miércoles, marzo 24, 2021

Cómo FLIR y Neurala colaboran para que la aplicación del aprendizaje profundo sea más rápida, fácil y rentable

Los desafíos y oportunidades

El aprendizaje profundo es una potente herramienta para aquellos ingenieros especializados en visión artificial y diseñadores de sistemas de fabricantes de equipos originales (OEM, por sus siglas en inglés) que buscan automatizar con rapidez la toma de decisiones subjetivas y complejas. Sin embargo, la tecnología puede ser prohibitiva para los no expertos, ya que resultan indispensables herramientas informáticas, grandes conjuntos de datos, competencias especializadas de desarrollador y los costes derivados de todo ello.

Para superar estos desafíos, FLIR Systems, Inc. ha colaborado con Neurala para ofrecer una solución integral de desarrollo y aplicación específica para los no expertos. Esta rentable solución requiere también conjuntos de datos mucho más pequeños.

Más rápido, fácil y rentable

El desarrollo y aplicación típicos del aprendizaje profundo para sistemas de visión artificial implican diferentes recursos especializados y diversas etapas. Por nombrar algunos:

Acceso a una plantilla altamente cualificada con experiencia en aprendizaje automático.
Diversas herramientas para la gestión de imágenes, anotaciones, entrenamiento de redes neuronales y verificación de la exactitud, así como la preparación para organizar la transición entre estas
Una CPU o unidad de procesamiento de gráficos (GPU, por sus siglas en inglés) separada para ejecutar la red neuronal entrenada

La colaboración de FLIR y Neurala reemplaza todos estos pasos con una solución integral de desarrollo y aplicación, totalmente compatible.

Fácil de usar: El software como servicio (SAAS, por sus siglas en inglés) Visual Inspection Automation (VIA) de Neurala lo guiará a través de todos los pasos necesarios para gestionar y anotar imágenes, así como entrenar y producir un modelo de red neuronal de inspección de aprendizaje profundo en minutos. Ya no necesita ser un experto en visión o inteligencia artificial.
Una solución integral totalmente compatible: FLIR y Neurala han creado de forma conjunta un flujo de trabajo casi perfecto que reemplaza la utilización simultánea de diferentes herramientas informáticas, ofreciendo una solución integral de confianza.
Requisitos mínimos de datos: A medida que recopila datos adicionales, entrene con decenas de imágenes, en lugar de miles, con el objetivo de empezar más rápido y poder medir el rendimiento y actualizar su modelo con el tiempo.
Rentable: No hace falta un host o hardware periférico al aplicar el modelo VIA de Neurala directamente en la cámara Firefly DL. En cuanto a software, los costes totales del desarrollo y aplicación de otras soluciones disponibles en el mercado ascienden, a menudo, a decenas de miles de dólares. Sin embargo, la solución de FLIR y Neurala logra resultados similares con hasta tres veces menos dinero.
Ahorra tiempo: Con el software VIA de Neurala y Spinnaker SDK de FLIR, puede crear, desarrollar, validar y aplicar con rapidez modelos sin necesidad de configurar un entorno de desarrollo de inteligencia artificial tradicional. El software VIA de Neurala produce una red neuronal que se puede exportar a una cámara Firefly DL de FLIR mediante Spinnaker SDK, lo que facilita y acelera la implementación.

Ejemplos de casos de uso

La solución conjunta de FLIR y Neurala es apropiada para una amplia gama de casos de uso de clasificación: desde la detección de defectos en fábricas de semiconductores hasta la inspección de productos agrícolas en plantas de procesamiento de frutas.

Detección de defectos superficiales: Identifique fisuras y defectos en una línea de inspección de placas de circuito en una planta de fabricación de componentes para dispositivos móviles.
Verificación del armado de kits de piezas: Marque los paquetes incompletos o los componentes que faltan en un kit objeto de inspección como parte de una línea de control previa a su expedición.
Inspección de productos naturales: Inspección de la calidad de los productos y mejor clasificación de las frutas en función de moretones, color, tamaño, etc.