Geautomatiseerde inspectie met robots

Laat een robot jouw kwaliteitsinspectie uitvoeren met deze stapsgewijze, hands-on training:

• Hardware: viewpoint determination, path planning, collision avoidance
• Software: beeldacquisitie, annotatie en het bouwen van een ai-model.

In deze hands-on training leren de deelnemers een robotische inspectie uitvoeren van een 3D-geprinte draak. Hiervoor maken we een inspectiepad voor de robot op basis van het CAD-bestand van het object en onze eigen tool voor optimalisatie van het gezichtspunt. De deelnemers zullen vervolgens het programma uploaden naar de robot en de inspectie uitvoeren. De verkregen beelden worden vervolgens gebruikt om een AI-algoritme voor kenmerkdetectie te trainen. Hiertoe zullen de deelnemers de beelden annoteren en de AI-training uitvoeren. Ter afsluiting van de sessie kunnen de deelnemers hun model implementeren op de robotsoftware en de prestaties ervan controleren in een live omgeving. 

Deelnemers mogen hun eigen object meebrengen voor inspectie, zolang ze ons een week van tevoren een CAD-bestand ervan sturen. 

Sam Dehaeck is een senior onderzoeker bij Flanders Make gespecialiseerd in computer vision en het ontwerpen van optische opstellingen. Hij heeft meer dan 10 jaar gewerkt aan het ontwerp van ruimte-experimenten die optische interferometrie toepassen op verdampende vloeistoffen. De laatste 5 jaar heeft hij zich toegelegd op deep learning-gebaseerde machine learning-technieken en de toepassing ervan in productieomgevingen. Onderwerpen die in dit verband zijn onderzocht, zijn operatorherkenning voor ergonomische doeleinden en viewpointoptimalisatie voor robotinspectie.

Deze opleiding maakt deel uit van het Digital Europe project "RebootSkills".