制造机器的机器学习:将视觉搜索应用于机械零件
一个新的数据库将帮助工程师和制造商将机器学习应用于机械零件。Credit: Purdue University image/Sangpil Kim
计算机视觉研究人员使用机器学习来训练视觉识别对象中的计算机,但是很少有人将机器学习应用于齿轮箱,轴承,制动器,离合器,电动机,螺母,螺栓和垫圈等机械零件。
普渡大学机械工程师团队创建了第一个全面的开源注释数据库,其中包含58,000多个3-D机械零件,旨在帮助研究人员将机器学习应用于实际机器中的那些零件。
普渡大学的机械工程杰出教授唐纳德·W·费德森(Donald W. Feddersen)教授Karthik Ramani说:“我们处于深度学习时代,使用计算机以视觉方式搜索事物。” “但是没有人关注机器的零件:管道,轴承,电动机,垫圈,螺母和螺栓等。这些对于我们作为工程师和制造商来说很重要。我们希望能够指出一个镜头,然后让计算机告诉我们有关该部分或设计的所有信息。”
Ramani的团队在2000年代初期进行了视觉搜索零件的实验,但是计算能力和机器学习技术还不够先进。从那以后的几年中,研究人员已经了解到,构建可靠的数据集既涉及质量又涉及数量。
拉玛尼说:“深度学习需要大量数据。” “计算机需要大量示例来学习人类的含义以及事物之间的相互关系。这意味着我们需要许多零件的3D模型,这也需要进行基础的工程分类。”
该团队首先与一家名为TraceParts的法国公司合作,该公司使Purdue的研究人员可以访问其3D工程零件数据库。该团队与德克萨斯大学奥斯汀分校助理教授黄启兴合作,搜寻其他数据库以获取类似的3D模型。他们最终建立了58,696个机械零件的数据库。
但是如果没有好的数据,数据库就不好了。Ramani的团队根据国际标准分类(国际标准化组织创建和维护的技术标准体系)建立了68个类别的分级分类法,从而组织了零件。
普渡大学的研究人员创建了第一个全面的开源注释数据库,其中包含58,000多个3-D机械零件。Credit: Purdue University/Jared Pike
Ramani说:“现在,当计算机看到密封件的图片时,它将知道它适合于动态密封件,然后更具体地讲,适合于复合密封件。”
研究人员现在已经发布了他们的开源数据库,邀请计算机视觉和机器学习研究人员访问该数据库并创建自己的实验。他们在八月份的第16届欧洲计算机视觉会议上展示了他们的工作。
现在已经建立了基准数据集,制造机器的机器学习的未来是什么?
拉玛尼说:“我们看到了这项技术的许多现实情况。” “想象一下,您正在工厂中进行维护,而要更换机器的一部分。您可以将相机对准该零件,计算机会识别出它,并立即为您提供该零件的所有规格-它被称为连接的对象以及它们在工厂中的物理存储位置,甚至可以通过增强现实眼镜来实现;您可以将公司的整个视觉目录立即触手可及,并了解如何修理或订购零件。
“机器学习面临很多挑战。但是,除非您知道如何测试表现如何,否则您将无法应对挑战。我们为创建第一个带注释的3-大规模基准测试数据集而感到自豪D是世界上的机械部件,我们希望在深度学习时代推进视觉搜索。”
来源:Purdue University
- 分享
- 举报
-
浏览量:1743次2019-08-21 12:01:36
-
浏览量:36514次2019-07-13 11:52:42
-
浏览量:1253次2018-06-22 22:05:05
-
浏览量:1450次2023-04-23 09:38:45
-
浏览量:123次2023-08-23 08:46:26
-
浏览量:197次2023-08-15 22:50:27
-
浏览量:4176次2021-01-26 18:09:03
-
浏览量:174次2023-08-16 18:28:43
-
浏览量:1416次2023-04-14 14:23:42
-
浏览量:4006次2023-09-04 14:32:32
-
浏览量:2003次2023-04-23 09:34:59
-
浏览量:1588次2019-12-04 14:25:09
-
浏览量:179次2023-08-23 10:15:21
-
浏览量:229次2023-08-03 15:44:04
-
浏览量:171次2023-08-23 09:24:30
-
浏览量:1704次2022-11-30 09:49:56
-
浏览量:3185次2020-10-13 10:00:31
-
浏览量:2709次2020-07-14 19:58:56
-
浏览量:1308次2023-04-14 14:04:52
-
广告/SPAM
-
恶意灌水
-
违规内容
-
文不对题
-
重复发帖
易百纳技术社区
感谢您的打赏,如若您也想被打赏,可前往 发表专栏 哦~
举报类型
- 内容涉黄/赌/毒
- 内容侵权/抄袭
- 政治相关
- 涉嫌广告
- 侮辱谩骂
- 其他
详细说明