Projekt · Dnr 2022-03018 · Källa: Vinnova

Produktionsintegrerad visuell inspektion baserad på oövervakad maskininlärning

Koordinator
Linnéuniversitetet, Linnéuniversitetet Inst för datavetenskap och medieteknik
Projekttid
2023-01-01 till 2025-12-31 (avslutat)
Beviljat bidrag
3 883 951 SEK
Diarienummer
2022-03018

Beskrivning

Projektet utvecklade ny kunskap om hur AI kan hitta fel i industribilder. Bildkvalite har varit en utmaning genom hela projektet. Den första tekniken Normalizing Flows, höll inte i verkliga fabriker, vilket ledde till arbete med andra metoder. En ny metod, GLASS, vidareutvecklades vilket resulterade i en fungerande prototyp som testades i industrimiljö och på edge‑hårdvara. Projektet gav också publikationer, öppna dataset och nya samarbeten som stärker framtida utveckling inom svensk industri. Projektet visar att akademiska AI‑metoder ofta brister i industrin på grund av datakvalitet och för lite validering mot verkliga dataset. Genom öppna dataset och nya samarbeten skapas bättre förutsättningar för robusta metoder. På sikt kan resultaten minska manuellt arbete, höja kvaliteten och ge ny kunskap och nya lösningar för att överkomma dagens begränsningar i anomalidetektering. En förutsättning är att industri och akademi arbetar tillsammans och teoretisk och praktisk kunskap utvecklas.

Öppna hos Vinnova

Hittar Vinnova inte sidan? Sök på diarienumret hos Vinnova.

Liknande

  1. SacsiN

    SacsiN AB · 2020-12-01 · 1 998 495 SEK · Projekt

    SacsiN har uppnått sitt mål att skapa en digital industrioberoende metod för utbyte av data inom hållbarhet och ”compliance” baserat på befintliga standarder. Att använda metoden stärker svenska företags konkurrenskraft för transparens kring sina produkter. SacsiN ger också korrekt information för a…

  2. Överförbarhet av erfarenhetsbaserad kunskap vid industriell inspektion med hjälp av förklarlig AI.

    Lunds universitet · 2022-09-01 · 500 000 SEK · Projekt

    Projektet uppfyllde huvudmålet - att skapa ett förklarbart AI-system som föreslår produktkvalitet baserat på de givna skärparametrarna. Systemet är baserat på datorseende och AI-tekniker som möjliggör intelligent analys av borrningsinducerade defekter. Samarbetet mellan akademiska och industriella p…

  3. Generativ AI för Industriell Omställning

    Mälardalens Universitet · 2024-09-01 · 8 015 691 SEK · Projekt

    Vårt mål är att driva betydande förbättringar inom industriell produktion genom att säkerställa konsekvent tillämpning av redan etablerad kunskap, praxis, och riktlinjer. Komplexa systemkopplingar hindrar ofta operatörer från att tolka kritisk information, vilket försvårar effektivitet. I GAIT sträv…

  4. DEEPTECH Data-driven and Emerging Production Technologies for Circular Factories

    Kungliga Tekniska högskolan · 2025-11-01 · 1 500 000 SEK · Projekt

    DEEPTECH utgick ifrån en innovationsbaserad vision där Sverige är världsledande inom material- och produktionsteknologier för cirkularitet – inom de datadrivna och framväxande produktionstekniker som gör att cirkulära fabriker fungerar i industriell skala. Visionen formulerades utifrån den första Vi…

  5. Tree Quality - Green Forestry

    Arboxa AB · 2018-06-01 · 232 256 SEK · Projekt

    Projektets syfte var att bestämma kvaliteten på träd redan i skogen, baserat på kemisk sammansättning. Det specifika målet med projektet var att ta fram en prototyp för en handhållen enhet för detta ändamål och utvärdera dess prestanda i verkliga fälttester i skogen, samt påbörja insamlingen av data…