机器学习制造机器:将视觉搜索应用于机械零件
更新时间：2020-11-18 16:15:26 字号：T|T
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。计算机视觉研究人员利用机器学习训练计算机视觉识别物体，但很******人将机器...
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。
计算机视觉研究人员利用机器学习训练计算机视觉识别物体，但很******人将机器学习应用于机械部件，如变速箱、轴承、刹车、离合器、电机、螺母、螺栓和垫圈。
普渡大学(Purdue University)的一个机械工程师团队创建了******包含58,000多个3d机械部件的全面开源注释数据库，旨在帮助研究人员将机器学习应用于实际机器中的这些部件。
普渡大学的Donald W. Feddersen机械工程******教授Karthik Ramani说:“AG平台正处于深度学习时代，使用计算机来进行视觉搜索。但没有人关注机器的零部件:管道、轴承、马达、垫圈、螺母和螺栓等。这些是对AG平台工程师和制造商来说很重要的事情。AG平台希望能够将摄像机对准真实世界的部分，然后让计算机告诉AG平台关于该部分或设计的一切。”
Ramani的团队在21世纪初曾尝试用视觉搜索技术搜索零件，但当时的计算能力和机器学习技术还不够******。在那之后的几年里，研究人员已经认识到，建立一个******的数据集既关乎质量，也关乎数量。
Ramani说：“深度学习需要大量数据。计算机需要大量的例子来学习人类的意思以及事物之间的相互关系。这意味着AG平台需要很多零部件的3d模型，这也需要一个基本的工程分类。”
该团队首先与一家名为TraceParts的法国公司合作，这使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***终建立了58,696个机械零件的数据库。
但是没有好的数据，数据库是没有用的。Ramani的团队基于国际标准分类(由国际标准化组织创建和维护的技术标准系统)，通过建立包含68个类别的层次分类法来组织各个部分。
Ramani说：“现在，当计算机看到密封组件的图片时，它将知道它属于动态密封，更具体地说，属于复合密封。”
研究人员现在已经公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并创建他们自己的实验。今年8月，他们在第16届欧洲计算机视觉大会上展示了他们的成果。
随着基准数据集的建立，机器学习用于制造机器的未来是什么?
Ramani说：“AG平台看到了这项技术在许多现实情况下的应用。想象一下，你在一家工厂从事维护工作，你正在更换一台机器的一部分。你可以用摄像机对准零件，计算机***会识别它，并立即告诉你这个零件的所有规格——它叫什么名字，它连接到什么地方，以及它在工厂里实际储存在什么地方。这甚至可以通过增强现实眼镜实现;您可以立即拥有您公司的整个可视化目录，并了解如何修理东西或订购零件。”
“机器学习有很多挑战。但是，除非你知道如何测试你做得如何，否则你无法应对挑战。AG平台很自豪地创建了世界上******个大型三维机械部件标注基准数据集，AG平台希望推动深度学习时代的视觉搜索。”
计算机视觉研究人员利用机器学习训练计算机视觉识别物体，但很******人将机器学习应用于机械部件，如变速箱、轴承、刹车、离合器、电机、螺母、螺栓和垫圈。
普渡大学(Purdue University)的一个机械工程师团队创建了******包含58,000多个3d机械部件的全面开源注释数据库，旨在帮助研究人员将机器学习应用于实际机器中的这些部件。
普渡大学的Donald W. Feddersen机械工程******教授Karthik Ramani说:“AG平台正处于深度学习时代，使用计算机来进行视觉搜索。但没有人关注机器的零部件:管道、轴承、马达、垫圈、螺母和螺栓等。这些是对AG平台工程师和制造商来说很重要的事情。AG平台希望能够将摄像机对准真实世界的部分，然后让计算机告诉AG平台关于该部分或设计的一切。”
Ramani的团队在21世纪初曾尝试用视觉搜索技术搜索零件，但当时的计算能力和机器学习技术还不够******。在那之后的几年里，研究人员已经认识到，建立一个******的数据集既关乎质量，也关乎数量。
Ramani说：“深度学习需要大量数据。计算机需要大量的例子来学习人类的意思以及事物之间的相互关系。这意味着AG平台需要很多零部件的3d模型，这也需要一个基本的工程分类。”
该团队首先与一家名为TraceParts的法国公司合作，这使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***终建立了58,696个机械零件的数据库。
但是没有好的数据，数据库是没有用的。Ramani的团队基于国际标准分类(由国际标准化组织创建和维护的技术标准系统)，通过建立包含68个类别的层次分类法来组织各个部分。
Ramani说：“现在，当计算机看到密封组件的图片时，它将知道它属于动态密封，更具体地说，属于复合密封。”
研究人员现在已经公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并创建他们自己的实验。今年8月，他们在第16届欧洲计算机视觉大会上展示了他们的成果。
随着基准数据集的建立，机器学习用于制造机器的未来是什么?
Ramani说：“AG平台看到了这项技术在许多现实情况下的应用。想象一下，你在一家工厂从事维护工作，你正在更换一台机器的一部分。你可以用摄像机对准零件，计算机***会识别它，并立即告诉你这个零件的所有规格——它叫什么名字，它连接到什么地方，以及它在工厂里实际储存在什么地方。这甚至可以通过增强现实眼镜实现;您可以立即拥有您公司的整个可视化目录，并了解如何修理东西或订购零件。”
“机器学习有很多挑战。但是，除非你知道如何测试你做得如何，否则你无法应对挑战。AG平台很自豪地创建了世界上******个大型三维机械部件标注基准数据集，AG平台希望推动深度学习时代的视觉搜索。”
