม (judgement-based) การตรวจสอบ (inspection) การจำแนก (classification) และการจดจำตัวอักษรที่ท้าทายได้อย่างมีประสิทธิภาพมากกว่ามนุษย์ หรือโซลูชันแมชชีนวิชั่นแบบดั้งเดิม ผู้ผลิตชั้นนำต่างหันมาใช้โซลูชันการเรียนรู้เชิงลึกและปัญญาประดิษฐ์ (Deep Learning and AI) เพื่อแก้ปัญหาในระบบการทำงานอัตโนมัติที่ซับซ้อนที่สุด

การเลือกระหว่างระบบแมชชีนวิชั่นแบบดั้งเดิม (Traditional Machine Vision) และเทคโนโลยีการเรียนรู้เชิงลึก (Deep Learning)

ตัวเลือกระหว่างระบบแมชชีนวิชั่นแบบดั้งเดิมและเทคโนโลยี Deep Learning นั้นขึ้นอยู่กับประเภทของโจทย์งานที่ต้องการแก้ไข ปริมาณของข้อมูลที่ถูกประมวลผล และความสามารถในการประมวลผล แท้จริงแล้วแม้เราจะทราบดีถึงประโยชน์อันมากมายของเทคโนโลยี Deep Learning แต่มันก็ไม่ใช่โซลูชันที่เหมาะสม สำหรับหลาย ๆ แอปพลิเคชัน เช่น เทคโนโลยีการเขียนโปรแกรมที่อิงกฏเกณฑ์แบบดั้งเดิมนั้นดีกว่าในด้านมาตรวัด (gauge) และการวัด (measure) รวมไปถึงด้านการจัดเรียงที่เที่ยงตรง (precision alignment) ในบางกรณี ระบบวิชั่นแบบดั้งเดิมอาจเป็นทางเลือกที่ดีที่สุดในการกำหนดบริเวณจุดที่สนใจอย่างแม่นยำ  แล้วค่อยใช้ Deep Learning ในการตรวจสอบพื้นที่บริเวณนั้นอีกครั้ง ผลจากการตรวจสอบด้วยเทคโนโลยี Deep Learning นั้น อาจถูกส่งกลับไปยังระบบวิชั่นแบบดั้งเดิม เพื่อทำการวัดขนาดและรูปร่างของจุดบกพร่องได้อย่างแม่นยำ

การเรียนรู้เชิงลึก (Deep Learning) ช่วยส่งเสริมวิธีการในรูปแบบอิงกฎเกณฑ์ และช่วยลดความจำเป็นในการอาศัยความเชี่ยวชาญด้านวิชั่นโดเมนเชิงลึก เพื่อสร้างการตรวจสอบที่มีประสิทธิภาพ แต่การเรียนรู้เชิงลึกได้เปลี่ยนรูปแบบการนำไปใช้งานที่เคยจำเป็นต้องใช้ความเชี่ยวชาญด้านวิชั่น มาเป็นการแก้ไขปัญหาทางด้านวิศวกรรมที่ท้าทาย โดยไม่จำเป็นต้องใช้ผู้เชี่ยวชาญด้านวิชั่น การเรียนรู้เชิงลึกช่วยโอนย้ายภาระงานของผู้พัฒนาแอปพลิเคชัน ซึ่งเป็นผู้พัฒนาและเขียนสคริปต์อัลกอริทึมตามกฏ (rules-based algorithm) ไปเป็นวิศวกรที่ช่วยฝึกหัดระบบให้เรียนรู้ นอกจากนี้มันยังเปิดโอกาสใหม่ ๆ ในการแก้ปัญหาการใช้งานที่ไม่เคยลองได้โดยไม่มีคนเป็นผู้ตรวจสอบ ด้วยวิธีนี้การเรียนรู้เชิงลึกทำให้ระบบแมชชีนวิชั่นทำงานด้วยได้ง่ายขึ้น และยังสามารถขยายขอบเขตความสามารถในการตรวจสอบของคอมพิวเตอร์และกล้องให้แม่นยำขึ้น ดังเช่นรูปภาพที่ 6 ด้านล่างที่ระบุการใช้งานที่เหมาะสมที่สุดสำหรับระบบวิชั่นซิสเต็มแบบดั้งเดิมหรือแบบ Deep Learning รวมถึงรูปแบบการใช้งานที่เหมาะสำหรับแนวทางทั้งสองแบบ


COGNEX ViDi

Cognex ViDi ™คือ เทคโนโลยีการเรียนรู้เชิงลึกที่พร้อมใช้งาน สำหรับการวิเคราะห์ภาพระดับอุตสาหกรรม Cognex ViDi ได้รับการฝึกหัดกับภาพที่มีป้ายกำกับ ซึ่งแสดงถึงคุณสมบัติ ความผิดปกติ และประเภทของชิ้นส่วนในรูปแบบเดียวกับที่ผู้ตรวจสอบที่เป็นมนุษย์ได้รับการฝึกฝน ในช่วงเวลาการฝึกหัดที่มีคนคอยควบคุม ระบบจะถูกสอนให้จดจำและรู้จักข้อบกพร่องอย่างชัดเจนแจ่มแจ้ง สำหรับข้อบกพร่องที่มาในหลายรูปแบบ ระบบจะฝึกตัวเองในโหมดที่ไม่มีผู้ดูแล เพื่อเรียนรู้ลักษณะปกติของวัตถุ รวมถึงความแตกต่างที่สำคัญและที่อยู่ในขอบเขตที่รับได้จากภาพตัวอย่างเหล่านี้ ซอฟต์แวร์จะสร้างแบบจำลองอ้างอิง ซึ่งคือกระบวนการวนซ้ำของการปรับปรุงตัวเองอย่างต่อเนื่อง ในขณะเดียวกันก็สามารถปรับค่าพารามิเตอร์ และตรวจสอบผลลัพธ์ที่ถูกต้องจนกว่าแบบจำลองจะทำงานได้ตามที่ต้องการ ในระหว่างการรันไทม์ ViDi จะดึงข้อมูลจากชุดรูปภาพใหม่ และเครือข่ายนิวรอลของมันจะทำการจัดการภาพชิ้นส่วน แยกความผิดปกติ และจัดประเภทข้อมูลเหล่านั้น ในภาพที่ 7 จะเห็นการอธิบายกระบวนการฝึกหัดและปรับใช้งานแอปพลิเคชันการเรียนรู้เชิงลึกด้วย Cognex ViDi

คุณลักษณะทั้งสองอย่างนี้ทำให้ ViDi เหมาะอย่างยิ่งสำหรับสภาพแวดล้อมการทำงานในสายการผลิตและภายในโรงงาน ซึ่งการประมวลผลมักจะทำผ่านเครื่องพีซี และมีชุดรูปภาพจำกัด 

ViDi สามารถจัดการดูแลได้ในระดับ field และ retrainได้หน้างานโดยไม่จำเป็นต้องรบกวนผู้ผลิตเครื่องจักร หรือผู้เชี่ยวชาญด้านบูรณาการระบบอัตโนมัติ (SI : System Integrator) ViDi ทำงานกับภาพความละเอียดสูง รวมถึงสีและความร้อน เพื่อจดจำความผิดปกติทุกชนิด นอกจากนี้ มันยังสามารถนับจำนวนแบบซับซ้อนได้ และถอดรหัสอักษรที่อ่านยากหรือผิดรูปได้อีกด้วย เครื่องมือสำหรับการ localization การจดจำลักษณะ คุณสมบัติ การคัดแยกประเภท และ OCR สามารถทำงานได้อย่างอิสระ หรืออาจใช้ร่วมกับเครื่องมือวิชั่นอื่นๆ ของ Cognex เพื่อจัดการกับปัญหาทางด้านวิชั่นที่ท้าทายและซับซ้อน

เสมือนมนุษย์ แต่ทรงพลังและรวดเร็วกว่า

Cognex ViDi รวมลักษณะจำเพาะ (specificity) และความยืดหยุ่น (flexibility) ของการตรวจสอบด้วยสายตามนุษย์เข้ากับความน่าเชื่อถือ ความสามารถในการทำซ้ำ และขุมพลังของระบบคอมพิวเตอร์ โดยผนวกคุณสมบัติทั้งหมดนี้ให้อยู่บนอินเทอร์เฟซที่นำไปติดตั้งและใช้งานง่าย

 

บทสรุป

วงการอุตสาหกรรมกำลังหันมาใช้เทคโนโลยี deep learning เพิ่มมากขึ้นเรื่อยๆ เพื่อแก้ปัญหาการตรวจสอบในกระบวนการผลิตที่ซับซ้อน ใช้เวลานาน และมีค่าใช้จ่ายสูงในการเขียนโปรแกรมโดยใช้อัลกอริทึมแบบเดิม เทคโนโลยีนี้จะเปิดการทำงานโดยอัตโนมัติสำหรับการใช้งานที่ไม่เคยมีการเขียนโปรแกรมมาก่อน ซึ่งจะช่วย ลดอัตราความผิดพลาด และย่นเวลาในการตรวจสอบให้รวดเร็วขึ้น เทคโนโลยี deep learning ช่วยให้ผู้ผลิตสามารถแก้ปัญหาที่เคยท้าทายบนวิชั่นซิสเต็มแบบดั้งเดิม และทำให้เกิดความมั่นใจและสร้างความน่าเชื่อถือ เพิ่มมากยิ่งขึ้น

 

สอบถามเพิ่มเติมได้ที่
ค็อกเน็กซ์วิชั่น (ประเทศไทย) / Cognex Vision (Thailand) Ltd.

Tel: +66 6 3230 9998
Email: insidesalesthailand@cognex.com
Website: Cognex.com/en-th


ที่มา : Cognex Vision (Thailand) Ltd.