![{_CFG[site_title]}](/uploadfile/2020/1123/20201123094649491.png)
機器學習制造機器:將視覺搜索應用于機械零件
更新時間：2020-11-18 16:15:26 字號：T|T
一個新的數據庫將幫助工程師和制造商將機器學習應用于機械零件。計算機視覺研究人員利用機器學習訓練計算機視覺識別物體，但很******人將機器...
一個新的數據庫將幫助工程師和制造商將機器學習應用于機械零件。
計算機視覺研究人員利用機器學習訓練計算機視覺識別物體，但很******人將機器學習應用于機械部件，如變速箱、軸承、剎車、離合器、電機、螺母、螺栓和墊圈。
普渡大學(Purdue University)的一個機械工程師團隊創建了******包含58,000多個3d機械部件的全面開源注釋數據庫，旨在幫助研究人員將機器學習應用于實際機器中的這些部件。
普渡大學的Donald W. Feddersen機械工程******教授Karthik Ramani說:“我們正處于深度學習時代，使用計算機來進行視覺搜索。但沒有人關注機器的零部件:管道、軸承、馬達、墊圈、螺母和螺栓等。這些是對我們工程師和制造商來說很重要的事情。我們希望能夠將攝像機對準真實世界的部分，然后讓計算機告訴我們關于該部分或設計的一切。”
Ramani的團隊在21世紀初曾嘗試用視覺搜索技術搜索零件，但當時的計算能力和機器學習技術還不夠******。在那之后的幾年里，研究人員已經認識到，建立一個******的數據集既關乎質量，也關乎數量。
Ramani說：“深度學習需要大量數據。計算機需要大量的例子來學習人類的意思以及事物之間的相互關系。這意味著我們需要很多零部件的3d模型，這也需要一個基本的工程分類。”
該團隊首先與一家名為TraceParts的法國公司合作，這使Purdue的研究人員可以訪問其3D工程零件數據庫。該團隊與德克薩斯大學奧斯汀分校助理教授黃啟興合作，搜尋其他數據庫以獲取類似的3D模型。他們***終建立了58,696個機械零件的數據庫。
但是沒有好的數據，數據庫是沒有用的。Ramani的團隊基于國際標準分類(由國際標準化組織創建和維護的技術標準系統)，通過建立包含68個類別的層次分類法來組織各個部分。
Ramani說：“現在，當計算機看到密封組件的圖片時，它將知道它屬于動態密封，更具體地說，屬于復合密封。”
研究人員現在已經公布了他們的開源數據庫，邀請計算機視覺和機器學習研究人員訪問并創建他們自己的實驗。今年8月，他們在第16屆歐洲計算機視覺大會上展示了他們的成果。
隨著基準數據集的建立，機器學習用于制造機器的未來是什么?
Ramani說：“我們看到了這項技術在許多現實情況下的應用。想象一下，你在一家工廠從事維護工作，你正在更換一臺機器的一部分。你可以用攝像機對準零件，計算機***會識別它，并立即告訴你這個零件的所有規格——它叫什么名字，它連接到什么地方，以及它在工廠里實際儲存在什么地方。這甚至可以通過增強現實眼鏡實現;您可以立即擁有您公司的整個可視化目錄，并了解如何修理東西或訂購零件。”
“機器學習有很多挑戰。但是，除非你知道如何測試你做得如何，否則你無法應對挑戰。我們很自豪地創建了世界上******個大型三維機械部件標注基準數據集，我們希望推動深度學習時代的視覺搜索。”
計算機視覺研究人員利用機器學習訓練計算機視覺識別物體，但很******人將機器學習應用于機械部件，如變速箱、軸承、剎車、離合器、電機、螺母、螺栓和墊圈。
普渡大學(Purdue University)的一個機械工程師團隊創建了******包含58,000多個3d機械部件的全面開源注釋數據庫，旨在幫助研究人員將機器學習應用于實際機器中的這些部件。
普渡大學的Donald W. Feddersen機械工程******教授Karthik Ramani說:“我們正處于深度學習時代，使用計算機來進行視覺搜索。但沒有人關注機器的零部件:管道、軸承、馬達、墊圈、螺母和螺栓等。這些是對我們工程師和制造商來說很重要的事情。我們希望能夠將攝像機對準真實世界的部分，然后讓計算機告訴我們關于該部分或設計的一切。”
Ramani的團隊在21世紀初曾嘗試用視覺搜索技術搜索零件，但當時的計算能力和機器學習技術還不夠******。在那之后的幾年里，研究人員已經認識到，建立一個******的數據集既關乎質量，也關乎數量。
Ramani說：“深度學習需要大量數據。計算機需要大量的例子來學習人類的意思以及事物之間的相互關系。這意味著我們需要很多零部件的3d模型，這也需要一個基本的工程分類。”
該團隊首先與一家名為TraceParts的法國公司合作，這使Purdue的研究人員可以訪問其3D工程零件數據庫。該團隊與德克薩斯大學奧斯汀分校助理教授黃啟興合作，搜尋其他數據庫以獲取類似的3D模型。他們***終建立了58,696個機械零件的數據庫。
但是沒有好的數據，數據庫是沒有用的。Ramani的團隊基于國際標準分類(由國際標準化組織創建和維護的技術標準系統)，通過建立包含68個類別的層次分類法來組織各個部分。
Ramani說：“現在，當計算機看到密封組件的圖片時，它將知道它屬于動態密封，更具體地說，屬于復合密封。”
研究人員現在已經公布了他們的開源數據庫，邀請計算機視覺和機器學習研究人員訪問并創建他們自己的實驗。今年8月，他們在第16屆歐洲計算機視覺大會上展示了他們的成果。
隨著基準數據集的建立，機器學習用于制造機器的未來是什么?
Ramani說：“我們看到了這項技術在許多現實情況下的應用。想象一下，你在一家工廠從事維護工作，你正在更換一臺機器的一部分。你可以用攝像機對準零件，計算機***會識別它，并立即告訴你這個零件的所有規格——它叫什么名字，它連接到什么地方，以及它在工廠里實際儲存在什么地方。這甚至可以通過增強現實眼鏡實現;您可以立即擁有您公司的整個可視化目錄，并了解如何修理東西或訂購零件。”
“機器學習有很多挑戰。但是，除非你知道如何測試你做得如何，否則你無法應對挑戰。我們很自豪地創建了世界上******個大型三維機械部件標注基準數據集，我們希望推動深度學習時代的視覺搜索。”
