Zebra Technologies ha incorporado innovadoras funcionalidades de IA a su software de visión artificial Aurora . El objetivo es ofrecer capacidades adicionales de deep learning a las empresas que tengan que realizar inspecciones visuales complejas.
El 61% de los líderes del sector de fabricación a nivel mundial espera que la IA impulse su crecimiento antes de 2029, según el Manufacturing Vision Study 2024. Además, otro estudio de Zebra sobre el uso de la IA en la industria de la automoción, desveló que tanto la IA como el aprendizaje profundo se están utilizando ya en toda la cadena de suministro, pero sus usuarios quieren que ofrezca todavía más ventajas.
La suite de software Aurora, con las nuevas herramientas de deep learning, ofrece potentes soluciones de inspección visual para ingenieros, programadores y científicos de datos en sectores tan estratégicos como los de automoción, electrónica, semiconductores, alimentación, bebidas o envasado.
El software cuenta además con funcionalidades de reconocimiento óptico de caracteres (OCR) de deep learning y sin código, así como con amplias bibliotecas que permitirán a los usuarios crear sus propias soluciones para resolver casos de uso más complejos.
“Son muchas las industrias que se enfrentan a retos relacionados con la calidad y a nuevos desafíos provocados por los desarrollos de nuevos materiales”, afirma Donato Montanari, Vice President and General Manager Machine Vision de Zebra Technologies. “Todas ellas buscan nuevas soluciones que complementen y amplíen sus actuales herramientas con capacidades de IA, pudiendo así llevar a cabo inspecciones visuales más eficaces, especialmente en situaciones complejas”.
Aurora Design Assistant™
Los usuarios de Aurora Design Assistant podrán crear nuevas aplicaciones construyendo y configurando sencillos diagramas de flujo, en lugar de tener que escribir todo el código de programación tradicional. El software también les permitirá diseñar una interfaz hombre-máquina (HMI) basada en web para cada una de las aplicaciones.
Aurora Design Assistant incorpora desde ahora funcionalidades de detección de objetos con deep learning, así como la última versión de la aplicación Aurora Imaging Copilot, que dispone de un espacio de trabajo específico para entrenar a estos modelos. Asimismo, integra complementos para entrenarlos con una tarjeta GPU NVIDIA y ejecutar un modelo de deep learning para realizar inferencias o predicciones en una GPU NVIDIA y una GPU integrada de Intel, respectivamente.
Aurora Vision Studio™
Los ingenieros que utilicen Aurora Vision Studio podrán crear, integrar y supervisar rápidamente potentes aplicaciones de visión artificial. Su software proporciona un entorno gráfico intuitivo para la creación de sofisticadas aplicaciones sin necesidad de tener que escribir una sola línea de código.
Cuenta con un completo conjunto de más de 3.000 filtros probados y listos para usar, lo que permitirá a los ingenieros crear soluciones personalizadas en tres sencillos pasos: diseñar el algoritmo, crear una HMI local personalizada o una HMI web e implementarla en un ordenador.
Además, las herramientas de deep learning se han sustituido por un nuevo motor de entrenamiento que permite obtener mejores resultados cuando se trabaja con datos de baja calidad. El proceso de entrenamiento es ahora más rápido y el “add-on” de aprendizaje profundo es compatible con sistemas Linux (solo para inferencia).
Aurora Imaging Library™
El kit de desarrollo de software Aurora Imaging Library está dirigido a programadores experimentados que codifican aplicaciones de visión artificial en C++, C# y Python. Incluye una amplia colección de herramientas para procesar y analizar imágenes 2D y datos 3D, utilizando tanto métodos tradicionales basados en reglas como métodos basados en deep learning.
Entre las nuevas funcionalidades que ha incorporado destacan además las herramientas de detección de anomalías mediante aprendizaje profundo (para identificar defectos o verificar ensamblajes). A diferencia de otras soluciones de este tipo, el entrenamiento es no supervisado, por lo que solo necesita referencias normales.
La herramienta de OCR basada en aprendizaje profundo utiliza además un modelo de red neuronal profunda preentrenado para leer caracteres, dígitos o signos de puntuación sin necesidad de especificar o enseñarle fuentes específicas. Así, permite una lectura más sólida y pertinente.
