ABB AI Robot Trainer: обучение машинного зрения
Октябрьское обновление ABB OmniCore EyeMotion: AI Robot Trainer, данные для машинного зрения и план проверки распознавания на вашем производстве.
Что сообщил первоисточник
В октябрьском релизе ABB сообщила о дополнении OmniCore EyeMotion инструментом AI Robot Trainer. Связка объединяет получение изображений, подготовку и обучение модели, развёртывание и дальнейшее улучшение машинного зрения. Среди названных применений — захват деталей из навала, сортировка, сборка и контроль качества. Производитель также заявляет сокращение сроков пусконаладки и времени цикла; эти показатели нельзя переносить на любой объект без условий и испытаний.
Сведения выше атрибутированы разработчику. Портал не участвовал в описанных испытаниях или внешних внедрениях.
Дата 12.10.2026 указана в архиве ABB ↗; дата перепечатки на другом сайте может отличаться.
Наш разбор: сначала подготовить условия проверки
Для задачи машинного зрения полезно начать с перечня вариаций, которые предприятие действительно встречает. Меняются ли цвет, блеск, загрязнение, ориентация или партия деталей? Какие признаки отличают годную деталь от дефектной? Этот список поможет составить тест и определить, какое действие должно следовать за результатом распознавания.
Предлагаем разделять проверку изображения и проверку операции. Система может правильно обнаружить объект, но выбранный захват не завершит перенос; возможна и обратная ситуация, когда предмет перемещён, но классифицирован неверно. В протоколе приёмки эти события следует учитывать отдельно, чтобы не скрыть ошибку за общим числом выполненных циклов.
В брифе стоит предусмотреть изменения после запуска. Кто добавляет новую номенклатуру, где хранятся контрольные изображения и какая выборка используется для повторной проверки? Обновление модели удобно рассматривать как управляемое изменение процесса: с версией, ответственным и возможностью вернуться к предыдущему состоянию. Это редакционная рамка оценки, а не результат нашего тестирования ABB.
Что включить в тестовый набор
- Какие варианты детали, упаковки и поверхности встречаются в реальном потоке?
- Какие дефекты требуется отличать и что делать с неопределённым результатом?
- При каком освещении и расстоянии выполняется съёмка на объекте?
- Какая точность нужна для захвата, укладки или контроля качества?
- Кто размечает примеры и утверждает спорные случаи?
- Как проверяется модель после добавления новой партии или замены камеры?
Как сравнить предложение на одинаковых условиях
Подготовьте отдельные наборы для настройки и для приёмки. Зафиксируйте условия съёмки и критерии ошибок до показа. В демонстрации проверяйте разные партии и нетипичные случаи, а для сложных операций учитывайте весь цикл: распознавание, план движения, захват, передачу и восстановление после остановки. Так станет понятнее, какая часть результата связана со зрением, а какая — с оснасткой и процессом.
Если интерес вызвало обновление ABB или другой анонс, начните со ссылки и описания операции. Можно проработать совместимость, оборудование, настройку модели и внедрение комплекса. Возможность поставки, лицензирования и работ требует отдельного подтверждения для выбранной конфигурации и региона.
Продолжить изучение
Новинки и медиа ↗
Анонсы, изменения продуктов и редакционные разборы.
ИЗУЧИТЬ НАПРАВЛЕНИЕРоботы и оборудование ↗
Выбрать класс платформы и изучить ограничения.
ИЗУЧИТЬ НАПРАВЛЕНИЕПО и AI ↗
Навигация, обучение, зрение и интеграция.
ИЗУЧИТЬ НАПРАВЛЕНИЕМероприятия ↗
Выставки, конференции и точки появления новинок.
ИЗУЧИТЬ НАПРАВЛЕНИЕСтартапы ↗
Команды, создающие оборудование и программные решения.
ИЗУЧИТЬ НАПРАВЛЕНИЕКейсы и применения ↗
Внешние проекты с указанием участников и источников.
От интереса — к вашему проекту
Модель, ссылка на новинку, задача, артикул или собственная разработка — начните с того, что уже известно. Возможность поставки и работ проверяется индивидуально.
Подготовить запрос
Опишите вашу ситуацию. Можно указать ссылку на новинку, модель уже имеющегося робота, артикул детали или свою разработку.