数据驱动的建模和基于AI的图像处理可提高生产效率

在2019年汉诺威工业博览会上，Fraunhofer FIT将展示数据驱动的建模，以支持生产计划和优化资源利用。这些模型有助于理解和优化复杂的过程，并且可以用作预测工具。此外，我们演示了一个系统，该系统使用基于AI的图像处理来实时监视和评估人员的状况和行为，例如在生产环境中。例如，该系统可用于在有人坐在地板上或躺在地板上时自动发出警报，指示危险情况。在2号馆C22展位与我们会面。

自动化和业务流程的开发需要能够为流程优化或创新开发提供信息的数据。在2019年汉诺威工业博览会上，Fraunhofer FIT将展示一种平台技术，该技术集成了智能数据库，特定分析方法以及联网的传感器和测量仪器。诸如维护和操作之类的功能在数据模型中表示，并且可以进行增强以包括预测性维护。这有助于新服务和业务模型的敏捷开发，以及它们对快速变化的客户需求的灵活适应。

“重要的是要了解，与传统的生产和自动化技术及其高度定制但不灵活的模型相比，借助数据驱动的模型，我们不再寻找绝对的结果。这些模型考虑了数据采集和数据质量可以适应不同情况的需求，从而能够更灵活地做出反应”，弗劳恩霍夫应用信息技术研究所FIT的生物分子光学系统小组负责人Harald Mathis博士解释说，他也是SYMILA弗劳恩霍夫应用中心的负责人哈姆

系统的另一个重要组成部分是所谓的智能数据交换。它保证最大程度的数据安全性和数据完整性，例如，如果必须将数据从一个生产站点传输到另一个生产站点。

使用基于AI的图像分析识别人在工作环境中的姿势

我们的第二个展览是一个智能视频系统，可以保护危险工作环境中的工人。该系统能够检测实时视频流中人类的基本解剖结构，即头部，臀部，手臂和腿部。所使用的方法称为实时姿势估计。基于检测到的解剖结构及其方向，其他神经网络可以确定检测到的人物的姿势，例如，一个人是站立，坐着还是躺在受监视区域的地板上。

实时姿势估计是AI应用程序。该算法广泛地模拟了大脑中的神经过程，模拟了神经细胞的深层网络。这些神经元类似于人类模型，是从经验和训练中学习的。我们使用了COCO数据集，其中包含约25万幅人体图像，这些图像已被识别并带有注释，并使用了其他一些数据集来训练我们的系统。现在，它可以可靠地识别实时视频流中陌生场景中的身体部位。

（编辑：核心网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!