Gépi látáson alapuló selejtdetektálás tanítóhalmazának újszerű előállítása

A modern gépi tanulás rohamos iramban fejlődik. Egyre több iparágban egyre szerteágazóbb feladatokra alkalmazzák ezeket a rendszereket. Ugyan az architekturális fejlődések és a hardveres lehetőségek bővülése tovább folytatódik, egy fontos korlátozó tényező régóta visszafogja a fejlődés ütemét: a megfelelő minőségű, mennyiségű és megfelelően címkézett tanítóadatok minél gyorsabb elkészítése.

Ez a probléma meglehetősen kritikus az Ipar4.0 világában. A kisszériás gyártás és gyakran változó gyártott elemtípusok miatt sok esetben nincs elég idő megfelelő mennyiségű adat gyűjtésére és nem állnak rendelkezésre létező adatbázisok, amelyek segítségével robosztus modellek készülhetnének. A minőségbiztosítás fontos része minden gyártási folyamatnak, azonban a KKV-k többségében ez még mindig szemrevételezéssel, manuálisan történik, a nagyobb cégekkel ellentétben. A gépi tanuláshoz szükséges adathalmaz generálásának megoldása így ezeken a területeken komoly potenciális pénzügyi, biztonsági és egyéb előnyökkel járna az ipari szereplők számára.

A kiterjesztett valóságot ugyancsak egyre több ipari feladatkörben alkalmazzák. A mai modern eszközök, pl. HoloLens 2 komplex szenzorrendszere megannyi lehetőséget ad, melyek új felhasználási lehetőségeinek kutatása jelenleg is javában zajlik. Ahogy egyre több ilyen eszköz áll rendelkezésre az idő előrehaladtával, egyre értékesebbek lesznek az olyan módszerek melyekkel fel lehet használni ezen készülékek különleges lehetőségeit az ipari folyamatok segítésére.

A dolgozatom célja a kiterjesztett valósággal való betanítás egyféle megfordítása, ahol nem a felhasználó tanul az eszköz segítségével, hanem egy gépi tanulási algoritmust képez ki. Ez a két technológia olyan ötvözését jelentené, mely során az AR eszköz képes egy, a feladatát normálisan végző emberi munkás viselkedése és a környezet elemzése alapján egy automatikusan felcímkézett tanítóadat-halmazt generálni, mely alkalmas egy gépi tanulási rendszer betanítására.

A dolgozatomban egy ilyen rendszer prototípusának fejlesztését és működési elvét mutatom be, majd valóshoz közeli körülmények között tesztelem a rendszer felhasználhatóságát. Bemutatásra kerül még egy, a rendszer fejlesztését segítő virtuális valóság környezet is, mely a rendszer számára a valósággal egyenértékű. Ennek segítségével több konfigurációban, több különböző ipari helyzet szimulációjában tudtam kipróbálni, tesztelni és tovább fejleszteni a rendszert rövid idő alatt.

Úgy gondolom kutatásom eredménye egy hasznos kiinduló pont további fejlesztések, kísérletek elvégzéséhez, amely a piaci szereplőknél bevezetve sok új lehetőséget nyithat a gépi tanulás és a kiterjesztett valóság felhasználásban és terjedésében. A magyar KKV-k hatékonysága a EU átlag felét sem éri el, ezek fejlesztése fontos feladat, valamint a munkaerőhiány, és az egyre magasabb minőségi követelményű autóipari és hasonló beruházások kiszolgálását is jelentősen segíthetné egy ilyen megoldás.

szerző

• 
  Szakál Vince Abosa
  Mérnök informatikus szak, alapképzés
  alapképzés (BA/BSc)

konzulens

• 
  Dr. Forstner Bertalan
  Docens, Automatizálási és Alkalmazott Informatikai Tanszék

helyezés