Ứng dụng phần mềm Aurora Machine Vision trong ngành sản xuất. Ảnh: Zebra Technologies Theo Nghiên cứu Tầm nhìn Sản xuất năm 2024 của Zebra, 61% các nhà lãnh đạo ngành sản xuất toàn cầu kỳ vọng AI sẽ thúc đẩy tăng trưởng vào năm 2029. Một báo cáo khác của Zebra về AI trong ngành ô tô cho thấy AI, chẳng hạn như deep learning, đang được sử dụng trên toàn bộ chuỗi cung ứng ô tô, nhưng người dùng muốn nhiều hơn nữa từ công nghệ này. Những tính năng mới do Zebra công bố hứa hẹn đáp ứng nhu cầu của ngành.
Theo đó, bộ phần mềm Aurora của Zebra với các công cụ deep learning cung cấp các giải pháp kiểm tra trực quan mạnh mẽ cho các nhà chế tạo máy, kỹ sư, lập trình viên và nhà khoa học dữ liệu trong các ngành công nghiệp ô tô, điện tử, bán dẫn, thực phẩm và đồ uống, và đóng gói.
Bộ phần mềm này có tính năng nhận dạng ký tự quang học (OCR) sử dụng deep learning không cần mã, môi trường kéo và thả, và các thư viện mở rộng, cho phép người dùng tạo ra các giải pháp để giải quyết các trường hợp phức tạp mà các hệ thống dựa trên quy tắc truyền thống gặp khó khăn.
Theo ông Christanto Suryadarma, Phó chủ tịch bán hàng khu vực Đông Nam Á (SEA), Hàn Quốc và Kênh APJeC, Zebra Technologies, các nhà sản xuất Việt Nam đã nhanh chóng thích nghi với những thay đổi này và đang tích cực tìm kiếm các giải pháp sáng tạo tích hợp AI để cải tiến chuỗi cung ứng của họ. Bộ phần mềm Aurora nâng cao có thể giải quyết những nhu cầu này và giúp họ có được khả năng hiển thị giám sát doanh nghiệp toàn diện hơn đối với hàng tồn kho và tài sản của mình, từ đó đưa ra quyết định quan trọng một cách nhanh chóng và dứt khoát.
Christanto Suryadarma, Phó chủ tịch bán hàng khu vực Đông Nam Á (SEA), Hàn Quốc và Kênh APJeC, Zebra Technologies Aurora Design Assistant
Người dùng môi trường phát triển tích hợp Aurora Design Assistant của Zebra có thể tạo ứng dụng bằng cách xây dựng và cấu hình sơ đồ quy trình (flowchart) thay vì viết mã chương trình truyền thống. Phần mềm này cũng cho phép người dùng thiết kế giao diện người-máy (HMI) dựa trên web cho các ứng dụng.
Phần mềm hiện đi kèm với tính năng phát hiện đối tượng deep learning và phiên bản mới nhất của ứng dụng đồng hành Aurora Imaging Copilot với không gian làm việc chuyên biệt để đào tạo mô hình deep learning về phát hiện đối tượng. Các tiện ích bổ sung riêng biệt cũng có sẵn để đào tạo mô hình deep learning bằng thẻ GPU Nvidia và chạy mô hình deep learning để thực hiện suy luận hoặc dự đoán trên GPU Nvidia và GPU tích hợp Intel.
Aurora Vision Studio
Các kỹ sư giám sát bằng hình ảnh (machine and computer vision) sử dụng Aurora Vision Studio để nhanh chóng tạo, tích hợp và giám sát các ứng dụng machine vision mạnh mẽ. Phần mềm tiên tiến và không phụ thuộc vào phần cứng này mang tới một môi trường đồ họa trực quan để tạo các ứng dụng thị giác tinh vi mà không cần viết một dòng mã nào.
Với bộ công cụ toàn diện gồm hơn 3.000 bộ lọc đã được chứng minh và sẵn sàng sử dụng, các kỹ sư có thể thiết kế giải pháp tùy chỉnh trong quy trình làm việc đơn giản gồm ba bước: thiết kế thuật toán, tạo HMI cục bộ tùy chỉnh hoặc HMI Web trực tuyến, và triển khai vào máy tính công nghiệp chạy trên PC.
Chuỗi công cụ deep learning của Aurora Vision Studio cũng đã được chuyển sang một công cụ huấn luyện mới với các cơ chế cân bằng dữ liệu huấn luyện, giúp cải thiện kết quả trên các tập dữ liệu chất lượng thấp. Quá trình huấn luyện giờ đây nhanh hơn và có thể lặp lại nhiều lần hơn, với tiện ích bổ sung deep learning tương thích với các hệ thống Linux, chuyên biệt cho suy luận.
Aurora Imaging Library
Aurora Imaging Library của Zebra là bộ công cụ phát triển phần mềm dành cho các lập trình viên giàu kinh nghiệm viết mã cho các ứng dụng thị giác bằng C++, C# và Python. Bộ công cụ này bao gồm một bộ sưu tập lớn các công cụ để xử lý và phân tích hình ảnh 2D và dữ liệu 3D bằng các phương pháp dựa trên quy tắc truyền thống cũng như các phương pháp dựa trên deep learning.
Các công cụ mới nhất mở rộng năng lực của bộ giải pháp này bằng cách giới thiệu các công cụ phát hiện bất thường sử dụng deep learning để phát hiện lỗi và xác minh lắp ráp, với mục đích phát hiện bất thường. Không giống như các công cụ deep learning khác, quá trình huấn luyện không được giám sát và chỉ cần các tham chiếu thông thường.
Công cụ OCR dựa trên deep learning sử dụng mô hình mạng nơ-ron sâu được huấn luyện trước để đọc các ký tự, chữ số, dấu câu và một số ký hiệu nhất định mà không cần chỉ định hoặc dạy phông chữ cụ thể. Công cụ OCR dựa trên deep learning này bao gồm các mô hình chuỗi và các ràng buộc để cho phép đọc dữ liệu mạnh mẽ và chính xác hơn.
Doãn Phong