Apprentissage profond pour des systèmes robustes de vision artificielle en industrie

工业视觉技术系统稳健学徒

• 批准号: 576594-2022
• 负责人: Desrosiers, ChristianC
• 金额: $ 8.79万
• 依托单位: École de technologie supérieure
• 依托单位国家: 加拿大
• 项目类别: Alliance Grants
• 财政年份: 2022
• 资助国家: 加拿大
• 起止时间: 2022-01-01 至 2023-12-31
• 项目状态: 已结题
• 来源: https://www.nserc-crsng.gc.ca/ase-oro/Details-Detailles_eng.asp?id=754218
• 关键词: Apprentissage; profond; pour; des; syst

Récemment, les approches d'intelligence artificielle à base d'apprentissage profond ont mené à d'importants progrès en vision par ordinateur. Or, la mise en oeuvre de ces approches dans les applications industrielles réelles, où les requis en précision et en vitesse d'exécution sont particulièrement exigeants, reste à ce jour trop limitée dû à leurs limitations courantes. Notamment, celles-ci demandent d'avoir une grande quantité de données annotées et sont peu robustes aux conditions changeantes de l'environnement. Ce partenariat avec la compagnie Matrox a pour objectif de développer des approches de vision à base d'apprentissage profond, qui sont mieux adaptées aux applications réelles de l'industrie. Spécifiquement, ce partenariat mènera à: 1) des algorithmes de vision artificielle pouvant apprendre avec une supervision très limitée (i.e., peu de données annotées ou données faiblement annotées), et s'adapter rapidement aux conditions changeantes de l'environnement; 2) de nouveaux modèles de reconnaissance d'objets capables de traiter à la fois des images 2D et des nuages de points 3D; 3) un système de reconnaissance optique de caractères (ROC) pouvant intégrer un ensemble de règles sur les patrons à reconnaître et généraliser à des polices de caractères jamais observées en entraînement. Le programme de R&D proposé, qui contribuera à la formation de 9 étudiants aux cycles supérieurs et 2 stagiaires postdoctoraux, aura des impacts bénéfiques sur l'industrie et la société. Au niveau industriel, le développement de systèmes d'inspection plus fiables permettra de réduire les coûts de fabrication et mènera à des produits de meilleure qualité. En nécessitant moins de données annotées, les méthodes proposées dans cette recherche pourront également être adaptées plus rapidement et à moindre coût à de nouvelles applications industrielles. Par ailleurs, l'intégration de données 2D et 3D facilitera l'automatisation de tâches complexes qui utilisent ces données, dont la manutention et l'assemblage d'objets, réduisant ainsi les coûts et risques de blessures reliés à ces tâches.

重申，基于深度学习的人工智能方法在视觉上的重要性。或者说，在工业应用中，这些方法的应用范围很广，对精确和执行的要求也很严格，但这一点仍然受到我们的局限性的限制。值得注意的是，细胞需要大量的注释，并且随着条件的变化而变化。与Matrox公司合作的目的是为了实现基于深度学习的视觉方法，这是一种非常适合工业应用的方法。Specifiquement，ce parteniomènera à：1）des algorithmes de vision artificielle pouvant poudre avec une supervision très limitée（i.e.，（2）能够对二维图像和三维点云进行处理的新的目标识别模式; 3）光学侦察系统（ROC）pouvant intégrer un ensemble de règles sur les guardians à recognattre et généraliser à des polices de caractères jamais observées en entraavonement.提出的研究与发展方案有助于培养9名高级研究生和2名博士后，对工业和社会产生良好影响。Au niveAu industriel，le déceppement de systèmes d'inspection plus fiables permettra de réduire les cocoints de fabrication et mènera à des produits de meilleure qualité.在需要进一步说明的情况下，在这一研究中提出的方法是适应性强、速度快，而且更多地适用于新的工业应用。Par ailleurs，l'intégration de données 2D et 3D facilitera l'automatisation de tâches complex qui utilisent ces données，dont la manutention et l'assembly d'objets，réduisant ainsi les costuerts et risques de reissures reliés à ces tâches.