O nás
Jsme technologická společnost zaměřená na aplikaci umělé inteligence v průmyslu. Navrhujeme a dodáváme řešení pro sběr, analýzu dat ve výrobě, optické řídicí stanice založené na neuronových sítích a systém pro reaktivní, plánovanou a prediktivní údržbu.
Dali jsme základ systému FRAVEBOT. Ten je nyní v samostané firmě FRAVEBOT s.r.o.
Počítačové vidění s DEEP LEARNING
Pro úlohy strojového vidění používáme neuronové sítě s hlubokým učením tzv DEEP LEARNING. Tyto metody jsou vhodné pro komplikované úlohy s vysokou variabilitou pozorovaných objektů. Úlohy lze rozdělit na detekci známých objektů (Object detection) nebo hledání anomálií (Anomaly detection).
Object detection dokáže přesně najít hledaný objekt, kterým je síť naučená. Jedná se o tzv učení s učitelem, kdy explicitně určujeme vzory, které představují konkrétní objekt. Tato metoda je vhodná pro vyhledávání známých vad nebo předmětů, které ve scéně očekáváme (např komponenty).
Detekce anomálií využívá porovnání nasnímaného snímku s matematickým etalonem sestaveným pouze z OK snímků. Není nutné síť určit pro konkrétní vzory. Tato metoda se využívá zejména při hledání neznámých vad na souvislých površích (povrch výrobků, odchylka od vzoru tkaniny, poruchy lakování).
Jako zdroj dat používáme kamery s rozhraním GenICam pracující v různých spektrech. Výsledné rozpoznání může kombinovat několik vstupů. Typickým příkladem je kombinace kamery a telecentriky, kde detekovaná vizuální vada je potvrzená pohledem na profil testovaného předmětu.
Robotické aplikace
Vytváříme robotické aplikace s roboty, koboty. Navrhujeme vlastní autonomní roboty do zemědělství.
Pro řízení využíváme ROS2, aplikace trénujeme pomocí Reinforcement Learning.
Pro navigaci využíváme data z LiDARu nebo 3D kamery.
Detekce objektu je realizována neuronovými sítěmi.
Trénování provádíme na syntetickcýh datasetech, čímž razantně zkracujeme vývojový cyklus.
Jako řídící počítače slouží PC s GPU NVIDIA nebo minipočítače NVIDIA Jetson.
Řízení periferií realizujeme přes PLC Siemens nebo Beckhoff.