Teknikworkshop på distans: AI-baserad bildanalys för kvalitetskontroll i tillverkande industri

Workshoppen utgick från resultat från Produktion2030-projektet VISION där man utvecklat ett vision-system för automatiserad kvalitetskontroll, baserat på billig hårdvara och med avancerad AI för bildbehandling i realtid. Anna Syberfeldt, professor i produktionsteknik vid Högskolan i Skövde och en av forskarna i projektet berättade:

Det är dyrt att göra fel och det är ofta dyrt att kontrollera. Därför ville vi testa om vi kunde hitta ett enkelt och billigt vision-system där AI analyserar bilderna i realtid. Kameran fick kosta max 300 kronor, det skulle inte krävas någon speciell mjukvara, det skulle vara enkelt att använda och AI:n skulle vara tillförlitlig.

Teknikworkshoppen är en introduktionsworkshop där alla, oavsett förkunskaper, kan hänga med. Deltagarna fick en introduktion till hur en dator kan ”se” och hur AI kan lära sig att känna igen och klassificera bilder.

Vi försöker härma hjärnans sätt att processa information i datorn när vi lär AI att tolka bilder, berättade Anna.

Komplicerad teknik – men enkel att använda

AI är idag extremt bra på generell bildigenkänning tack vare alla bilder vi dagligen laddar upp på nätet. 2015 gick AI också om människan när det handlar om bildklassificering. Därför är det intressant med AI för bildanalys menade Anna.

Även om tekniken bakom AI-baserad bildanalys kan vara tämligen komplicerad är den relativt enkel att använda, eftersom den är både väletablerad och väl paketerad.

– Tekniken finns i system som tillhandahålls av de stora mjukvaruleverantörerna som Microsoft och Google men går också att köpa på nätet, sa Anna och fortsatte:

Det du behöver för att komma igång med kvalitetskontroll med AI-baserad bildanalys är i princip en kamera, ett AI-system och en person som kan installera tekniken.

Inspiration från praktiska exempel och andra företag

Anna gav flera exempel från projektet där de pilottestat tekniken i olika tillverkningsprocesser. Alltifrån för att kontrollera slangklämmor hos Volvo Cars till att kontrollera vikningen av säckar hos Jonsac. Hon delade med sig av både utmaningar och framgångsfaktorer från dessa praktiska exempel – och svarade på många frågor från deltagarna.

Ta kontakt med er närmsta högskola eller universitet, eller ert närmsta IUC-bolag som kan förmedla kontakt, tipsade Anna. Vi forskare vill gärna samarbeta med lokala företag.

Deltagarna fick också diskutera i mindre grupper kring sitt eget nuläge och vilka möjligheter de ser med vision-system och AI. Företagen delade generöst med sig av sina erfarenheter och utbytte kunskap med varandra. Flera deltagare fick idéer på hur de skulle kunna testa AI- baserad bildanalys för kvalitetskontroll i sina tillverkningsprocesser.

För Annas och hennes kollegor blir en nästa utmaning att fortsätta förenkla och sänka tröskeln för användningen av AI-system, så att det blir ännu enklare för små bolag att använda dem.