آرشیو مولف: مدیر

مقالات

5 شکل بکارگیری هوش مصنوعی در صنعت خودروسازی

Posted on by مدیر

هوش مصنوعی (AI﴾ صنعت خودروسازی را به قبضه خود در آورده است و حال آنکه تمامی فعالین بزرگ صنعت خودروسازی مشغول بکارگیری منابع و تکنولوژی های خود هستند تا به مطلوبترین خروجی برسند.

زیبایی دستگاه های مجهز به هوش مصنوعی در آن نهفته است که این سیستم ها به دنبال یادگیری از تمامی ورودی های سنسوری همچون صداها و تصاویر هستند.

به همین شکل هنگامی که این هوشمندی در تکنولوژی موجود در یک خودرو گنجانده میشود، خودروی مربوطه محیط پیرامون خود را شناسایی کرده و هنگام حرکت یا مواجه شدن با موانع به ارزیابی علائم محیطی میپردازد.

در سال 2015، نرخ نصب و بکارگیری سیستم های هوش مصنوعی-محور در خودروهای جدید تنها 8٪ بوده است، اما تا سال 2025 انتظار میرود که این نرخ به 109٪ افزایش پیدا کند. این افزایش بخاطر نصب و بکارگیری سیستم های AI مختلف در وسایل نقلیه خواهد بود.

راندن خودروهای بدون راننده با کمک هوش مصنوعی

تفکر پشت خودروهای بدون راننده از حوالی سال 1970مطرح شد و از این جهت میتوان گفت که این پدیده موضوع جدیدی نیست. خودروهای مجهز به هوش مصنوعی که در فیلم های سالهای گذشه به تصویر کشیده شده اند همیشه تصورات ما را درگیر خود نموده اند. اما به احتمال زیاد، کمبود آگاهی فنی و منابع از جمله موانعی بوده اند که مانع به حقیقت پیوستن این تصورات تاچند سال اخیر شده اند. به تدریج تمامی فاکتورهایی که منجر به هوش مصنوعی میشدند شکل گرفتند و در حال حاضر شاهد به حقیقت پیوستن تولید خودروهای بدون راننده هستیم.

اما دیدن هوش واقعی در این نوع ماشین ها موضوعی است که نیاز به زمان دارد. ایده ی پشت تولید این نوع ماشین ها این بوده است که خودروها بتوانند بدون راننده ی انسانی و در شرایط مختلف خود به تنهایی به رانندگی بپردازند. شاید این کار آسان به نظر برسد، اما به هیچ وجه اینگونه نیست! چرا که برای انجام این کار به محاسبات بسیار دقیقی احتیاج است.

از طریق تکنیک هایی چون تلفیق سنسورها و یادگیری عمیق، محقیقن موفق به توسعه تکنولوژی شدند که به ایجاد یک نقشه سه بعدی از تمامی اتفاقات رخ داده در اطراف خودرو کمک میکند.

برخی از شرکت های بزرگ در زمینه تکنولوژی و خودروسازی همچون گوگل و تسلا، میلیونها دلار از پول خود را صرف پژوهش در مورد خودروهای بدون راننده نموده اند تا بدین شکل به یک تکنولوژی بهتر دست پیدا کرده و خودروهای خودگردان/خودران را به یک واقعیت تجاری تبدیل کنند.

حال بیایید به اشکال مختلفی که هوش مصنوعی به پیشرفت و توسعه صنعت خودردوسازی در آینده کمک میکند نگاهی بیاندازیم:

1. یادگیری ماشین

هوش مصنوعی ﴿AI﴾ نوعی هوش است که در نتیجه بهترین آزمایشات علمی مطرح شده و توسعه پیدا کرده است. هنگامی که این هوش در دستگاه ها و ماشین ها بکار گرفته میشود، آنها را به دستگاه/ماشین هایی مبدل میسازد که تا حد زیادی همچون انسانها عمل میکنند. با این حال، هوش مصنوعی با یادگیری عمیق متفاوت است. در هوش مصنوعی، دستگاه ها به شکلی به انجام کارها میپردازند که انسانها آن را هوشمند تلقی میکنند. یادگیری ماشین یا ML یکی از کاربردهای هوش مصنوعی است که در آن به ماشین ها یک سری داده ی بخصوص داده میشود و آنها به خودی خود شروع به یادگیری بر اساس این داده ها میکنند. یادگیری ماشین در حقیقت زیرمجموعه ای از هوش مصنوعی AI تلقی میگردد.

شرکت تویوتا یک گام جلوتر پیش رفته و از بیگ دیتا ﴿کلان داده﴾، یادگیری ماشین و هوش مصنوعی در جهت تولید سیستم های خودگردان به شدت حساسی بهره جسته است که به سهولت حرکت «افراد کم توان در رانندگی» کمک میکند.

2. یادگیری عمیق

یادگیری عمیق فرآیندی است که با کمک آن یادگیری ماشین بکار گرفته میشود. با کمک یادگیری عمیق است که بسیاری از فعالیت های هوش مصنوعی بدون هیچگونه شکستی صورت میپذیرند. یادگیری عمیق به سیستم ها کمک میکند تا وظایف خود را به بخش هایی قابل مدیریت تقسیم کنند. نرم افزار موجود در یادگیری عمیق قادر به یادگیری است و پس از آن شروع به تقلید از فعالیت های لایه های نورونی مغز ما میکند.

تکنیک های یادگیری عمیق در صنعت خودروسازی بسیار سودمند واقع شده است، چرا که این تکنیک ها در زمینه سیستم های پیشرفته راهنمای رانندگی و رانندگی خودکار کمک میکنند. این موارد تنها کاربردهای یادگیری عمیق در داخل خودروها بوده اند. تکنولوژی یادگیری عمیق نقش پررنگی را در خارج از محیط خود خودروها نیز ایفا میکند – در طول تولید، فروش و خدمات پس از فروش. حتی در سرویس هایی که تا کنون تکنولوژی در آنها تا حدودی مبهم به نظر میرسید، تکنولوژی یادگیری عمیق تفاوت ایجاد کرده و پیشرفت بزرگی را رقم زده است.

3. اینترنت اشیا ء ﴿IoT﴾

اینترنت اشیاء تاثیری انکارناشدنی روی صنعت خودروسازی داشته است و همچنان مستعد قوی تر شدن در سالهای پیش رو نیز هست. خودروهایی که به تازگی تولید شده اند مجموعه ای از مواردجدید را به همراه خود دارند – سنسورهای هوشمند، قابلیت های تجزیه و تحلیل محیطی با کمک بیگ دیتا، کاربردهای اتصال گنجانده شده در خود سیستم.

با توجه به ویژگی های رویایی این خودروها، صاحبان این سیستم ها میتوانند از مزیت برخی ویژگی ها بهره مند شوند. برخی از این ویژگی ها عبارتند از:

  • فروشندگان یا تولیدکنندگان این سیستم ها از طریق نرم افزارهای بروزرسانی بیسیم، فریمور خودروها را بروزرسانی میکنند.
  • در صورتی که یک وسیله نقلیه در یک روز به خصوص برای سرویس یا تعمیر شدن برنامه ریزی شده باشد، داده های مربوط به عملکرد خودرو به مرکز تولیدکننده/فروشنده/خدمات رسانی ارسال خواهد شد.
  • تولید کنندگان خودروها میتوانند تنها از طریق یک نرم افزار مشخص به حل و فصل برخی از مسائل مربوط به عملکرد خودرو بپردازد و دارنده ی خودرو مجبور به تهیه یک لیست بلند بالای خرید نخواهد شد.
  • کمپانی هایی که دارای مجموعه ای از وسایل نقلیه خود هستند میتوانند با کمک پارامترهای امنیتی ارتقاء یافته، به صورت یک شکل به مدیریت خودروهای خود بپردازند.
  • کیفیت تولید ارتقاء یافته از طریق فرآیندهای اینترنت اشیاء (IoT) امکان پذیر است.
  • در صورت وقوع موارد نیازمند فوریتهای پزشکی، سنسورهای هوشمند خودرو پرسنل پزشکی مربوطه را فراخوانده و خواهند فرستاد.

 

 

4. قابلیت های ادراکی

انقلاب رانندگی بدون راننده در گوشه و کنار خیابانها به مسیر خود ادامه خواهد داد و افراد نه تنها شاهد بکارگیری قابلیت های هوش مصنوعی در خودروهای کوچک خواهند بود، بلکه کامیون های 18-چرخی را خواهند دید که مجموعه ای از کالاها را با خود حمل میکنند. این امر با کمک آنالیزهای ادراکی یک گام پیشتر آمده است، چرا که این آنالیزها با نگاه کردن به الگوهای رفتاری و قابلیت های داده کاوی به تقلید از رفتار افراد میپردازند.

سیستم های ادراکی باید عملکردی همچون یک انسان را در تفسیر شرایط واقعی داشته باشند. برای انجام این کار داشتن فهم و آگاهی عمیق نسبت به داده های غیرساختار-یافته ضروری است.

این دانش و آگاهی با کمک کسر بزرگی از داده های غیرساختار-یافته به دست می آید تا روی چگونگی نشان دادن عکس العمل طبیعی به صورت همزمان با وقوع رخداد تصمیم گیری صورت گیرد.

این قابلیت های ادراکی همچنین قادر به کنترل شرایط عملیاتی پویا و دینامیک خواهند بود. در حال حاضر تولیدکنندگان خودروها شروع به گنجاندن این نوع قابلیت ها در خودروهای خود نموده اند. به عنوان مثال، شرکتBMW با همکاری شرکت IBM تلاش نموه است تا این قابلیت های ادراکی را به خودروهای خود بیافزاید.

5. سیستم های اطلاع رسانی و سرگرمی

هوش مصنوعی، سیستم های اطلاع رسانی و سرگرمی موجود در خودروها را به شکل عظیمی تغییر میدهد. به خاطر این روند، تقاضا برای راهکارهای سخت افزاری و نرم افزاری باکیفیت نیز افزایش یافته است، چرا که تمام این سیستم ها باید سازگار با تکنولوژی هوش مصنوعی AI باشند.

در گروه سیستم های اطلاع رسانی و سرگرمی میتوانید شاهد پیشرفت و توسعه ویژگی های زیر باشید: تشخیص صدا، دنباله روی مسیر حرکت چشم، بازبینی رانندگی، تشخیص حرکات بدن و پایگاه داده زبان های طبیعی ﴿زبان طبیعی، قابلیت یک رایانه برای درک چیزی است که انسان در قالب کلام به او می‌گوید﴾. به مرور زمان این پیشرفت ها یک گام جلوتر خواهند رفت تا سیستم های ارزیابی شرایط راننده، سیستم های دید ماشینی متصل به دوربین، واحدهای کنترل موتور ترکیب سنسورها و واحدهای تشخیص رادار-محور را درنظر گرفته و در خود بگنجانند.

اینترفیس های ماشینی-انسانی مربوط به سیستم های سرگرمی و اطلاع رسانی وجود دارد که قبلا به خودروها متصل شده اند. این اینترفیس ها میتوانند طبق الگوریتم های به دست آمده از شبکه های نورونی ابر-محور به بازبینی پرداخته و عمل کنند. از این قابلیت بعدها میتوان برای انجام کارهای پیشرفته استفاده نمود.

نتیجه

با کمک قابلیتهای هوش مصنوعی افراد میتوانند شاهد نوع جدیدی از راندن خودروها ﴿پدیده «ابرها به خودروها»﴾ باشند. توسعه دهندگان این نوع سیستم ها با کمک قدرت محاسباتی فوق العاده ی موجود خود قادر به ساخت اپلیکیشن هایی شده اند که هوش مصنوعی را به مرحله ی جدیدی از کمال رسانده اند.

استفاده از هوش مصنوعی محدود به خودروهایی که به خودی خود و در شرایط گوناگون همچون یک راننده ی واقعی میرانند نمیشود. علاوه بر این، هوش مصنوعی به ساخت خودروهای ارزانتری کمک میکند که قادر به حس کردن محیط بوده و علیرغم تمام موانعی که ممکن است در جریان رانندگی سر راه افراد قرار بگیرد قادر به راهیابی باشند.

منبع: Bigdata-Madesimple

مقالات

50 شرکت امنیتی برتر: روندهای تکنولوژی 2019

Posted on by مدیر

با به پایان رسیدن سال 2018، بسیاری از افراد به دنبال آن هستند که ببینند کدام یک از تکنولوژی­های امنیتی در سال 2019 رایج خواهند بود. 50 شرکت امنیتی برتر در سال 2018، برخی از این تکنولوژیها را معرفی نموده­ اند که خلاصه ­ای از آنها در ادامه این مقاله آورده شده است.

1. امنیت سایبری

از لحاظ تکنولوژیک، امنیت سایبری همچنان به عنوان موضوعی داغ در سال 2019 مطرح خواهند ماند. در واقع طبق طبقه­ بندی ارائه شده توسط انجمن صنعت امنیتی آمریکا ((SIA، امنیت سایبری نخستین رتبه را از میان 10 روند عظیم امنیتی از آن خود نموده است؛ انتظار میرود که این 10 روند عظیم امنیتی، صنعت امنیت را در سال 2019 شکل دهند. از میان تهدیدات سایبری موجود در مورد دستگاه ­های امنیتی که روز به روز بیشتر از پیش به سوی سیستم­ های تحت شبکه مهاجرت میکنند، فروشندگان این نوع سیستم ­ها باید ثابت کنند که راهکار­های آنها در مقابل حملات و هک­های صورت گرفته مقاوم هستند. در سال 2019، امنیت سایبری همچنان به عنوان موضوعی مهم مطرح خواهد بود و اقدامات مربوط به مقاوم­سازی در برابر حملات سایبری همچنان به عنوان وجهی کلیدی در توسعه محصولات باقی خواهند ماند.

2. هوش مصنوعی/ یادگیری عمیق

لازم به گفتن نیست که هوش مصنوعی و آنالیتیک­های پیشرفته همچنان در زمینه صنعت امنیت حکمرانی خواهند نمود. هوش مصنوعی/ یادگیری ماشین/ یادگیری عمیق، یک روند تکنولوژی مداوم خواهد بود که قادر به بهبود بخشیدن قابل ­توجه عملکرد و قابلیت­های سیستم­ های امنیتی است.

3. محافظت از حریم شخصی

با این حال با مطرح­ شدن تکنولوژی هوش مصنوعی، چگونگی استفاده و محافظت از داده ­ها به مسئله ­ای اساسی تبدیل خواهد شد. البته باید گفت که بحث­ های زیادی حول هوش مصنوعی و یادگیری عمیق در این صنعت وجود دارد. علاوه بر این انتظار میرود که تاکید زیادی روی بحث حریم شخصی و شخصی­ سازی صورت بگیرد. دغدغه­ های موجود حول رویکرد یک شرکت نسبت به مسئله حریم شخصی و استفاده از داده ­های شخصی، یکی از تاثیرگذارترین جنبه ­های پیشرفت یک بیزینس خواهد بود.

4. محاسبات اج محور

در ارتباط نزدیک با تکنولوژی هوش مصنوعی/ یادگیری عمیق میتوان به محاسبات اج-محور اشاره نمود که به زودی برای انجام الگوریتم ­های پیچیده، قدرتمندتر خواهد شد؛ علاوه بر این، برای فهم تمامی داده­ های جمع آوری شده، محاسبات ابری به کار گرفته خواهند شد.

همچنین منابع پیشرفته ای برای محاسبات اج-محور موجود خواهد بود که باعث هوشمندتر شدن دستگاه­ های اج محور، پذیرش بیشتر راهکارهای ابر-محور در صنعت و استفاده هوشمندتر از تکنولوژی ­های ابری برای تجزیه ­و­تحلیل عمیق­تر رخدادها خواهد شد.

5. اعتبارسنجی موبایلی

در زمینه کنترل دسترسی، سیستم های کنترل دسترسی بیسیم و سیستم­های اعتبارسنجی موبایلی پذیرش بیشتری را در بازار به دست خواهد آورد. در مقایسه با استفاده از کارت­های پلاستیکی، اعتبارسنجی از طریق گوشی­های هوشمند با استقبال زیادی مواجه شده است.

برگرفته از: مجله a&s

مقالات

هوش مصنوعی و خودروهای خودگردان

Posted on by مدیر

هوش مصنوعی (AI)، صنعت خودروسازی را تحت کنترل خود گرفته است تا بدین شکل تولید خودروهای خودگردان سطح-4 و سطح-5 کلید بخورد. شاید این سوال برای شما پیش بیاید که چرا علیرغم پیدایش و مطرح شدن هوش مصنوعی از سال 1950، این تکنولوژی به تازگی سر زبانها افتاده و شهرت یافته است؟ به صورت ساده شاید بتوان گفت که دلیل رشد سریع تکنولوژی هوش مصنوعی، وجود حجم بالای داده هایی است که امروزه در اختیار افراد قرار دارد. با کمک دستگاه ها و سرویس های متصل به هم، افراد میتوانند در هر صنعتی به جمع آوری داده ها بپردازند و در نتیجه آنچه را که برای آغاز انقلاب هوش مصنوعی AI لازم است تامین کنند. علیرغم تلاش های صورت گرفته برای بهبود سریع سنسورها و دوربین ها برای تولید داده های مربوط به خودروهای خودگردان، شرکت انویدیا در ماه اکتبر سال 2017 از نخستین کامپیوتر هوش مصنوعی خود پرده برداری کرد تا امکان یادگیری عمیق، بینایی رایانه ای و الگوریتمهای محاسباتی موازی را فراهم سازد. تکنولوژی هوش مصنوعی AI به بخش مهمی از تکنولوژی خودروهای خودگردان تبدیل شده است و دانستن چگونگی کارکرد این تکنولوژی در خودروهای خودگردان و متصل به یکدیگر حائزاهمیت است.

هوش مصنوعی چیست؟

مهندس کامپیوتری به نام جان مک کارتی، اصطلاح «هوش مصنوعی» را در سال 1955 ساخت. تعریفی که از هوش مصنوعی ارائه میشود بدین شرح است: توانایی یک برنامه کامپیوتری یا ماشین برای فکر کردن، یادگیری و اتخاذ تصمیمات. در استفاده ی کلی، این اصطلاح به معنای ماشینی است که قوه ی فهم انسانی را جعل میکند. با کمک تکنولوژی هوش مصنوعی AI، برنامه های کامپیوتری و ماشین ها قادر به انجام کارهایی میشوند که پیشتر انسان ها انجام میداده اند. این برنامه ها و ماشین ها با حجم زیادی از داده های تجزیه و تحلیل و پردازش شده تغذیه میشوند تا در نهایت قادر به تفکر به صورت منطقی  و انجام کارهای انسانی شوند. فرآیند خودکارسازی کارهای تکراری انسان ها تنها بخش کوچکی از کوه یخی بزرگ به نام هوش مصنوعی را تشکیل میدهد. تجهیزات مربوط به تشخیص بیماریها و خودروهای خودگردان همگی با هدف نجات جان انسانها، شروع به بکارگیری تکنولوژی هوش مصنوعی AI نموده اند.

رشد هوش مصنوعی در صنعت خودروسازی

طبق گزارش های موجود پیش بینی شد که در سال 2017 بازار AI در صنعت خودروسازی ارزشی برابر 783$ میلیون دلار داشته و تا سال 2025 با ترکیب نرخ رشد سالانه ای برابر 38.5٪ این ارزش به 11$ هزار میلیون دلار خواهد رسید.  طبق پیش بینی آی.اچ.اس مارکیت، در مقایسه با نرخ بکارگیری ۸ درصدی سیستم های AI-محور در خودروهای جدید، انتظار میرود که تا سال 2025 این نرخ تا 109٪ افزایش پیدا کند. سیستم هایAI-محور در خودروهای جدید تبدیل به یک استاندارد خواهند شد، مخصوصا در دو دسته زیر:

  1.   واسط سرگرمی و اطلاع رسانی بین انسان و ماشین که شامل تشخیص صدا، تشخیص رفتار، دنباله روی مسیر حرکت چشم و بازبینی راننده، راهنمای مجازی و واسط های زبان طبیعی (پردازش زبان‌های طبیعی یکی از زیرشاخه‌های بااهمیت در حوزه گسترده علوم رایانه، هوش مصنوعی است که به تعامل بین کامپیوتر و زبان‌های (طبیعی) انسانی می‌پردازد) میشود. سیستم های پیشرفته راهنمای راننده ﴿ADAS﴾ و خودروهای خودگردان که شامل سیستم های دید ماشینی دوربین-محور، واحدهای تشخیص رادار-محور، ارزیابی شرایط راننده و واحدهای کنترل موتور و ترکیب سنسورها میشود.
  2.          تکنولوژی یادگیری عمیق که یک تکنیک برای بکارگیری یادگیری ماشین ﴿رویکردی برای رسیدن به هوش مصنوعی AI﴾ است، انتظار میرود که بزرگترین و پرسرعت ترین تکنولوژی از لحاظ رشد در بازار هوش مصنوعی خودروها باشد. در حال حاضر این تکنولوژی در حال بکار گرفته شدن در بخش هایی چون تشخیص صدا، جستجوی صدا، موتورهای پیشنهادکننده و توصیه گر، تجزیه و تحلیل احساسات، تشخیص تصاویر و تشخیص حرکت در خودروهای خودگردان میباشد.

چگونگی کارکرد هوش مصنوعی در خودروهای خودگردان

این روزها واژه ی هوش مصنوعی به اصطلاحی رایج تبدیل شده است، اما سوالی که پیش می آید این است که این تکنولوژی دقیقا چطور در خودروهای خودگردان عمل میکند؟

نخست باید به زاویه دید یک انسان نسبت به راندن یک خودرو با استفاده از عملکردهای حسی چون بینایی و شنوایی برای دیدن جاده و سایر خودروهای موجود در جاده نگاهی انداخت. هنگامی که در مقابل یک چراغ قرمز ترمز میکنیم یا منتظر عبور یک عابر پیاده از عرض خیابان هستیم، در واقع در حال استفاده ازحافظه خود برای اتخاذ چنین تصمیات سریعی هستیم. تجربه ی  به دست آمده از سالها رانندگی، ما را نسبت به جستجو برای چیزهای کوچکی که اغلب در جاده ها با آنها مواجه میشویم ﴿ شاید یک راه بهتر برای رسیدن به اداره و یا شاید یک برآمدگی بزرگ در مسیر جاده﴾ عادت میدهد.

خودروهای خودگردانی که خودشان کار راندن را انجام میدند در حال تولید و ساخته شدن هستند، اما چیزی که حائزاهمیت است ساختن خودروهایی است که همچون رانندگان انسانی به راندن خودروها میپردازند. این به معنای تعبیه نمودن یک سری عملکرد در این وسایل نقلیه است که عملکردهای حسی، عملکردهای فکری ﴿حافظه، تفکر منطقی، تصمیم گیری و یادگیری﴾ و قابلیت های اجرایی که انسانها برای راندن وسایل نقلیه مورد استفاده قرار میدهند را شامل شود. صنعت خودروسازی به صورت مداوم در حال رشد و تکامل است تا در طی چند سال اخیر موفق به نیل این هدف شود.

به نقل از گارتنر تا سال 2020 حدود 250 میلیون خودرو قادر خواهند شد که از طریق سیستم های مختلف V2X (تکنولوژی ارتباط خودرو با همه چیز) به یکدیگر و زیرساخت های پیرامون خود متصل شوند. فناوری V2Xیا Vehicle-to-Everything ارتباط بین یک خودرو را با هر چیزی که دراطرافش از آن تأثیر می‌گیرد، ممکن می‌سازد که این ارتباط می‌تواند شامل «سایر خودروها» یا خودرو با خودرو/ V2V، زیرساخت‌های مرتبط و پیرامون خودرو/ V2I یا حتی موبایل / V2P باشد که درنتیجه سیستم خودرو با یک فرد موبایل به‌دست به‌عنوان عابر یا راننده خودروی کناری ارتباط برقرار کرده و بدین ترتیب خودروی شما با هر چیز ممکنی به‌صورت لحظه‌ای ارتباط می‌گیرد تا تعاریف استاندارد را اجرا کند. هر چه میزان داده های داده شده به واحدهای IVI ﴿in-vehicle infotainment به مجموعه ای از سخت افزارها و نرم افزارهای موجود در خودردوها گفته میشود که سرگرمی های صوتی و ویدئویی را ارائه میکنند﴾ یا سیستم های برقراری ارتباط از راه دور بیشتر شود، خودروها بیشتر قادر خواهند شد که به صورت همزمان با وقوع رخداد به ضبط و به اشتراک گذاری وضعیت داخلی سیستم ها و داده های مربوط به مکان خودرو و هرگونه تغییرات صورت گرفته در اطراف خودرو بپردازند. خودروهای خودگردان در حال مجهز شدن به دوربین ها، سنسورها و سیستم های ارتباطی هستند تا وسیله نقلیه مربوطه را قادر به تولید حجم بالایی از داده ها کنند. با بکارگیری تکنولوژی هوش مصنوعی AI، وسایل نقلیه قادر به دیدن، شنیدن، فکر کردن و اتخاذ تصمیماتی چون تصمیمات رانندگان انسانی میشوند.

چرخه درک عمل AI در خودروهاي خودگردان

هنگامي كه خودروي خودگردان از فضاي اطراف خود داده توليد ميكند و اين داده ها را در اختيار يك عامل هوشمند قرار ميدهد، يك لوپ تكرارشونده به نام چرخه درک عمل ايجاد ميشود. در مبحث هوش مصنوعی، عامل هوشمند به موجودی گفته می‌شود که در یک محیط، اطراف خود را شناخته و اعمالی را روی محیط انجام می‌دهد و کلیه اعمالی که انجام می‌دهد در جهت نیل به اهدافش می‌باشد. این سیستم‌ها امکان یادگیری دارند و سپس از دانش اکتسابی خود برای انجام اهداف خود استفاده می‌کنند. این کنشگرها ممکن است بسیار ساده یا پیچیده باشند. بطور مثال ماشین‌های کوکی که با برخورد به دیوار، راه خود را عوض می‌کنند نمونه‌ای از کنشگرهای هوشمند هستند. با توجه به تعریف اراده شده، این عامل هوشمند با استفاده از داده هاي ارائه شده شروع به تصميم گيري كرده و خودروي خودگردان موردنظر را قادر به انجام يك سري عمليات خاص در آن محيط ميسازد. اين فرايند به سه بخش اصلي تقسيم ميشود:

بخش ١: سيستم هاي جمع آوري داده و سيستم هاي ارتباطي داخل خودرو

خودروهای خودگردان مجهز به تعداد زیادی سنسور، رادار و دوربین هستند که برای تولید حجم عظیمی از داده های محیطی مورد استفاده قرار میگیرند. تمامی این سیستم ها به وسیله نقلیه خودگردان کمک میکنند تا به دیدن، شنیدن و حس کردن جاده، زیربناهای جاده ای، سایر وسایل نقلیه و هرشیء دیگر موجود در/نزدیک جاده کمک میکند؛ دقیقا همانطوری که یک راننده ی انسانی به هنگام رانندگی به جاده توجه میکند. این داده ها در مرحله ی بعد توسط سوپرکامپیوترها مورد پردازش قرار میگیرند و سیستم های ارتباطی داده ها برای تبادل امن اطلاعات (ورودی) ارزشمند به پلتفرم ابری رانندگی خوگردان استفاده میشوند. وسیله نقلیه خودگردان ابتدا فضای رانندگی و/یا شرایط رانندگی بخصوص را به پلتفرم رانندگی خودگردان مخابره میکند.

بخش ٢: پلتفرم رانندگي خودگردان (ابري)

پلتفرم رانندگي خودگردان كه در فضاهاي ابري قرار دارد داراي يك عامل هوشمند است كه از الگوريتم هاي هوش مصنوعي براي اتخاذ تصميمات منطقي و معنادار استفاده ميكند. اين پلتفرم به عنوان سياست كنترل يا مغز خودروهاي خودگردان عمل ميكند. عامل هوشمند نيز به يك پايگاه داده متصل ميشود كه به عنوان يك حافظه كه تجربيات رانندگي هاي پيشين در آن ذخيره ميگردد عمل ميكند. اين داده ها به همراه  داده هاي ورودي همزمان با وقوع رخداد ارائه شده توسط خودروي خودگردان و محيط اطراف آن، به عامل هوشمند كمك ميكنند تا تصميمات دقيقي در رانندگي بگیرد. حال خودروي خودگردان دقيقا ميداند كه براي رانندگي در چنين فضاهايي و يا در برخي شرايط بخصوص چه كاري بايد انجام بدهد. 

بخش ٣: عملكردهاي AI-محور در خودروهاي خودگردان

بر اساس تصميمات گرفته شده توسط عامل هوشمند، خودروي خودگردان قادر به تشخيص اشياء در خيابان، داشتن عملكرد در ترافيك آن هم بدون دخالت افراد و ايمن رسيدن به مقصد موددنظر خود ميباشد. همچنين خودروهاي خودگردان مجهز به سيستم هاي كاربردي AI-محوري چون تشخيص صدا و كلام، كنترل حالت بدن، دنباله روي مسير چشم و ساير سيستم هاي بازبيني رانندگي، راهنماي مجازي و سيستم هاي تشخيص مسير و مكان و سيستم هاي امنيتي ميباشند. اين سيستم هاي كاربردي تنها برخي از سيستم هاي بكار گرفته شده در خودروهاي خودگردان هستند. همچنين اين عملكردها بر اساس تصميمات اتخاذشده توسط عامل هوشمند موجود در پلتفرم رانندگي خودگردان انجام ميشوند. اين سيستم ها ساخته شده اند تا يك تجربه ي كاربري عالي را به مشتريان خود ارائه كنند و از آنها در جاده ها محافظت كنند. تجربه هاي رانندگي به دست آمده از هر بار رانندگي، ضبط و در پايگاه داده ذخيره ميشوند تا به عامل هوشمند در تصميم گيريهاي دقيقتر در آينده كمك كنند. 

اين لوپ داده كه چرخه درک عمل نيز ناميده ميشود به صورت مداوم تكرار ميشود. هر چه تعداد دفعات تكرار چرخه های درک عمل بيشتر باشد، عامل هوشمند مربوطه هوشمندتر شده و در نتيجه تصميات مربوطه، مخصوصا در شرايط رانندگي دشوار با دقت بيشتري گرفته ميشود. هر چه تعداد دستگاه هاي متصل شده بيشتر باشد، تعداد تجربيات رانندگي بيشتري ضبط ميشود. اين تجربيات به عامل هوشمند كمك ميكنند تا بر اساس داده هاي ايجادشده توسط چندين دستگاه خودگردان مختلف تصميم گيري كند. اما اين موضوع بدان معنا نيست كه هر دستگاه خودگردان لزوما بايد در يك شرايط رانندگي پیچيده قرار بگيرد پيش از آنكه قادر به فهمیدن آن شود. 

هوش مصنوعي، مخصوصا شبكه هاي نوروني و  يادگيري عميق به موضوعي اساسي در عملكرد درست و ايمنی خودروهاي خودگردان تبديل شده است. هوش مصنوعي در حال باز كردن راه براي راه اندازي خودروهاي خودگردان سطح ٥ است. در اين نوع خودروها ديگر نيازي به فرمان، پدال گاز يا ترمزها نخواهد بود. 

مقالات

ویدئوآنالیتیک های AI-محور تا چه حد هوشمند هستند؟

Posted on by مدیر

در حال حاضر صحبت های زیادی حول استفاده از هوش مصنوعی ﴿AI﴾ در آنالیتیک های ویدئویی وجود دارد. به طوری که بسیاری از ارائه کنندگان راهکارهای امنیتی، واژه ی هوش مصنوعی را به عنوان یک ضرورت در تولید و عرضه محصولات خود میبینند. اگر بخواهیم منصفانه صحبت کنیم باید بگوییم که راهکارهای آنالیتیک ویدئویی راه زیادی را از نخستین روزهای ورود خود آمده اند. با این حال این سوال مطرح میگردد که آنالیتیک های ویدئویی تا چه حد هوشمند هستند؟

هوش مصنوعی در کجای صنعت امنیت جای میگیرد؟

هوش مصنوعی (AI﴾، یادگیری عمیق، آنالیتیک های ویدئویی همگی از جمله کلمات رایجی هستند که به دیدن آنها عادت کرده ایم.

علیرغم تمامی بحث ها و تبلیغات های صورت گرفته در مورد هوش مصنوعی، اغلب افراد ذهنیتی مبهم نسبت به اجزای تشکیل دهنده ی این تکنولوژی دارند. نکته جالب توجه اینجاست که این موضوع در بحث امنیت ساختمان های مسکونی و تجاری که در چند سال اخیر بیشتر مطرح شده صادق است.

همچنین اینکه اصطلاحات نزدیکی چون آنالیتیک ها، یادگیری ماشین و یادگیری عمیق چگونه زیرمجموعه، گونه جهش یافته یا زیرشاخه ای از هوش مصنوعی (AI﴾ محسوب میشوند نیز برای اکثر متخصصین امنیتی و مشتریان همچون یک راز تلقی میگردد. علاوه بر آن، به احتمال زیاد برای این افراد انجام یک سری عملیات پیچیده توسط ربات ها به قطع مستلزم درجه ای از هوش مصنوعی خواهد بود.

هوش مصنوعی یک اصلاح گسترده است که برای توصیف هر چیزی که همچون مغز یک انسان عمل میکند استفاده میشود. یادگیری ماشین تکنیکی است که در آن یک کامپیوتر میتواند با پردازش حجم بالایی از داده ها در مورد عملیات مربوطه، قدرت خود را برای انجام یک عملیات بهبود بخشد. یادگیری عمیق زیرمجموعه ای از یادگیری ماشین است که از شبکه های نورونی بهره میگیرد. یک لایه از شبکه های نورونی پس از پردازش داده ها، نتیجه این پردازش را به لایه ی بعد منتقل میکند که این لایه نیز پس از انجام عملیات، پاسخ خود را به لایه بعد میفرستد. این دست از شبکه های نورونی به عنوان شبکه های نورونی پیچیده یا CNN مشهور هستند.آنالیتیک های نظارت ویدئویی نمونه ای عالی از بکارگیری هوش مصنوعی و یادگیری عمیق هستند که با ورود GPUها ﴿واحدهای پردازش گرافیکی﴾ امکان پذیر شده اند.

چرا هوش مصنوعی، آنالیتیک ها، سرویس های ابری و امنیت سایبری، فرصت های جدیدی را برای نصاب ها فراهم میکنند؟

به قطع آنالیتیک های ویدئویی یکی از رایجترین راه های بکارگیری هوش مصنوعی در کاربردهای امنیتی است. به همین شکل، سیستم های مدیریت اطلاعات مربوطه به امنیت فیزیکی ﴿PSIM﴾ که با تلفیق داده های امنیتی گوناگون باعث آگاهی موقعیتی میشوند نیز از تکنولوژی هوش مصنوعی بهره میگیرند.

ربات های بادوام و هوشمندی را تصور کنید که مجهز به چنین الگوریتم های پیشرفته و سنسورهای پردازش و هوشمند شوند. این ربات ها یک چشم انداز امنیتی وسیع را باز میکنند که با کمک آن تهدیدات انسانی به حداقل رسیده و مکان ها و ابعاد دوری را که غیرقابل دسترسی بوده اند، برای آنالیز، ارزیابی و پاسخگویی به صورت همزمان با وقوع رخداد مورد دسترس قرار میگیرند.

صنعت امنیت چگونه میتواند از هوش مصنوعی بهره مند شود؟

به تدریج با بهبود یافتن دستگاه ها و پایین آمدن قیمت ها، کاربری های این تکنولوژی گسترده تر خواهد شد. همچنین انواع مختلف تکنولوژی هوشمند مصنوعی به احتمال زیاد در اغلب جنبه های زندگی روزانه ما نفوذ خواهد کرد.

برعهده گرفتن آن دسته از کارهایی که از لحاظ فکری نیازمند انرژی چندانی نیستند توسط ماشین ها به روندی بزرگ برای سالهای پیش رو تبدیل خواهد شد. شرکت آمازون در حال بکارگیری این تکنولوژی در مغازه های خرده فروشی خود است که در آنها مفهوم گیشه پرداخت قیمت کالا با مشتریانی که خارج میشوند جایگزین شده است. تولید این نوع از ابزارهای فکری در مراحل اولیه خود به سر میبرند، با این حال این ابزارها به رسیدگی به مسائل و ایجاد ارزش ادامه خواهند داد. انقلاب صنعتی هوشمند در حال وقوع در اطراف ما است. شاید این انقلاب بسیار آشفته به نظر آید، اما در عین حال بسیار هوشمند و رهایی بخش است.

پتانسیل آنالیتیک های ویدئویی به مراتب سودمندتر از سیستم های قاعده-محور قدیمی است. با شهرت یافتن بیشتر GPUها در اجرای سیستم های AI، تولیدکنندگان بزرگی چون NVIDIA و حتی استارتاپ های کوچکتر شاهد سرمایه گذاری بیشتری در این زمینه هستند.

در سالهای اخیر یادگیری عمیق توجه های زیادی را جلب خود نموده است، چرا که این تکنولوژی عملکردهای گوناگونی را ارائه میکند که موردپسند مشتریان قرار گرفته است. به عنوان مثال، الگوریتم های جستجوی تصویری به مشتریان اجازه میدهد تا به جستجوی اشیاء، حیوانات بخصوص و یا سایر چیزهای دیگر بپردازند.

توانایی این تکنولوژی در داشتن هوش کافی برای کار کردن در جهت گیری ها و شرایط نوری مختلف است که آن را به یک تکنولوژی تاثیرگذار تبدیل نموده است. تکنولوژی یادگیری عمیق در واقع در سالهای 2012 و 2013 به صورت پررنگ مطرح شد. این تکنولوژی در کنار قدرت GPUهایی که قادر به انجام آن دسته از کارهایی هستند که در گذشته به صورت بازدارنده ای زمانگیر و طاقت فرسا بودند، به عنوان سوختی تلقی میگردد که موج نوآوری را امکان پذیر ساخته است.

هنگامی که صحبت از شبکه های نورونی میشود، منظور یک تکنولوژی یادگیری عمیق صرف نیست که متشکل از شبکه های عمیقی باشد که افراد از آنها به عنوان شبکه های نورونی پیچیده یاد میکنند. در حال حاضر شبکه های نورونی قدرتمندتر و توانمندتر از قبل شده اند و منابع و ابزارآلات بسیار خوبی نسبت به گذشته در اختیار افراد قرار گرفته است.

شرکت های فعال در این زمینه

با توجه به پتانسیل مشهود تکنولوژی هوش مصنوعی AI، برخی از غول های تکنولوژی نیز مشتاق ورود به این زمینه و جستجوی فرصت ها هستند. این شرکت ها تا حد زیادی به عنوان پیشگامان این زمینه عمل میکنند و توسعه و بکارگیری راهکارهای هوشمندتر را تشویق میکنند.

به قطع شرکت های بزرگ فعال در زمینه تکنولوژی همچون گوگل، با ارائه مدل TensorFlow خود کمک بزرگی در این زمینه  نموده اند. شرکت اینتل نیز دارای ابزارآلاتی عالی است که با بکارگیری مدل TensorFlow و وارد کردن آن، از هر منبعی که روی آن است (چیپ هایی که با کمک آنها به اجرای برنامه ها میپردازید) خروجی تهیه میکند. بنابراین شما یک ترکیب انعطاف پذیر از CPU و GPU را در اختیار دارید. حال منابعی در اختیار شما قرار دارد که این کار را برای شما هدف قرار میدهد. در مرحله بعد، شما تمام افرادی را دارید که روی راه هایی برای فعالسازی و توسعه مراکز آموزش که از اهمیت بالایی برخوردارند کار میکنند. در نتیجه چیزی شبیه به یک اکوسیستم کامل حول این مسئله که چگونه ماشینها دیدن و فهمیدن را یاد میگیرند شکل میگیرد.

برای انجام این کار ابعاد و لایه های زیادی وجود دارد، چرا که اساسا این کار همان جمع آوری و نام گذاری داده ها است. کامپایلرهای متعددی که قادر به اجرای کارآمد مدل های شما در چیپ-ست های مختلف هستند، ابزارآلات تحلیل داده ای که برای تهیه خروجی از آنها بدان احتیاج پیدا خواهید کرد، همگی به پتانسیل تکنولوژی هوش مصنوعی AI در آنالیتیک های ویدئویی کمک میکنند.

برگرفته از مجله a&s و سکیوریتی-سیلز

مقالات

بکارگیری AI در نظارت ویدئویی

Posted on by مدیر

با آگاهی بیشتر مشتریان نسبت به لزوم و مزایای راهکارهای امنیتی، تعداد دوربین های بکار گرفته شده رو به افزایش است. با این حال، این موضوع مشکلات مختص خود را نیز به همراه می آورد.

در گذشته تعداد دوربین های بکارگرفته شده چندان زیاد نبوده است و پرسنل امنیتی میتوانستند با نشستن مقابل یک مانیتور به بازبینی ویدئوهای ضبط شده بپردازند. علیرغم ناکارآمدی چنین فرآیندی، گزینه ی دیگری هم وجود نداشته است.

خوشبختانه در حال حاضر ورود تکنولوژی هوش مصنوعی در حال تغییر دادن همه چیز است. طبق جدیدترین پست منتشر شده توسط شرکت پژوهشی مموری، یک گارد امنیتی مجهز به نرم افزار هوش مصنوعی-محور با داشتن تعداد چشمان بیشمار و بازه زمانی توجه بی انتها قادر به دنباله روی 24 ساعته تمامی فعالیت های صورت گرفته در جریان های ویدئوی میباشد. هنگام تشخیص یک مسئله توسط هوش مصنوعی، این تکنولوژی میتواند به هشداردهی به مسئولین مربوطه بپردازد و از صورت گرفتن اقدامات مربوطه اطمینان حاصل کند.

به نقل از پست منتشرشده توسط مموری: «مواردی چون ورود افراد غیرمجاز بدون اعمال هرگونه رفتار خشونت آمیز، به سرقت رفتن یک کالای ناامن، قرار داده شدن یک بسته ی مشکوک داخل یک سطل آشغال و بسیاری از شرایط مهم دیگر ممکن است که از چشمان یک فرد که در تلاش برای بررسی و اسکن چندین جریان ویدئویی مختلف است جا بمانند. هزینه استخدام پرسنل امنیتی کافی برای مدیریت تعداد دوربین های در حال افزایش بسیار بالا تمام خواهد شد. حتی هنگام وقوع یک رخداد، جستجو در تمامی ویدئوهای ضبط شده جهت جمع آوری شواهدی که به پرسنل امنیتی در شناسایی افراد مظنون و فهم توالی رخدادها کمک کند، بسیار دشوار و زمانگیر است».

در یکی از گزارشات اخیر ارائه شده توسط شرکت مموری، از رسیدگی به حجم در حال افزایش ویدئوهای نظارتی ایجاد و ضبط شده به عنوان امری بسیار دشوار برای سیستم های مجری قانون فعلی یاد شده است. با افزایش تعداد دوربین ها تا 12 درصد به صورت سالیانه، این حجم از ویدئوها بیشتر نیز خواهد شد. مسئله ی جالب اینجاست که در صورت عدم وجود راه هایی برای بازبینی و دنباله روی جریان های ویدئویی در حال تولید، هیچ تعداد دوربینی کارآمد نخواهد بود. و در حال حاضر ریسک بزرگی برای از دست دادن اطلاعات مهم وجود دارد، چرا که هیچ راه قابل اعتمادی برای بازبینی این اطلاعات وجود ندارد.

بکارگیری هوش مصنوعی AI

اهمیت هوش مصنوعی در زمینه سیستم های نظارتی بدون هیچ بحثی قابل قبول است. با این حال، پرسنل امنیتی باید بدانند که استفاده کارآمد از هوش مصنوعی به معنای خرید، نصب و به فراموشی سپردن یک راهکار نیست. همچون انسانی که پشت یک کامپیوتر مینشیند، هوش مصنوعی نیز باید آموزش داده شده و سفارشی سازی شود تا نسبت به نیازها، شرایط و محیط شما آگاهی پیدا کند.

به نقل از مموری :«نخستین بخش بکارگیری نظارت ویدئویی AI-محور شامل افزودن موتورهای آنالیتیکی به جریان های ویدئویی مختلف میشود که به نسبت ساده است. بخش دوم این کار پیکربندی این سیستم ها برای داشتن عملکرد دقیق و درست است که میتواند به مراتب پیچیده تر و زمانبرتر باشد. هر مکان دارای ویژگی های منحصر بفرد خود میباشد، حتی این امکان وجود دارد که مکانهای کاملا مشابه که از قوانین آنالیتیکی مشابهی استفاده میکنند، با توجه به یک سری الزامات عملیاتی بخصوص خود، نیازمند ارائه نتایجی کاملا متفاوت باشند. حتی در یک سیستم AI-محور خودآموز نیز شاید نیاز به تغییر تنظیمات مربوط به مناطق تشخیص و ماسک ها، زوایای دوربین و دورنمای آنها باشد. این بخش دوم بکارگیری این سیستم هاست که مانع بکارگیری آنها شده است».

هوش مصنوعی AI چقدر هوشمند است؟

تکنولوژی هوش مصنوعی AI روز به روز در حال قوی تر شدن است. اما آیا این تکنولوژی به قدری قدرتمند است که قادر به جایگزین کردن چشمان بشر باشد؟ علیرغم اینکه سوال پیشتر مطرح شده و سوالاتی چون اینکه آیا هوش مصنوعی متضمن بازگشت سرمایه است همچنان پرسیده میشوند، در حال حاضر به نظر میرسد که توافقی کلی روی اینکه آنالیتیک های ویدئویی قابلیتی بیش از آنچه راهکارهای قاعده-محور دارند صورت گرفته است.

به نقل از گزارش تهیه شده توسط مموری: « این کار تا حد زیادی به خاطر پیشرفت های بزرگ صورت گرفته در ساختار نیمه رساناها اتفاق افتاده است که باعث پردازش به مراتب سریعتری میشود؛ با استفاده از الگوریتم های یادگیری عمیق و یادگیری ماشین، تجزیه و تحلیل داده ها با سرعتی بیشتر از آنچه پیشتر امکان پذیر بود صورت میگیرد. سرمایه داران صنایع مختلف هم اکنون در حال تزریق میلیون ها دلار پول برای تامین سرمایه شرکت های تولیدکننده چیپ های هوش مصنوعی  AI و نرم افزارهای آنالیتیکی هستند.

موضوع اصلی احساس نیاز جدی به استفاده ی کامل از حجم بزرگ داده های ایجاد شده توسط دوربین های نظارت ویدئویی است و راهکارهای هوش مصنوعی-محور تنها پاسخ عملی هستند.

ساختار چیپ های مدرن مجهز به نرم افزارهای هوش مصنوعی به گونه ای است که قادر به جستجو و بررسی حجم بالای داده ها و افزایش امنیت، ایمنی و عملکرد کلی افراد، ساختمان ها و تشکیلات بیزینسی هستند.

علیرغم تمام پیشرفت های صورت گرفته هنوز هم پیشرفت های زیادی را در این زمینه اتفاق خواهد افتاد و مسیر این راه کاملا واضح و روشن است.

منبع: مجله a&s

مقالات

مزایای تکنولوژی تولید هوشمند

Posted on by مدیر

از گذشته تا کنون تکنولوژی تولید هوشمند در کارخانه جات بیشتر و بیشتری در سراسر جهان بکار گرفته شده است. به ویژه اینکه تولیدکنندگان با تکیه بر دستگاه هایی که با اینترنت اشیاء صنعتی (IIoT) کار میکنند و داده های تولید شده توسط آنها برای رسیدن به اهداف مختلف تلاش میکنند. یکی از این اهداف بزرگ، بحث نگهداری پیش بینی شده و بازبینی از راه دور است.

اینترنت اشیاء صنعتی (IIoT) که به صنعت 4.0 نیز معروف بوده، به عنوان چهارمین انقلاب صنعتی و اوج انقلاب های گذشته (از جایگزینی افراد توسط ماشین ها در قرن 19 گرفته تا بکارگیری خطوط تولید در قرن 20) تعریف شده و بخش تولید را دستخوش تغییرات نموده است. این بار تولیدکنندگان با بکارگیری دستگاه های IIoT و داده های تولیدشده توسط آنها برای کسب آگاهی و هوشمندی بیشتر استفاده میکنند.

بکارگیری اینترنت اشیاء (IoT) در صنعت تولید به عنوان اینترنت اشیاء صنعتی (IIoT) شناخته میشود. این شبکه از دستگاه ها، ماشین ها، کامپیوترها و اشیاء هوشمند با جمع آوری و به اشتراک گذاری حجم بالایی از داده ها با کاربران، باعث افزایش و بهبود وضعیت اتوماسیون در بسیاری از صنایع میشوند. در نتیجه این امر، کارایی عملیاتی و بازدهی افزایش یافته و در زمان و هزینه ها صرفه جویی صورت میگیرد. این آگاهی ها علاوه بر کمک به افراد در اتخاذ تصمیمات هوشمندانه تر و سریعتر، آگاهی ارزشمندی را به صورت همزمان با وقوع رخداد فراهم میسازند.

اینترنت اشیاء صنعتی (IIoT) اساسا در چهار حوزه مختلف به کمک تولیدکنندگان می آید. این چهار حوزه شامل نگهداری پیش بینی شده، بازبینی از راه دور، تجربه ی مشتریان و خدمات میدانی میشود که در ادامه این مقاله به تفصیل مورد بحث و بررسی قرار خواهد گرفت.

1. نگهداری پیش بینی شده

اینترنت اشیاء صنعتی (IIoT) به نگهداری پیش بینی شده بسیار کمک نموده است و از آنجایی که نگهداری پیش بینی شده نقشی مهم را در فرآیند تولید ایفا میکند، تولیدکنندگان به دنبال به حداقل رساندن هزینه های مربوط به عدم کارکرد درست تجهیزات صنعتی و ساعات بیکاری کارخانه جات هستند. با کمک سنسورها و داده های IIoT، اپراتورها میتوانند آگاهی بهتری نسبت به عدم کارکرد احتمالی ماشین ها به دست آورده و با توجه به آن عمل کنند. دستگاه های هوشمند قادر به پیش بینی زمان احتمالی خرابی یک ماشین هستند و این موضوع به شما اجازه میدهد تا برنامه ریزی بهتری برای نگهداری انجام دهید. به عنوان مثال یک ماشین در کف کارخانه شما ممکن است که نسبت به تغییرات دما، شتاب یا فشار حساسیت نشان دهد. بنابراین وقوع این رخدادها میتواند نشان دهنده ی عدم کارکرد احتمالی باشد و دستگاه مورد نظر این شرایط را پیش از وقوع هرگونه خرابی خارج از برنامه پیش بینی میکند.

2. بازبینی از راه دور

بازبینی از راه دور حوزه ی دیگری است که در آن تولیدکنندگان میتوانند از مزایای IIoT بهره مند شوند. به عنوان مثال تصور کنید که دارایی های شما چشم و گوش داشته و هر آنچه که اتفاق می افتد را به داشبورد شما ارسال کنند و با این کار به شما اجازه بدهند که به سرعت به شرایط موجود عکس العمل نشان دهید. به عنوان مثال،‌ یک سیستم خنک کننده نصب شده در فضاهای پیرامونی مشتریان را میتوان به صورت کامل از طریق داشبورد شما مدیریت نمود.

علاوه بر این، چیزی که اهمیت دارد این است که این قابلیت برای کاربرانی چون مزرعه های خورشیدی که چندین مکان بزرگ را به صورت همزمان میگردانند بسیار ارزشمند است. با بازبینی از راه دور، اپراتورها مجبور نیستند که به صورت فیزیکی در هر یک از این مکان ها حضور پیدا کرده تا وضعیت تجهیزات را بررسی کنند.

3. تجربه ی مناسب تر و خوشایندتر برای مشتریان

تعامل بین کاربران نهایی و مشتریان آنها در هر یک از مراحل توسعه محصول، از تحقیق اولیه گرفته تا فروش، میتواند دانش و آگاهی ارزشمندی را برای سازمان مربوطه به ارمغان آورد و باعث بهبود تجربه ی نهایی مشتریان شود. از طریق هر یک از این روش های تعامل،‌ داده های به دست آمده را میتوان در جهت صورت دادن اقداماتی متناسب با نیازها و ترجیحات متغیر مشتریان مورد تجزیه و تحلیل قرار داد. همچنین با تحلیل و بررسی سیستم های قدیمی میتوان از نوآوری های محصولات آینده در جهت ارائه محصولات و سرویس هایی با طراحی های به مراتب بهتر استفاده نمود.

4. بهبود خدمات میدانی

در آخر، بهبود خدمات میدانی مزیت دیگری است که IIoT برای تولیدکنندگان به ارمغان می آورد. داده های سنسور خارج از میدان میتواند زمان و پول زیادی را برای شما خریداری کند و پیش از تبدیل مسائل احتمالی به یک مسئله بزرگ، کارایی شما را بهبود ببخشد. این داده ها به شما تضمین میکند که که متخصصین فنی و ابزارآلات خدمات میدانی درست، در زمان مقتضی به محل موردنظر فرستاده شده و در عین حال فرآیند برنامه ریزی شما بهینه سازی و خودکارسازی شده است. در گذشته خدمات میدانی همیشه با برنامه ای شروع  میشده است که به علت فاکتورهای غیرقابل پیش بینی و تاخیرهایی که خارج از کنترل بوده اند، هرگز به واقعیت تبدیل نمیشدند. اما با ظهور اینترنت اشیاء صنعتی IIoT، دقت، درستی و عملی شدن برنامه شما تضمین شده است و بازدهی و رضایت بیشتر مشتریان حاصل میگردد.

منبع: مجله a&s

http://www.didarc.com/fa/news/what-benefits-does-smt-bring%3F

 

مقالات

کارخانه هوشمند چیست؟

Posted on by مدیر

شاید یکی از رایجترین کلمات این دهه، واژه “هوشمند” باشد. هیچ صنعتی از این مفهوم مستثنی نیست. از تلفن ها گرفته تا منازل و ساختمان ها همگی در تلاش برای گنجاندن این مفهوم و برچسب در خود هستند. یکی از صنایعی که به صورت جدی نسبت به این امر علاقه نشان داده، صنعت تولید است. شناخته شده با عناوینی چون هوشمند، کارخانه های هوشمند و مفهوم گسترده تری چون صنعت 4.0، آهسته آهسته بخش تولید شاهد انقلابی است که میتواند روی بسیاری از بخش های دیگر تاثیرگذار باشد.

در قلب کارخانه های هوشمند موضوع هوشمندی قرار دارد و هوشمندی مکانی بخش مهمی از این کارخانه ها را تشکیل میدهد: در صورتی که چیزی حرکت کند و فرآیند انجام آن از اهمیت بالایی برخوردار باشد، ابتدا باید دید که این اتفاق در کدام مکان به وقوع پیوسته و در حال انجام چه کاری است. صنعت 4.0 محیطی را توصیف میکند که در آن فرآیندهای انعطاف پذیر و هوشمند با بهره گیری از داده های به دست آمده از سنسورهای متصل به تمامی بخش های یک زنجیره ی ارزش به صورت همزمان با وقوع رخداد استفاده میکند تا فرآیندهای بیزینسی بهینه سازی شوند. این سیستم های سایبری-فیزیکی از قدرت آنالیتیک های کلان داده ای برای ترجمه دید عملیاتی کامل به سرعت عمل و کارآمدی بی سابقه در امر تولید استفاده میکنند.

اما همواره گروهی از افراد وجود دارند که معتقدند بسته به مکان مورد بررسی از اصطلاحات متفاوتی استفاده میشود، با این حال مفهوم اصلی همچنان ثابت باقی می ماند.

بسته به منطقه و مکانی که این موضوع در آن مطرح میگردد، تعاریف مختلفی میتوان ارائه کرد. با این حال با انداختن نگاهی فراتر ازتعاریف مرسوم ارائه شده برای اصطلاحاتی چون “کارخانه هوشمند” یا “صنعت 4.0″، این اصطلاحات منعکس کننده ی تغییرات بنیادینی با توجه به چگونگی تغییر چهره ی فرآیندهای تولید از طریق “ساختارهای متصل به یکدیگر” هستند. امروزه مراحل مختلف فرآیندهای تولید، از همان ابتدا از پایین ترین سطح یک ماشین یا تجهیزات، مستقیما از طریق سنسورها/اینترنت اشیاء (IoT﴾ به یکدیگر متصل شده و مستقیما قادر به تعامل با یکدیگر هستند و در نتیجه این امر کل زنجیره ی تولید شفاف و کارآمدتر میشود. در حال حاضر این ماشین ها و تجهیزات را میتوان طوری برنامه ریزی کرد که علاوه بر تعامل با یکدیگر، با سیستم های بالاتر و پایین تر خود نیز به تعامل بپردازند و مستقل از مداخله نیروی انسانی، تصمیماتی هوشمندانه اتخاذ کنند. این دقیقا تعریف کارخانه هوشمند مدرن است.

کارخانه هوشمند به صنعتی گفته میشود که از دستگاه های متصل به اینترنت اشیاء ﴿IoT) برای بهبود کارایی، پیوستگی و امنیت عملیات های خود بهره میگیرد. تعامل به صورت همزمان و دورادور بین اجزای تولید و اپراتورها، کارخانه جات را به ویترینی برای اتوماسیون و اتوماتیک سازی تبدیل میکند. مفهوم کارخانه هوشمند را میتوان در دو فاز مجزا تعریف نمود. به عنوان مثال، کارخانه هوشمند بخشی از صنعت 4.0 است. صنعت 4.0 شامل فاز طراحی، فاز تولید و فاز لجستیک میشود. تمام این فازها به عنوان صنعت 4.0 نامیده میشوند، اما کارخانه هوشمند به نقطه ی میانی این فرآیند تبدیل میشود.

کارخانه های هوشمند حداقل به چهار عنصر نیاز دارند. عنصر اول، یکپارچه سازی ماشین با ماشین (M2M﴾ است. عنصر دوم مربوط به دانش حوزه مربوطه میشود. عنصر سوم مربوط به هوشمندی بیزینسی در بخش های بیرونی و داخلی این کارخانه ها است. عنصر چهارم نیز به تقاضای بازار برمیگردد.

این چهار عنصر از چهار حوزه ی متفاوت می آیند؛ این بدان معناست که اگر بخواهیم کارخانه هوشمند را در یک کلمه تعریف کنیم، میتوانیم از آن به عنوان تلفیق و یکپارچه سازی یاد کنیم.

ایده ی تقسیم این مفهوم به چهار دسته مختلف به نظر میرسد که در این صنعت بسیار شناخته شده باشد. صنعت 4.0 شامل چهار ستون میشود که کارخانه هوشمند یکی از این ستون ها را تشکیل میدهد. علاوه بر کارخانه هوشمند، تجربه دیجیتال مشتریان، زنجیره ی تامین متصل به یکدیگر و تشکیلات دیجیتال سایر ستون های صنعت 4.0 را تشکیل میدهند. هر صنعت 4.0 ابتدا با یکی از این ستون ها شروع میشود و سپس به سرعت به سوی سایر حوزه های دارای هم پوشانی حرکت میکند.

نقش دوربین ها در کارخانه های هوشمند

کارخانه های هوشمند میتوانند از دامنه ی گسترده ای از اطلاعات ورودی برای تغذیه قابلیت های تصمیم گیری خود استفاده کنند – ویدئوهای ضبط شده یکی از این منابع را تشکیل میدهند. از این ویدئوها میتوان برای سنجش و برای کنترل فرآیند استفاده کرد ﴿به عنوان مثال، اطمینان حاصل نمودن از اینکه برخی مناطق مشخص که در آن فرآیندهای تولید صورت میگیرند توسط اشیاء خارجی مسدود نشده باشند﴾، به علاوه اینکه این ویدئوها برای تست و آزمایش نیز کارایی دارند ﴿به عنوان مثال، اطمینان حاصل نمودن از اینکه تمام پیچ های موردنیاز برای سر هم کردن یک کیس در کالای تولید شده تعبیه شده است.﴾

داده های ویدئویی نیازمند تفاسیر زیادی هستند و زمانی بهترین عملکرد را از خود نشان میدهند که فرآیند و توضیحات مربوط به آن به خوبی محدود شده باشند و در نتیجه به الگوریتم های پردازش تصاویر امروزی اجازه دهند که با نرخ های خطای پایین عمل کنند. در مواردی که این فرآیندها به آن اندازه محدود نشده باشند، روش های مستقیم شناسایی و تشخیص اشیاء، یعنی سیستم های RFID ترجیح داده میشوند.

دوربین های داخل کارخانه های هوشمند برای کاربری هایی چون جلوگیری از ضرر، بازبینی دورادور، فرآیندهای عملیاتی، ایمنی و امنیت مورد استفاده قرار میگیرند. به عنوان مثال شرکت مارلنکا اینترنشنال که یک شرکت تولیدکننده کیک های عسلی واقع در کشور جمهوری چک است، به خاطر الزامات استانداردهای صنعتی، با قرار دادن دوربین در بالای خطوط تولید اقدام به بازبینی حرکات تسمه نقاله ای و فرآیند پخت خمیر نموده است. بخش های دیگری از این شرکت که در آنها از دوربینها استفاده شده است، بخش بسته بندی محصولات و بخش ارسال، برای بازبینی میزان ترافیک میباشد.

به عنوان مثال دیگری از چگونگی بکارگیری دوربین ها در تاسیسات هوشمند میتوان به شرکت زامپرا اسپول، یک شرکت مهندسی بین المللی واقع در کشور جمهوری چک اشاره کرد. این شرکت عمدتا به دلایل امنیتی مرسوم و همیشگی، همچون محافظت از فضاهای پیرامونی، جلوگیری از سرقت و بازبینی، از دوربین ها استفاده نموده است. این دوربین ها در امر بازبینی امنیت در کار و برخی از فرآیندهای کاری مشخص خود را نشان داده اند؛ با بکارگیری این دوریبن ها، تعداد صدمات ناشی از کار و غیاب های گزارش نشده در محیط کار کاهش یافته است. با این وجود خیلی زود مشخص شد که کیفیت مثال زدنی و قابلیت های نرم افزاری دوربین های بکار گرفته شده، همچون جستجوی آسان برای فایل های ضبط شده، این کار را ممکن ساخت که از این دوربین ها برای اقدامات دیگری که تا حد زیادی باعث بهینه سازی عملیات های تولید میشدند استفاده نمود.

از زمان بکارگیری دوربین ها در این کارخانه ها، افزایش قابل توجهی در کیفیت تولید، رشد در تولید و کاهش صدمات کاری و غیاب های گزارش نشده در محیط کار مشاهده شد.

در کارخانه جات هوشمند از دوربین ها در دو سناریوی مختلف استفاده میشود. سناریوی اول، کنترل و بررسی بروز هرگونه خطا. کار اصلی دوربین های صنعتی، بررسی و کنترل میزان دقت یا مقاومت موردنیاز است. سناریوی دوم ، بحث نظارت است که کاربرد استاندار برای امنیت تلقی میگردد.

برگرفته از مجله a&s

http://www.didarc.com/fa/news/how-to-define-smart-factories

مقالات

روندهای اتوماسیون صنعتی آینده

Posted on by مدیر

با گذر زمان کارخانه جات در حال هوشمند شدن هستند، چرا که تولیدکنندگان برای ارتقاء بازدهی و کارایی خود بیشتر بر دستگاه های متصل به یکدیگر و کلان داده ها تکیه میکنند. با توجه به آنچه گفته شد، کاربران نهایی و نصاب ها باید به دنبال جدیدترین روندهای موجود در تکنولوژی اتوماسیون صنعتی باشند.

به قطع اتوماسیون صنعتی به موضوعی داغ میان تولیدکنندگان تبدیل شده است. این تولیدکنندگان با کمک دستگاه های IoT ﴿اینترنت اشیاء﴾ و داده های ایجاد شده توسط این دستگاه ها که به اینترنت اشیاء صنعتی ﴿IIoT﴾ یا صنعت 4.0 نیز مشهور است، به دنبال بهبود عملیات و کارایی خط تولید خود هستند. اینترنت اشیاء صنعتی یا IIoT پس از تغییرات صورت گرفته – به عنوان مثال ماشین ها و خطوط تولید – که طی دهه های گذشته صنعت تولید را دگرگون ساخته به عنوان چهارمین انقلاب صنعتی مطرح شده است.

تکنولوژی های جدید ارائه شده در زمینه اتوماسیون صنعتی در حال خلق فرصت هایی برای تولیدکنندگان سراسر جهان هستند. با کمک دیجیتالی سازی و تکنولوژی اینترنت اشیاء، اتوماسیون صنعتی به مزیتی رقابتی در چشم انداز صنعتی امروز تبدیل شده است. چرا که با تلفیق و یکپارچه سازی این سیستم ها، تولید اتوماتیک به امری قابل اعتماد، کارآمد، شفاف و قابل پیش بینی تبدیل میشود. این موضوع دقیقا هسته اصلی تکنولوژیIIoT و همان وعده ای است که اتوماسیون صنعتی داده است.

 در ادامه این مقاله، چهار روند آینده در زمینه اتوماسیون صنعتی مورد بحث و بررسی قرار خواهد گرفت.

بهبود دقت با کمک یادگیری ماشین

با گذر زمان، هوش مصنوعی (AI﴾ و یادگیری ماشین راه خود را به سوی کارخانه جات هوشمند یافته اند. به عنوان مثال، در زمینه کنترل کیفیت یک سیستم که با کمک تصاویر تهیه شده از کالاهای نقص دار انجام میشود، با بهره گیری از این تکنولوژی میتوان به گونه ای به آموزش یک سیستم پرداخت که خود به تشخیص کالاهای نقص دار بپردازد.

چیزی که بیشتر از هر چیز دیگری حائزاهمیت است، تقاضاهای متغیر مشتریان و نیاز آنها برای سفارشی سازی است که چالش هایی را برای تولیدکنندگان ایجاد میکند. در این زمینه تولیدکنندگان میتوانند بر یادگیری ماشین تکیه کنند. واحدهای تولید نیز میتوانند از آنالیتیک داده ها و یادگیری ماشین برای بهبود فرآیندهای خود بهره بگیرند. این سیستم ها به افراد کمک میکنند تا نرخ بازدهی را در سطوح مختلف زنجیره های تامین پیش بینی و در نتیجه هزینه مواد خام را کاهش و کیفیت برند خود را حفظ کنند. علاوه بر این، هوش مصنوعی (AI) به هوش عملیاتی همزمان با وقوع رخداد کمک کرده و از مدیریت طول عمر محصول که شامل یکپارچه سازی فرآیندها، مسائل مربوط به اتوماسیون و مشارکت، بازبینی و تشخیص پشتیبانی میکند.

تکنولوژی همانند دیجیتال و اتوماسیون صنعتی

تکنولوژی همانند دیجیتال ﴿Digital Twins) این امکان را برای شما فراهم میسازد که یک کپی مجازی از یک ماشین یا سیستم تهیه کنید. این فرآیند علاوه بر کاهش وابستگی به مدل های اولیه پرهزینه، زمان حضور در بازار را سرعت میبخشد. همانندهای دیجیتال در حال حاضر در کارخانه جات فعال بوده و کارایی تولید را تجزیه و تحلیل نموده و باعث نگهداری و تعمیرات پیشگویانه میشوند. نگهداري و تعميرات پيشگويانه،  نگهداري و تعميرات پيش نگری است كه در آن وقوع خرابي در دستگاه با استفاده از تكنيك هاي (روش هاي عيب يابي) غير مخرب و حد بالا و پايين شاخص هاي مورد نياز هر تكنيك قابل پيش بيني است. در آینده، تولیدکنندگان از تمامی اجزای نصب شده در محصولات خود باخبر خواهند شد و بدین شکل میتوانند عکس العملی هدفمند به مسائل نشان دهند و فرآیندهای موجود را بهینه سازی کنند.

پیشرفت های امنیت سایبری صنعتی

از آنجایی که دستگاه های IIoT در واقع همان دستگاه های متصل یه یکدیگر هستند، همچون سایر دستگاه های تحت شبکه در معرض خطر حملات سایبری قرار دارند. بنابراین امنیت این دستگاه ها نیز بسیار حائزاهمیت شده است. راهکارهای امنیت سایبری صنعتی پیشرفته که امروز موجود هستند، یک رویکرد هایبریدی کارآمد را اتخاذ میکنند. این رویکرد هایبردی شامل تشخیص ناهنجاری های رفتار-محور میشود که با کمک رویکردهای امنیت سایبری معمول به شناسایی تهدیدات سایبری بالقوه میپردازد. تجزیه و تحلیل قاعده-محور نیز بخش دیگر این رویکرد هایبریدی است که به تولیدکنندگان اجازه میدهد تا به بازبینی عمیق برای تشخیص حملات سایبری بدافزاری موجود در شبکه بپردازند.

واقعیت افزوده ﴿AR﴾ و واقعیت مجازی ﴿VR﴾

تکنولوژی های واقعیت افزوده ﴿AR﴾ و واقعیت مجازی ﴿VR﴾ در زمینه های مختلفی، از کاربردهای آنها برای مصرف کنندگان گرفته تا تولیدکنندگان، در حال بکار گرفته شدن هستند. در زمینه ی اتوماسیون صنعتی و تولید، تکنولوژی واقعیت مجازی میتواند به تولیدکنندگان کمک کند تا یک محصول یا محیط را به صورت دیجیتالی شبیه سازی کنند. و بدین شکل این امکان برای مصرف کنندگان و تولیدکنندگان فراهم میگردد که با این محصولات و فضاهای شبیه سازی شده به تعامل بپردازند. تکنولوژی واقعیت افزوده  AR به کاربران صنعتی اجازه میدهد که محصولات یا اطلاعات دیجیتال خود را وارد یک فضای حقیقی کنند. این کار از وارد کردن محصولات یا اطلاعات دیجیتال در یک فضای شبیه سازی شده به صورت دیجیتال (همچون آنچه در تکنولوژی واقعیت مجازی VR رخ میدهد﴾ به مراتب پربازده تر است.

ظهور روبات های صنعتی هوشمند

در آخر، حضور فزاینده ی روبات های صنعتی هوشمند در کف کارخانه ها نوعی پیروزی برای چهارمین انقلاب صنعتی تلقی میگردد. علیرغم استفاده تولیدکنندگان از روبات ها در دهه های گذشته، پیشرفت و توسعه ی مداوم تکنولوژی های روباتیک بدون شک کاربری های بالقوه ی روبات های صنعتی هوشمند را گسترده تر نموده است. بنابراین امروزه روبات های دارای پیشرفته ترین نرم افزارها و سیستم های بینایی را میتوان برای انجام یک سری وظایف مشخص برنامه ریزی کرد که این کار با تقاضا برای تولید هوشمند به خوبی انطباق دارد.

برگرفته از مجله a&s

http://www.didarc.com/fa/news/what-are-some-industrial-automation-trends-to-watch-for%3F

مقالات

چگونه یادگیری عمیق، شهرها را به جایی امنتر تبدیل میکند؟

Posted on by مدیر

سیستم های ویدئویی تبدیل به پایه ای مهم در امر ایمنی و امنیت شهرها شده اند، اما در حال حاضر این سیستم ها در حال تولید ویدئوهایی به مراتب بیشتر از آنچه شهرها قادر به استفاده از آن باشند هستند. از گذشته تا کنون یافتن کارکنانی که به بازبینی ویدئوهای ضبط شده و جستجو در آرشیوها بپردازند به عنوان چالشی همیشگی مطرح بوده است. با بکارگیری تعداد بیشتری از دوربین ها، این مشکل نیز در حال بزرگ تر شدن است.

به نقل از سین لین، مدیر فروش شرکت ژئوویژن: «این امکان وجود دارد که برای سفارشی سازی یک الگوریتم هوش مصنوعی (AI﴾ برای یک کاربری جدید و یا برای یک محل جدید، بین چهار تا شش ماه زمان برای یک تیم تحقیق و توسعه لازم باشد». «و ممکن است که نتایج به دست آمده ناامیدکننده و به همراه تعداد آلارم های خطا یا سایر خطاهای دیگر باشد». وی اینگونه ادامه داد که «چیزی که شهرها بدان احتیاج دارند، یافتن راهی آسانتر برای اپراتورهاست که به وسیله آن بتوانند به تعیین آنچه که در یک ویدئوی مهم به دنبال آن هستند بپردازند».

ظهور راهکارهای یادگیری عمیق به شکل قابل توجهی در حال ارتقاء بینایی رایانه ای و آنالیتیک های ویدئویی است. امروزه این سیستم ها به مراتب قدرتمندتر و آسانتر برای بکارگیری بوده و بیشتر از قبل در دسترس افراد قرار دارند.

با تکنولوژی یادگیری عمیق، مدل های مختلف را میتوان با توجه به ویژگی های محیطی که دوربین ها در آن نصب شده اند آموزش داد. الگوریتم ها اساسا برای هر کدام از شرایط موجود سفارشی سازی شده اند، بدون آنکه نیازی به بازنویسی باشد.

نمیتوان گفت که حجم بالای داده ها یک عامل بازدارنده است، چرا که این داده ها به عنوان یک کمک تلقی میشوند. یادگیری عمیق میتواند به صورت مداوم به تزریق داده هایی بپردازد که باعث تطبیق سیستم شما با شرایط و الزامات جدید میشود.

تغییر بازی با ورودی یادگیری عمیق

با کمک یادگیری عمیق، تکنیک های بینایی رایانه ای همچون تشخیص چهره یا تشخیص حرکت بسیار پیچیده تر شده اند و امر نظارت و سایر کارکردهای ویدئویی را دچار دگرگونی نموده اند.

در یک محیط کنترل شده الگوریتم های قدیمی عملکرد خوبی از خود نشان میدهند، اما این نوع الگوریتم ها معمولا برای برخی از موارد استفاده ی خاص نوشته و طراحی شده اند. به عنوان مثال، تشخیص شیء یا فردی که در حال عبور از یک خط مجازی از پیش تعریف شده اساسا به عنوان یک الگوریتم ساده ی بله یا خیر تلقی میگردد. زمانی استفاده ازاین الگوریتم ها چالش برانگیز میشود که در سناریوهای به مراتب پیچیده تری مورد استفاده قرار بگیرند.

لین با ذکر مثالی این موضوع را اینگونه توضیح داد که: «زمانی که یک الگوریتم قدیمی را در مکان دوربین های مختلف بکار میگیرد – امکان دارد که برخی از این دوربین ها در پارک و برخی دیگر در خیابان قرار داشته باشند – این محیط ها در ویدئوهای ضبط شده به صورت متفاوتی دیده و ظاهر میشوند. الگوریتم های قدیمی از پس تشخیص چنین ظرافت هایی بر نمی آیند».

«از آنجایی که در یک خیابان شلوغ افراد به صورت مداوم در حال حرکت هستند، این امکان وجود دارد که سیستم های تشخیص حرکت یا آلارم های ورود غیرمجاز دچار آلارم های خطای زیادی شوند».

سناریوی معمول دیگر مربوط به تشخیص چهره در مکانی میشود که پلیس در آن فردی موردتعقیب را شناسایی نموده است. «با کمک یادگیری عمیق میتوان چهره ی این فرد را تنها با یک عکس یا ویدئو در پایگاه داده ثبت کرد. پس از آن، نرم افزار ما به صورت خودکار در تمامی ویدئوهای نظارتی ضبط شده در طول یک یا دو ماه گذشته به جستجو میپردازد و به صورت خودکار فرد موردنظر را برای مامورین پیدا میکند».

بنا بر پیشبینی لین، به زودی این کار با داشتن تنها یک طرح اولیه به جای عکس امکان پذیر خواهد شد. شاید دادن یک طرح اولیه به پایگاه داده باعث پایین آوردن دقت تشخیص شود، این درحالی است که با استفاده از الگوریتم های قدیمی این کار به هیچ وجه امکان پذیر نیست.

این دقیقا جایی است که راهکار مدیریت ویدئوی هوشمند ژئوویژن (GV-VMS﴾ مطرح میشود و این مدل هوش مصنوعی ﴿AI﴾ را یک گام جلوتر برده و امکان آنالیز پیچیده و شدیدتری را فراهم میسازد. الگوریتم هاییادگیری عمیق را میتوان متناسب با شرایط گوناگون آموزش داد:

شمارش افراد یا اشیاء در حال حرکت در دو مسیر مختلف

شناسایی و تشخیص چهره ی افراد برای کاربردهای مختلف

پوشاندن چهره افراد به هنگام تشخیص آنها در ویدئو، به خاطر حفظ حریم شخصی

«مه زدایی» ویدئوهای ضبط شده در شرایط مه گرفته برای مشاهده ی تصاویر به صورت واضح

وصل کردن و چسباندن ویدئوهای ضبط شده از دوربین های مختلف در یک نمای پانورامای واحد

متعادل سازی ویدئو در یک محیط پر از لرزش

شمارش افراد در مکان های با محدودیت کد اشغال (نوعی طبقه بندی ساختمان ها)

از میان بردن اعوجاج های ایجاد شده توسط لنزهای با زاویه دید گسترده

جستجوی هوشمند برای یک رخداد در یک منطقه پر از حرکت

یک راهکار جامع و کامل

قابلیت یادگیری عمیق منحصربفرد ژئوویژن، یک سیستم جامع و کامل است که از دوربین ها، سرورهای ضبط و یک مرکز کنترل ویدئو تشکیل شده است. این عملکرد باعث میشود که دوربین های ژئوویژن و دوربین های ساخت سایر شرکت ها از طریق یک پروتکل استاندارد، همانطور که در شکل 1 ترسیم شده، به یکدیگر متصل شوند. این کار با کمک پردازنده های اینتل امکان پذیر شده است که کارایی پردازش ویدئو و قابلیت های یادگیری عمیق را افزایش میدهند.

طبق ساختار Intel® x86، دستگاه GV-VMS به صورت کامل از پردازنده ی Intel® Core™ بهره میگیرد. با بکارگیری Intel® OpenVINO™ toolkit، عملکرد آنالیتیک های ویدئویی بین 8 تا 10 برابر افزایش پیدا میکند. با این کار، بدون نیاز به چیزهای دیگر، فضای به مراتب بیشتری برای پردازش ویدئوها به صورت همزمان فراهم میگردد.

دوربین های ژئوویژن قادر به یادگیری عمیق روی شبکه هستند. این دوربین ها میتوانند به جای ارسال تمام ویدئوهای ضبط شده به یک ایستگاه مرکزی، به محض تشخیص هر چیز به اعلام و ارسال هشدار بپردازند و پیش از ترتیب اثر دادن هرگونه اقدامی، میزان تاخیر صورت گرفته را پایین آورند.

بیشتر شهرها دارای سیستم های ویدئویی هستند که دوربین ها، درگاه ها و نرم افزارهایی را از قبل در خود دارند. اینترفیس های برنامه ریزی اپلیکیشن ژئوویژن (APIs) و یک کیت توسعه دهنده ی نرم افزار (SDK﴾، امکان برقراری اتصال بین سخت افزارهای موجود و نرم افزارها را فراهم میسازد. مرکز کنترل ژئوویژن، یک نرم افزار مدیریت ابری واحد را ارائه میکند و تمامی دوربین های تحت شبکه  IP را در یک سیستم امنیتی و مدیریتی کلی با یکدیگر ادغام میکند.

به عنوان مثال، شهر واتیکان برای دهه ها است که از سیستم های نظارت ویدئویی استفاده میکند. در طول این سال ها، دوربین ها، درگاه ها و ابزارهای نرم افزاری گوناگونی از فروشندگان مختلف خریداری شده است. شهر واتیکان، با همکاری با شرکت ژئوویژن توانست به صورت استراتژیک تمامی دوربین ها و نرم افزارهای قدیمی خود را تحت یک راهکار نظارتی مرکزی با یکدیگر ادغام کند. دوربین های موجود در ساختمان های دولتی مهم، کلیساها، نیایشگاه ها و تقاطع ها همگی تحت کنترل مرکزی هستند. راهکار ژئوویژن یک سیستم واحد را ایجاد میکند – این راهکار در شهر رم به بازبینی ویدئوهای ضبط شده از 140 مکان مختلف میپردازد.

هوشمند و مقیاس پذیر

این راهکار را میتوان با توجه به هر سطحی از استفاده از ویدئو به شکلی کارآمد مقیاس بندی نمود. بکارگیری این راهکار شما را قادر میسازد تا سقف 57.600 جریان ویدئویی را مدیریت کنید. این سیستم، داده های ویدئویی را به یک سیستم مدیریت ابری واحد انتقال میدهد که قادر به بازبینی و کنترل بیش از 1000 سیستم GV-VMS میباشد. از سوی دیگر، با استفاده از سرورهای پردازنده-محور اینتل، حافظه های بیگ دیتا یا کلان داده در مرکز داده مشتریان یا در فضاهای ابری در دسترس قرار دارند.

علاوه بر این، راهکار مدیریت ویدئوی هوشمند ژئوویژن را میتوان با سایر سیستم ها – سیستم های تشخیص آتش یا سیستم های کنترل دسترسی – تلفیق نمود و عملکرد کلی این راهکار را افزایش داد. به عنوان مثال با ادغام با سیستم های کنترل دسترسی، این راهکار میتواند با بهره گیری از سیستم های تشخیص چهره، ورود افراد را به مناطق دارای محدودیت – دسترسی به ساختمان ها یا پارکینگ های محدود – کنترل کند.

با ادغام یادگیری عمیق و قابلیت تلفیق این راهکار با سایر سخت افزارها و نرم افزارها، شهرها میتوانند با استفاده از راهکارهایی چون راهکارهای ارائه شده توسط ژئوویژن به ارتقاء سطح نظارت ویدئویی بپردازند. یادگیری عمیق باعث ارتقاء عکس العمل های اتوماتیک سازی شده و تلفیق باعث ارتقاء سطح کارآمدی عملیاتی میشود و مقیاس پذیری برای یک شهر به معنای عدم از دست دادن قابلیت های سیستم های ویدئویی است.

به نقل از لین: «هنگامی که صحبت از یک سناریوی شهری میشود، یک راهکار نظارت ویدئویی قدیمی پاسخگوی تمامی نیازهای اولیه است. اما به محض رشد یک پروژه در مقیاس شهری، تنها در یک روز، هزاران ساعت ویدئو ضبط میشود. برای تشخیص چیزی که به دنبال آن در ویدئوها هستید، زمان و افرادی زیادی لازم است. اما این راهکار، کار را برای اپراتورها آسانتر میسازد تا تنها روی فرد یا چیزی که به دنبال آنند متمرکز شوند».

منبع: ژئوویژن

http://www.didarc.com/fa/news/how-deep-learning-makes-cities-safer

متفرقه

چگونگی انتخاب یک دوربین متناسب با کار خود

Posted on by مدیر

درمقایسه با گذشته، از دوربین های دام گرفته تا دوربین های بولت، امروزه گزینه های بیشتری از دوربین های نظارتی در بازار وجود دارد. با افزایش عملکرد دوربین ها، این سوال مطرح میگردد که چگونه یک مسئول امور امنیتی در مورد دوربین مناسب با تاسیسات خود باید تصمیم گیری کند؟

  • از خود این سوال را بپرسید که چرا میخواهید در این مکان دوربین نصب کنید؟

یکی از مهمترین بخش های انتخاب یک دوربین، تعیین محدوده منطقه تحت پوشش و هدف نظارت شما است. دوربین های پانوراما و چندسنسوره امکان پوشش دهی وسیع را فراهم میسازند، اما استفاده و بکارگیری چنین دوربین هایی در یک ساختمان اداری کوچک لزومی ندارد. از سوی دیگر، این دوربین ها از قابلیت زوم دیجیتال روی یک صحنه برخوردارند، قابلیتی که در بازبینی ویدئوها برای یافتن حقیقت رویدادهای صورت گرفته کارآمد است. هدف گذاری درست به شما کمک میکند تا بین الزامات موردنظر خود و الزاماتی که واقعا به آنها احتیاج دارید، تفاوت بگذارید.

  • چه الزامات فنی برای برآورده سازی اهداف نظارتی نیاز است؟

بکارگیری دوربین در یک منطقه میتواند نیازمند برخی عملکردهای خاص باشد؛ برخی از این عملکردها شامل داشتن کارکرد تحت شرایط نوری پایین، قابلیت ضدآب یا ضدضربه بودن میشود. در صورتی که یک فضای گسترده نیازمند پوشش دهی باشد، باید نسبت به تفاوت های دوربین های PTZ، پانوراما و چندسنسوره آگاهی پیدا کرد. دوربین های PTZ مجهز به یک ویژگی فنی هستند که به آنها اجازه میدهد تا بدون تکیه بر قابلیت زوم دیجیتال، روی چیزهایی که در فواصل دور قرار دارند زوم کنید. از سوی دیگر دوربین های چندسنسوره که از مگاپیکسل های بالا برخوردارند تنها با استفاده از یک دوربین، چه در طول ضبط زنده و چه پس از بازبینی ویدئوها بعد از وقوع یک رخداد، قابلیت پوشش دهی فضاهای بزرگ و زوم دیجیتال را فراهم میکنند. قابلیت های مختلف، نیازهای متفاوت را برآورده میسازند.

  • آیا زیربنای تحت شبکه موجود از دوربین شما پشتیبانی میکند؟

به محض فکر کردن در مورد الزامات فنی و انتخاب دوربین احتمالی، زیربنای تحت شبکه موجود باید مورد بررسی و تجزیه و تحلیل قرار بگیرد. احتمال دارد که زیربنای موجود قادر به پشتیبانی از حجم بالایی از داده ها که از چند دوربین نظارتی باکیفیت به دست آمده نباشد. در این صورت، بکارگیری یک سیستم فیبر-محور را میتوان به عنوان یک گزینه در نظر گرفت، البته در صورتی که هزینه های سیم کشی های جدید سنگین تمام نشود.

  • دوربین شما چه تاثیری بر قابلیت های ضبطتان دارد؟

هر چه تعداد مگاپیکسل های ویدئوها و تصاویر ضبط شده توسط یک دوربین بالاتر باشدْ، به ظرفیت ذخیره سازی بالاتری نیز احتیاج خواهد بود. مشتریان از ایده ی دوربین های 4k استقبال میکنند اما این امکان وجود دارد که دستگاه های ضبط آنها دارای ظرفیت ذخیره سازی لازم برای پشتیبانی از این دوربین ها نبوده و استانداردهای موردنیاز برای نگهداری از ویدئوهای ضبط شده در طی چند روز را برآورده نسازد. در صورتی که یک مشتری دارای استاندار مربوط به ویدئوهای ضبط شده در طی چند روز باشد و با این حال در دوربین های با رزولوشن پایین تر برای رسیدن به این استاندارد دچار مشکل شود، به احتمال زیاد افزودن یک دوربین با رزولوشن بالاتر نمیتواند مقرون به صرفه ترین یا کارآمدترین راهکار باشد.

  • آیا زیبایی ظاهری سیستم اهمیت دارد؟

پس از انتخاب یک دوربین با توجه به نیازها و الزامات فنی، این امکان وجود دارد که برخی تصمیم گیرندگان نامرتبط به بخش امنیت در مقابل این انتخاب مقاومت نشان دهند. به عنوان مثال، شاید در یک لابی بیزینسی، به خاطر کیفیت تصویری که بیزینس مربوطه به دنبال آن است، از یک دوربین PTZ استفاده شود، اما بکارگیری چنین دوربینی در این محیط میتواند بسیار در چشم باشد. در چنین شرایطی، استفاده از یک دوربین چندسنسوره ی کوچکتر که کمتر در چشم باشد میتواند به عنوان یک گزینه ی جایگزین در نظر گرفته شود. همچنین در نظر گرفتن سایر پایه های نصب همچون پایه های کوتاه و فرورفته یا رنگ آمیزی خود دوربین برای تناسب پیدا کردن با فضایی که در آن قرار گرفته شده نیز به عنوان گزینه های دیگر مطرح هستند. در صورت عدم امکان بکارگیری چنین گزینه هایی، شاید نیاز باشد که دوربین دیگری انتخاب شود. به هنگام انتخاب یک دوربین، موارد زیادی را، از بحث های فنی گرفته تا بحث های زیبایی شناختی باید در نظر گرفت. تعیین یک هدف از قبل، تضمین کننده ی آن خواهد بود که اقدامات مختلف روی یک چشم انداز مشترک در حال کار شدن هستند تا بدین شکل بهترین راهکاری را که مطابق نیازها و تقاضاهای شماست پیدا کنید.

 

منبع: سکیوریتی نت

http://www.didarc.com/fa/news/how-to-choose-the-best-camera-for-your-job