23948sdkhjf

AI tvingar dig ha hjälm

Bildigenkänning kopplat till AI-system blir allt bättre och kan användas på många håll i industrin.

Det är hjälmtvång inne i fabriken men personen som kommer till dörren saknar hjälm, då reagerar det nya AI-drivna bildsystemet och ser till att inte släppa in personen. Genom att ha olika färg på hjälmarna kan även besökarna som passerar portarna kategoriseras, vissa personer kanske bara får vistas på en viss plats i fabriken. Detta var ett av flera exempel som Jonas Vallin från Pedab visade i samband med sitt föredrag på mässan Elmia Subcontractor. Han tyckte att företagen borde utnyttja dagens teknik med bildigenkänning med AI-stöd ännu mer än idag.

Läs också: Unikt samarbete kring AI och koldioxidutsläpp 

— AI-lösningar kan användas för många saker, till exempel förebyggande underhåll. Det kan också ge en second opinion till en operatör där de kontrollerar att ett beslut överensstämmer med systemets regler, sa Jonas Vallin.

Ett annat exempel han visade var bildanalys för att hitta defekter på producerade produkter och kategorisera dessa efter hur allvarliga defekterna är.

För företag som börjar utnyttja tekniken till detta eller annat finns det några saker att tänka på. Det är viktigt att systemet självt kan ge en uppskattning av hur sannolikt det är att resultatet är rätt, då det alltid finns en viss osäkerhet.

— Sannolikheten är viktig i produktionen för den använder man för att avgöra om modellen själv ska få ta beslutet fullt ut eller om man vill att en person ska avgöra.

Vid bildanalys där till exempel systemet identifierar felaktigheter på en produkt finns det funktioner för att på en bild visa vad det är på materialet som gör att systemet reagerar. Jonas kallar detta heat map eller värmekarta. På det viset kan en människa gå in och i efterhand se varför systemet kategoriserade en produkt som defekt och att systemet verkligen reagerar på rätt saker. Det är särskilt viktigt i början innan systemet tränats upp till bästa kapacitet.

För att kunna uppnå bra bildigenkänning krävs precis som för många andra AI-applikationer mycket data som systemet kan träna sig på för att öka träffsäkerheten.

Kommentera en artikel
Meddela redaktionen
Utvalda artiklar

Sänd till en kollega

0.078