FAQ

Allmänna frågor om AI

Vad är en AI-modell?

En AI-modell är en mjukvara som tränas för att utföra en specifik uppgift, t.ex. inspektera defekter.

Varför är kvaliteten på data viktig för en AI-modell?

Modellen lär sig vad som finns i datamängden. Modellens prestanda beror därför mycket på kvaliteten på data. Om skillnaden mellan vad som klassas som avvisat och godkänt är mycket liten kommer modellen att ha svårt att fatta beslut, som när vi som människor försöker fatta beslut om bristfällig information.

Hur tränar man en AI-modell?

Med utgångspunkt från ett dataset som innehåller information om ”sanningen”, t.ex. vad som ska godkännas eller förkastas i en kvalitetskontroll. Informationen används under modellträning. Detta liknar första dagen på jobbet för en människa som utför kvalitetsinspektioner som behöver utbildning för att avgöra om en produkt ska klassificeras som godkänd eller underkänd enligt företagets standarder.

När datasetet har kvalitetssäkrats tränas Gimics AI-modeller på kraftfulla grafikkort specialiserade på snabba beräkningar. Modellen utvärderas sedan mot testdata som den aldrig sett tidigare (som inte tränas på) och kan sedan användas för autonoma visuella inspektioner.

Hur snabb är Gimics AI-motor?

Gimics AI-motor kan hantera cirka 30 bilder per sekund.

Hur många exempel på godkända och avvisade produkter behövs för att träna AI-modellen att fatta korrekta beslut?

Det varierar från fall till fall. Om defekterna varierar mycket vad gäller färg, form och position behövs oftast mer träningsdata. Modellen förbättras kontinuerligt när nya defekter uppstår i produktionen.

Hur förbättras Gimics-modeller?

Modellen finjusteras och tränas på mer data.

Vilka nyckelfaktorer är avgörande för modellens prestanda i produktionen?

Kvaliteten på träningsdata, det vill säga defekter och icke-defekter, tränas därefter.
Belysning och kameraposition ligger mycket nära de förhållanden som användes vid inspelning av träningsdata.
Besiktningskraven är kristallklara och återspeglas i utbildnings- och testdata.