Transfer technologii kosmicznych

do aplikacji przemysłowych

Data publikacji:

02/05/2022

Kategorie:

Transfer technologii kosmicznych do przemysłu 

Dwie gałęzie działalności firmy Scanway

Scanway jest jedną z nielicznych firm na świecie działających dwóch obszarach: kosmicznym i przemysłowym (więcej o naszej działalności kosmicznej znajdziesz na stornie: scanway.space). Pomimo wyraźnego biznesowego podziału na sektor space i industry wewnątrz organizacji występuje swobodny przepływ technologii oraz know-how. Nad przemysłowymi systemami wizyjnymi pracują ci sami inżynierowie, którzy budują teleskopy do nano i mikro satelitów. Rozwiązania wypracowane na potrzeby przemysłu kosmicznego są wykorzystywane w szeroko rozumianym przemyśle. Z pozoru, taka adaptacja może sprawiać wrażenie bardzo skomplikowanej i czasochłonnej. Jednak w przypadku Scanway jest to niezwykle proste, ponieważ mamy już opracowane pewne technologie.

Technologie kosmiczne sprowadzone na ziemię

Przykład technologii używanych na orbicie jak i w przemyśle:

  1. Kamery hiperspektralne
  2. Algorytmy wykorzystujące uczenie maszynowe

Rozwiązania optyczne zapewniające możliwość obrazowania z bardzo dużą rozdzielczością oraz tzw. obrazowania wielospektralnego, czyli realizowanego w znacznie szerszym zakresie, niż tylko trzy kolory R, G, B, zastały zaprojektowane dla kosmosu, a następnie zaimplementowane na potrzeby projektów przemysłowych.

W swoim portfolio mamy kamery, które potrafią widzieć nawet 200 kanałów spektralnych. Chodzi o różne pasma promieniowania elektromagnetycznego, które docierają do nas poza samym światłem widzialnym. Takie możliwości zapewniają szanse dostrzegania nawet minimalnych odstępstw od normy jakościowej w sprawdzanych obiektach. Technologia ta świetnie sprawdza się w branży spożywczej np. do wykrywania zanieczyszczeń i wtrąceń w żywności.

Wizualizacja okolic Zalewu Wiślanego na podstawie danych z satelity Landsat 7 (link)

Obraz ze skanera hiperspektralnego ukazujący niepożądane wtrącenia w płatkach śniadaniowych (kolor fioletowy)

Wizja maszynowa opiera się uzbrajaniu systemów produkcyjnych w instrumenty umożliwiające wykonywanie zdjęć produktów a następnie ich automatyczną analizę. W naszych systemach wykorzystujemy algorytmy wizyjne umożliwiające przetwarzanie obrazu. Na podstawie uzyskanych informacji wyciągamy konkretne wnioski, np. dotyczące średnicy, wysokości, chropowatości powierzchni, czy koloru. Do tego typu analiz bardzo często wykorzystujemy algorytmy sztucznej inteligencji oraz technologie „deep learningu”, czyli pogłębionej, bardziej, zaawansowanej odmiany AI, dzięki której np. rozpoznajemy pewne nietypowe błędy.

Widok z urządzenia SHS podczas stratosferycznej misji balonowej Scanway Space. Urządzenie wykorzystuje zaawansowane algorytmy oparte o sieci neuronowe do automatycznej identyfikacji uszkodzeń obserwowanego urządzenia (np.: uszkodzenia powierzchni paneli słonecznych spowodowane kolizją z kosmicznymi „śmieciami”

W przemyśle zdarzają się aplikacje, dla których nie możliwym byłby napisanie jednolitych algorytmów, gotowych do zastosowania za każdym razem – błędy po prostu są zbyt różne, lub nauczenie każdego wariantu nie jest możliwe. W takim przypadku generujemy sieć neuronową, która po wskazaniu pożądanych wartości sama nauczy się rozpoznawać, czy dany produkt spełnia przyjęte standardy, czy też nie. W Scanway cały czas używamy i rozwijamy technologie sztucznej inteligencji zarówno w projektach przemysłowych, jak i kosmicznych. W tym drugim obszarze używamy zaawansowanych algorytmów np. w produkcie SHS – Spacecraft Health Scanner służącym np.: do analizy uszkodzeń paneli słonecznych zamontowanym na satelicie spowodowanych kolizją z mikro-obiektem kosmicznym. Ze względu na różnorodność błędów jakie mogą wystąpić system musi sam podejmować analizę na podstawie tego co widzi.

Powiązane wpisy

03/03/2023 Artykuł | Automotive

Sprawdzanie jakości tapicerki samochodowej

01/03/2023 Case studies | Spożywcza

Trackowanie pojemników E2 z mięsem - część 2

24/02/2023 Opakowania | Poligraficzna | Wydarzenie

W co inwestować w trudnych czasach?

17/02/2023 Artykuł | Automotive | Inna | Kosmiczna | Meblarska | Medyczna | Opakowania | Poligraficzna | Spożywcza

Kontrola jakości: kamera czy skaner 3D - co wybrać i kiedy?

16/02/2023 Artykuł | Automotive

Produkcja baterii litowo-jonowych

13/02/2023 Artykuł | Kosmiczna

Jak finansować innowacje?

01/02/2023 Case studies | Spożywcza

Trackowanie pojemników E2 z mięsem - część 1

12/01/2023 Artykuł | Opakowania

Jak kontrolować jakość puszek?

15/12/2022 Case studies | Spożywcza

Kontrola zamknięcia puszek

10/11/2022 Artykuł | Automotive

Trwałość baterii a temperatura

16/09/2022 Artykuł | Spożywcza

Przemysł mięsny i nowe technologie?

17/08/2022 Artykuł

Czym są systemy wizyjne?

12/07/2021 Automotive | Video | Wywiad

Przemysł 4.0 a kontrola jakości