دانلود مقاله ISI انگلیسی شماره 99972
ترجمه فارسی عنوان مقاله

به سوی افزایش هوش و بهبود خودکار در سیستم های بینایی صنعتی

عنوان انگلیسی
Towards increased intelligence and automatic improvement in industrial vision systems
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
99972 2018 6 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Procedia CIRP, Volume 67, 2018, Pages 256-261

ترجمه کلمات کلیدی
بینایی ماشین، بهینه سازی، فراگیری ماشین، پردازش جریان، گردش داده ها،
کلمات کلیدی انگلیسی
Machine vision; Optimization; Machine learning; Stream processing; Data flow;
ترجمه چکیده
روبات ها و سیستم های بازرسی در حال انجام مجهز به راه حل های بینایی برای افزایش انعطاف پذیری و کیفیت در تولید خودکار استفاده می شود. اگر چه سیستم های بینایی استفاده گسترده ای از صنعت را در بر داشت، هنوز هم در مورد بهینه سازی قدرت سیستم دید و قابلیت های آن مشکلی وجود دارد. این مقاله یک مطالعه جامع در مورد توابع سیستم دید، تکنیک ها و قابلیت های یک تامین کننده 1-رده خودرو ارائه می دهد. بر اساس این مطالعه، مقاله بیشتر روش برای بهبود سیستماتیک سیستم های بینایی صنعتی را به طور پیوسته توصیف می کند. پیشنهاد می شود با ایجاد یک فروشگاه داده و سیستم تجزیه و تحلیل داده ها، بر اساس مدل های یادگیری ماشین های آموزشی در حالت آفلاین با استفاده از داده های تاریخی و همچنین پردازش جریان آنلاین، انجام شود.
پیش نمایش مقاله
پیش نمایش مقاله  به سوی افزایش هوش و بهبود خودکار در سیستم های بینایی صنعتی

چکیده انگلیسی

Robots and in-process inspection systems equipped with machine vision solutions are used for increased flexibility and quality in automated manufacturing. Although vision systems have found wide industrial use, there are still problems regarding optimization of vision system robustness and capabilities. This paper presents a comprehensive case study of vision system functions, techniques and capabilities in an automotive 1-tiers supplier. Based on the study, the paper further describes a method for systematic improvement of industrial vision systems on a continuous basis. This is proposed to be done by establishing a data store and data analysis system, based on training machine learning models in an off-line mode using the historical data, as well as on on-line stream processing.