Assemblageprocessen en diensten van producenten van hightech systemen worden in Noordwest-Europa gekenmerkt door een hoge variatie aan producten en oplossingen met laag volume. Productieautomatisering, flexibilisering en optimalisatie zijn essentiële processen om kleinere series te produceren en tegelijkertijd de grote verscheidenheid aan producten en diensten te realiseren.
Om arbeidsproductiviteitsverbeteringen mogelijk te maken worden apparaten steeds vaker uitgerust met visionsystemen voor pick-and-place toepassingen, kwaliteitscontroles, objectlokalisaties en objectherkenning. Visionsystemen zijn echter gevoelig voor veranderingen in de omgeving, waardoor systemen kunnen stilvallen. Visionsystemen zijn met name gevoelig voor onvoorspelbare veranderingen in de omgeving, zoals belichting, schaduwvorming, oriëntatie van producten en grote optische variaties in bijvoorbeeld natuurlijke producten.
Machine Learning (ML), een vorm van kunstmatige intelligentie, kan deze tekortkomingen grotendeels oplossen en kan visionsystemen robuuster en sneller configureerbaar maken; ML is uitermate geschikt om toegepast te worden in visiontoepassingen.
Echter, ML voor vision is voor veel MKB’ers een ver-van-mijn-bed-show, voorbestemd voor multinationals met grote budgetten. Bovenal is de structuur en kennis over het toepassen van ML voor vision niet helder noch eenvoudig toegankelijk. Daarom is de onderzoeksvraag: Hoe kunnen door het industriële MKB machine learning frameworks binnen visiontoepassingen worden gebruikt om efficiëntere productieprocessen te realiseren? Met dit project wil het consortium deze ML-structuur inzichtelijk maken; ten tweede ML beschikbaar maken voor MKB; ten derde samen onderzoeken hoe ML voor
vision industrieel kan worden toegepast middels drie casussen en ten vierde de opgedane kennis borgen en verspreiden binnen MKB en onderwijs.
Onderwerp
Computer vision, Machine learning, Data science.
Doelen
Voorop staat het ontwikkelen en delen van kennis over machine learning, deep learning en computer vision binnen het consortium. Met deze kennis worden (open) workshops ontwikkeld ten bate van een generiek platform voor toepassingen van computer vision.
Betrokkenen
Partners in het project zijn:
- De kennisinstellingen Saxion (lectoraten Ambient Intelligence en Mechatronica)
- NHLClear Flight Solutions
- IMS
- Malvern Panalytical
- PM Bearings
- Riwo
- Singa
- StadLandWater
- Timmerije
- Viro
- Brancheorganisatie Boost.
Looptijd
Het project loopt van 1 oktober 2019 tot 1 oktober 2021.
Financiering
Dit project is mede mogelijk gemaakt door SIA RAAK-mkb.
Meer informatie
Voor meer informatie kunt u contact opnemen met Jeroen Linssen (Ambient Intelligence) en Roy de Kinkelder (Mechatronica), projectleider.
