Utvärdering av GAN för detekterande av avvikelser genom bildanalys av kognitiva kameror

Syfte och mål

Syftet med studien var att undersöka alternativa Machine-learning-modeller som kan användas för automatiserad avsyning med kameror i tillverkningsindustrin. Vår avsikt var även att bygga GUI-stöd så att slutanvändare utan djup kunskap inom Machine Learning själva kan skapa dataset och träna modeller.

Resultat och förväntade effekter

Flera viktiga resultat har uppnåtts genom projektet: Gimic har utvecklat stöd i sin plattform för att stödja olika typer av machine-learning-modeller. Genom att använda plattformen har en ny modelltyp baserat på “Siamese networks” implementerats och utvärderats. Vår utvärdering visar att denna typ av modell lämpar sig särskilt väl för användningsfall där avsyningsobjektet är fixerat i en viss position. Det har också utvecklats GUI-stöd där slutanvändaren själv kan hantera dataset och träna modeller. Detta har visat sig vara väldigt uppskattat av slutanvändarna av systemet.

Upplägg och genomförande

Projektet inleddes med en utvecklingsfas, där de grundläggande mjukvarukomponenterna designades och implementerades. När detta var gjort sattes en teststation upp på Gimics kontor där ML-modeller tränades och jämfördes. Efter en utvärdering implementerades stöd för att köra modeller av typen “Siamese networks” på Gimics Edge-plattform. Som ett sista steg i projektet togs en prototyp av hela systemet fram. Denna prototyp är planerad att installeras och testas i fabrik hos Hordagruppen i slutet av juli 2019.