Esegui i modelli AI ONNX direttamente sull’hardware wenglor!
ONNX (Open Neural Network Exchange) è uno standard aperto che consente l’integrazione di modelli di IA in una vasta gamma di applicazioni su più piattaforme. Con ONNX, i modelli di IA creati in diversi ambienti di sviluppo come PyTorch o TensorFlow vengono convertiti in un formato universale. In questo modo i modelli sono pronti per l’uso su altre piattaforme.
Facilità d’uso ed efficienza
Risparmi tempo di sviluppo e risorse!
Il modulo “ONNX immagine” riduce il dispendio per la preparazione dei dati, poiché i modelli AI possono essere facilmente importati ed eseguiti in uniVision 3.
Flessibilità di applicazione
Combina l’IA con l’elaborazione di immagini basata su regole!
Il modulo “ONNX immagine” può essere integrato nel flusso di lavoro di uniVision 3 e combinato a piacere con moduli per l’elaborazione di immagini basata su regole.
Scalabilità e indipendenza dalla piattaforma
Utilizza modelli di IA su diversi hardware!
I modelli ONNX possono essere utilizzati sia sulle Smart Camera della serie B60 che sui controller Machine Vision.
Integrazione semplice
Approfitta delle interfacce industriali esistenti!
I risultati possono essere ulteriormente elaborati direttamente nel processo di produzione tramite l’infrastruttura di comunicazione esistente di uniVision 3.
Utilizzo dei modelli IA con ONNX in uniVision 3
Il modulo “ONNX immagine” offre funzioni AI per la classificazione delle immagini. I modelli ONNX esistenti si integrano perfettamente nel flusso di lavoro e possono essere utilizzati direttamente per l’elaborazione di immagini industriali. La visualizzazione della mappa termica consente di verificare il funzionamento dei modelli.
Prestazioni eccellenti con un’elevata compatibilità hardware
Con il software uniVision 3, l’hardware Machine Vision wenglor offre i presupposti ottimali per l’esecuzione efficiente dei modelli ONNX.
- Le Smart Camera della serie B60 sono dotate di una Neural Processing Unit (NPU) integrata, ottimizzata appositamente per accelerare i calcoli dell’IA. Ciò consente di eseguire in modo rapido e affidabile attività complesse come la classificazione delle immagini.
- I controller Machine Vision della serie MVC utilizzano la piattaforma di accelerazione hardware OpenVINO per eseguire in modo efficiente i modelli ONNX riducendo al minimo il consumo di risorse.
Integrazione perfetta, massima produttività: Il workflow con ONNX e uniVision 3
Creazione del modello di IA in formato ONNX
Conversioni
Integrazione in uniVision 3
Cosa si intende per classificazione IA nell’elaborazione di immagini?
La classificazione dell’IA nell’elaborazione di immagini utilizza le reti neurali convoluzionali (CNN). Queste reti neurali analizzano le immagini e le assegnano a una classe predefinita in base a determinate caratteristiche. Il sistema impara a distinguere le caratteristiche tipiche delle rispettive classi.
Quando viene acquisita una nuova immagine, il modello di IA fornisce una distribuzione della probabilità (punteggio) su tutte le classi possibili. La classe con la probabilità più elevata è considerata una previsione del modello. Ciò consente, ad esempio, la distinzione automatica tra componenti privi di difetti (OK) e componenti difettosi (NOK). Oltre a una classificazione binaria (OK/NOK), il modello può anche distinguere diverse classi di errore.
Per rendere più trasparente la logica decisionale dell’IA, viene inoltre creata una heatmap che visualizza le aree dell’immagine che hanno influenzato maggiormente il modello durante la classificazione. Ciò consente agli utilizzatori di comprendere meglio quali caratteristiche hanno portato alla decisione del modello.
Un esempio è il controllo qualità nella produzione di stampi a iniezione. Qui possono verificarsi diversi tipi di errori che il modello di IA riconosce e classifica con precisione. Poiché questi errori spesso variano nella forma e nell’espressione, la classificazione basata sull’IA offre una maggiore flessibilità e precisione rispetto ai metodi basati su regole. La combinazione di IA ed elaborazione di immagini classica rende il sistema particolarmente efficiente, consentendo un controllo qualità robusto e affidabile.
Quando viene acquisita una nuova immagine, il modello di IA fornisce una distribuzione della probabilità (punteggio) su tutte le classi possibili. La classe con la probabilità più elevata è considerata una previsione del modello. Ciò consente, ad esempio, la distinzione automatica tra componenti privi di difetti (OK) e componenti difettosi (NOK). Oltre a una classificazione binaria (OK/NOK), il modello può anche distinguere diverse classi di errore.
Per rendere più trasparente la logica decisionale dell’IA, viene inoltre creata una heatmap che visualizza le aree dell’immagine che hanno influenzato maggiormente il modello durante la classificazione. Ciò consente agli utilizzatori di comprendere meglio quali caratteristiche hanno portato alla decisione del modello.
Un esempio è il controllo qualità nella produzione di stampi a iniezione. Qui possono verificarsi diversi tipi di errori che il modello di IA riconosce e classifica con precisione. Poiché questi errori spesso variano nella forma e nell’espressione, la classificazione basata sull’IA offre una maggiore flessibilità e precisione rispetto ai metodi basati su regole. La combinazione di IA ed elaborazione di immagini classica rende il sistema particolarmente efficiente, consentendo un controllo qualità robusto e affidabile.
Esempio di componente privo di difetti (OK)
Esempio di componente difettoso (NOK)
Esempio di componente difettoso (NOK)
Esempio di componente difettoso (NOK)
Autorizzazione
Il modulo “ONNX immagine” fa parte del pacchetto di licenza “uniVision AI” ed è disponibile per tutti i prodotti con il software wenglor uniVision 3.
Si applicano le seguenti regole di licenza:
Si applicano le seguenti regole di licenza:
- Serie B60: DNNL031 – Licenza B60 uniVision AI
- Serie MVC: DNNL032 – Licenza MVC uniVision AI
- Simulatore offline uniVision: Il modulo può essere utilizzato senza licenza aggiuntiva
