ДОСЛІДЖЕННЯ РЕАЛІЗАЦІЇ АВТОМАТИЧНИХ СИСТЕМ ІЗ ТЕХНОЛОГІЄЮ КОМП'ЮТЕРНОГО ЗОРУ НА ВИРОБНИЦТВАХ
Бічна панель сторінки статті
Основний зміст сторінки статті
Анотація
Проведено огляд на використання систем комп'ютерного зору, складність та проблематику їхньої розробки та використання на сучасних виробництвах, які потребують автоматизації праці та впровадження новітніх технологій для контролю за технологічним процесом. Виділені основні перспективні галузі для реалізацій систем комп'ютерного бачення. Визначені основні причини складності побудови подібних систем, які мають у собі як фізичну природу, так і комплексну природу комп'ютерного зору як дисципліни. Розглянута взаємодія таких систем із програмованими контролерами. Розглянуті мови програмування, на які слід звернути увагу як для програмування контролерів, так і для розробки комп'ютерного зору. Це мови програмування C++ та Python для розробки програмного забезпечення, які мають відповідні бібліотеки, що реалізують розпізнавання та навчання систем шляхом впровадження машинного навчання, а також мови ST, IL, LD, FBD, SFC для керування програмованими контролерами. Так само, реалізація основних вимог для систем комп'ютерного зору, як то гнучкість і масштабування є можливими завдяки мовам C++ та Python із відповідними сторонніми бібліотеками. Мова програмування у даному випадку стає зручним інструментом для впровадження попередньо реалізованих складних функцій. Звернена увага на те, що автоматичні системи із застосуванням комп'ютерного бачення є дискретно-аналоговими та потребують відповідних технічних пристроїв та програмованих контролерів. Також розглянуті технічні елементи, з яких вони мають складатися.
Блок інформації про статтю
Посилання
Huang T. Computer Vision: Evolution And Promise. 19th CERN School of Computing (8–21 September 1996, Egmond aan Zee, Netherlands). Geneva, CERN Publ., 1996, pp. 21–25.
Szeliski R. Computer Vision: Algorithms and Applications. Berlin, Springer Publ., 2022. 947 p.
Prateek K., Anuj K., Snigdha A., Deep T., Naveen X., Arun R. Using Computer Vision to enhance Safety of Workforce in Manufacturing in a Post COVID World. Available at: https://arxiv.org/ftp/arxiv/papers/2005/2005.05287.pdf (accessed 17.11.2022).
The Computer Vision Industry. Available at: https://www.cs.ubc.ca/~lowe/vision.html (accessed 18.11.2022).
Montemerlo M., Becker J., Bhat S., Dahlkamp H., Dolgov D., Ettinger S., Haehnel D., Hilden T., Hoffmann G., Huhnke B., Johnston D., Klumpp S., Langer D., Levandowski A., Levinson J., Marcil J., Orenstein D., Paefgen J., Penny I., Petrovskaya A., Pflueger M., Stanek G., Stavens D., Vogt A., Thrun S. Junior: The Stanford entry in the Urban Challenge. Journal of Field Robotics. 2008, vol. 25, issue 9, pp. 569–597. doi: 10.1002/rob.20258
Kaufmann E., Gehrig M., Foehn P., Ranftl R., Dosovitskiy A., Koltun V., Scaramuzza D. Beauty and the beast: Optimal methods meet learning for drone racing. In International Conference on Robotics and Automation (May 2019, Monreal, Canada). Monreal, IEEE Publ., 2019, pp. 690–696.
Cherkashenko M. V. Avtomatyzatsiya proektuvannya system hidro- i pnevmopryvodiv z dyskretnym upravlinnyam [Automation of design of systems of hydraulic and pneumatic drives with discrete control]. Kharkiv, NTU "KhPI" Publ., 2001. 182 p.
International Standard IEC 61131-3. Programmable controllers – Part 3: Programming languages. Geneva, IEC Publ., 2013. 226 p.
Zhou L., Zhang L., Konz N. Computer Vision Techniques in Manufacturing. IEEE Transactions on Systems, Man, and Cybernetics: Systems. 2022, vol. 53, issue 1, pp. 105–117. doi: 10.1109/TSMC.2022.3166397
Koul A., Ganju S., Kasam M. Practical Deep Learning for Cloud, Mobile, and Edge: Real-World AI & Computer-Vision Projects Using Python, Keras & TensorFlow. Sebastopol, O'Reilly Media Publ., 2019. 620 p.
Bishop C. M. Pattern Recognition and Machine Learning. New York, Springer Publ., 2006. 738 p.
Bengio Y., LeCun Y., Hinton G. Deep learning for AI. Communications of the ACM. 2021, vol. 64, no. 7, pp. 58–65.