Bildanalys
Savantic använder djupinlärning och bildanalys för projekt inom så vitt skilda områden som att få fordon att upptäcka hinder och att analysera röntgenbilder för att hitta lungcancer. Vi jobbar alltid tillsammans med kundernas egna domänexperter, för vi vet att det är de som kan sina egna data bäst. På så vis kan vi göra datainsamling och modellering så effektiv som möjligt.
När vår konsult Miroslav Valan som industridoktorand använde sig av Savantics teknik för bildanalys för sin forskning, presenterad i avhandlingen Automated Taxonomic Identification of Insects with Expert-Level Accuracy Using Effective Feature Transfer from Convolutional Networks, innebar det en revolution för det klassificeringsarbete som traditionellt gjorts manuellt av människor.
Samma tekniker för bild- och dataanalys använder vi bland annat i våra projekt inom industrin, i sensorförsedda fordon och inom medicintekniska produkter för att skapa AI-baserade lösningar som skapar nya möjligheter och större värde för våra kunder.
Industri
Bildanalys är ett kraftfullt verktyg för digitalisering av industriprocesser, exempelvis för:
Kvalitetskontroll
I många processer finns manuella steg där en människa inspekterar en produkt för att identifiera kvalitetsbrister. Några av utmaningarna med sådant manuellt arbete är att det är dyrt, att det kan bli en flaskhals som bromsar upp produktionstakten och att det kan leda till att fel inte upptäcks. Människor blir trötta och kontrollerna är oftast inte en stimulerande arbetsuppgift. Med artificiell intelligens eller traditionell bildanalys kan detta steg automatiseras.
Följning
För att säkra kvaliteten är det viktigt att kunna följa en produkt genom hela tillverkningskedjan. I vissa fall kan man göra det med QR-koder eller streckkoder. I andra fall fungerar inte den tekniken. Då kan det vara bättre att använda en kamera som följer produkten genom ett processteg. Om ett fel uppstår på produkten går den att spåra genom hela produktionskedjan. Det gör att processerna kan förbättras och kvaliteten höjas.
Digital tvilling
Att ha en digital kopia av en maskin eller ett processteg är en stor fördel. Det ger möjlighet att få en snabb överblick över hela produktionsprocessen och att förenkla uppföljning genom att registrera alla steg en viss produkt gått igenom. Det gör det enklare att testa och simulera förändringar i processen. En sådan kopia kallas en digital tvilling.
En utmaning som vi stött på är att många processer använder maskiner som inte är digitala eller att data som går att få ut från maskinen är av låg kvalitet. Genom att montera kameror som tittar på maskinen och analysera bilderna har vi kunnat skapa en digital tvilling utan att behöva byta ut maskinen.
Fordonsindustri
Fordonsindustrin gör sig redo för en revolution i form av självkörande fordon. För att lyckas med den krävs avancerad bildanalys, men det är inte den enda tillämpningen. Här är några exempel på projekt som vi varit involverade i:
Analys av föraren
Moderna fordon innehåller en massa smarta system för att underlätta för föraren. Vi vet genom forskning att en förare omöjligt kan ta in all information som en komplicerad trafiksituation ger upphov till. Fordonet försöker därför sålla och bara informera om sådant som föraren själv inte redan har uppmärksammat.
Vi har exempelvis arbetat med eye-tracking för att förstå vad föraren tittar på och därigenom kunna bestämma om en varning behövs eller inte. Ett annat vanligt användningsfall är att rikta en kamera mot föraren för att avgöra om det finns risk att föraren är på väg att somna eller har försämrad uppmärksamhet.
Analys av fordonets omgivning
Det klassiska exemplet är så klart att analysera omgivningen för att möjliggöra autonom körning. Sådan körning kräver en mängd olika specialiserade bildanalyslösningar för olika problem. Ett exempel är att läsa skyltar. Men utåtriktade kameror kan även göra en mängd andra analyser. De kan exempelvis identifiera vägskyltar som lutar, hål i gatan eller felparkerade bilar – data som är intressant för en stad som planerar underhåll eller parkeringar.
Late sensor fusion
I fordon finns en mängd sensorer, inte bara kameror. På Savantic har vi erfarenhet av det som kallas late sensor fusion eller sen sensorfusion. Det innebär att man kombinerar signaler från olika typer av sensorer för att göra en sammanvägd bedömning av till exempel en trafiksituation. Genom att flytta intelligensen från sensorerna till olika sammanvägda rådata går det att få en högre kvalitet i analysen. Man kan också koppla ihop data från olika fordon för att på så sätt skapa en bild av hela trafiksituationen. Då kan det som ett fordon ”ser” användas för att varna ett annat.
Medicinteknik
Inom medicinteknik används bildanalys ofta för att ställa diagnos eller analysera medicinska prover. På Savantic har vi lång erfarenhet av detta:
Provanalys
De flesta av våra projekt inom medicinteknik handlar om att analysera prover eller röntgenbilder. Det mest kända exemplet är att titta på radiologiska bilder för att identifiera cancer. Men tekniken lämpar sig bra för allt från biopsier, blodprov och bakterieodlingar, till analys av utslag och hudcancer.
När ett prov skickas in till ett laboratorium analyseras det ofta i mikroskop och ibland sitter medicinskt utbildad personal och manuellt räknar antalet förekommande celler av en viss typ. Med bildanalys kan provsvaren skickas mycket fortare och fler prover går att analysera. Eftersom belysning, linser och annat ofta går att kontrollera i en laboratoriemiljö går det att nå väldigt hög kvalitet i analyserna.
Operation
Vid operationer blir det allt vanligare med robotar som utför vissa moment. Bildanalys är ofta en viktig komponent. Vi har även arbetat med stödjande bildanalys under operationen, som då används för att hålla reda på olika operationsinstrument.