هوش مصنوعی در حال ورود جدی‌تر به خطوط تولید و محیط‌های صنعتی است. در یکی از نشست‌های ISA Automation Summit & Expo 2026، کاربرد نسل جدید فناوری Computer Vision برای شناسایی خودکار نقص‌ها و ناهنجاری‌های صنعتی بررسی شد. این فناوری می‌تواند تصاویر دوربین‌ها را با کمک مدل‌های هوش مصنوعی تحلیل کند و مواردی مانند خرابی محصولات، رفتارهای غیرعادی در خط تولید، حوادث ترافیکی و برخی خطرات ایمنی را سریع‌تر شناسایی کند.

وقتی دوربین‌های کارخانه هوشمند می‌شوند

دوربین‌های نظارتی سال‌هاست در کارخانه‌ها برای کنترل محیط و ثبت تصاویر مورد استفاده قرار می‌گیرند؛ اما ورود هوش مصنوعی باعث شده این دوربین‌ها بتوانند فراتر از ثبت تصویر عمل کنند. در فناوری جدید، تصاویر دوربین‌ها به کمک الگوریتم‌های هوش مصنوعی بررسی می‌شوند تا سیستم بتواند الگوهای غیرعادی را شناسایی کند. به این ترتیب، دوربین دیگر تنها یک ابزار برای مشاهده اتفاقات نیست، بلکه می‌تواند به بخشی از سیستم هوشمند کنترل و بازرسی تبدیل شود. در نشست رسمی ISA، این تحول با تمرکز بر استفاده از بینایی ماشین برای بازرسی خودکار و تشخیص ناهنجاری در محیط‌های تولیدی و صنعتی بررسی شد.

هوش مصنوعی چگونه خرابی محصولات را تشخیص می‌دهد؟

یکی از کاربردهای مهم این فناوری، تشخیص نقص در محصولات تولیدشده است. برای مثال، یک سیستم مجهز به دوربین و هوش مصنوعی می‌تواند تصاویر محصولات را بررسی کرده و مواردی مانند:

• ترک یا شکستگی
• تغییر شکل
• خطاهای ظاهری
• قرارگیری نادرست قطعات
• نقص در فرآیند مونتاژ
• تفاوت غیرعادی با نمونه استاندارد

را شناسایی کند. در روش‌های سنتی، بخش زیادی از این کنترل‌ها توسط نیروی انسانی انجام می‌شود. اما سیستم‌های بینایی ماشین می‌توانند تعداد زیادی تصویر را در مدت کوتاهی بررسی کنند و موارد مشکوک را برای بررسی بیشتر به اپراتور اعلام کنند. این موضوع به‌ویژه در خطوط تولیدی که سرعت کار بالاست، اهمیت زیادی دارد.

تفاوت بین دوربین معمولی و بینایی ماشین

یک دوربین معمولی فقط تصویر را ثبت می‌کند؛ اما بینایی ماشین تلاش می‌کند محتوای تصویر را تحلیل و تفسیر کند. در سیستم‌های جدید، مدل‌های هوش مصنوعی می‌توانند بر اساس داده‌هایی که در اختیارشان قرار گرفته، تفاوت میان یک وضعیت عادی و یک وضعیت غیرعادی را تشخیص دهند. برای نمونه، اگر ظاهر یک قطعه تولیدی با نمونه‌های استاندارد تفاوت داشته باشد، سیستم می‌تواند آن را علامت‌گذاری کند تا اپراتور یا مسئول کنترل کیفیت آن را بررسی کند. همین قابلیت باعث شده است هوش مصنوعی به یکی از فناوری‌های مهم در مسیر توسعه کارخانه‌های هوشمند تبدیل شود.

فقط کارخانه‌ها؛ کاربردهای گسترده‌تر بینایی ماشین

کاربرد Computer Vision به تشخیص نقص در محصولات محدود نمی‌شود. طبق توضیحات رسمی نشست ISA، نمونه‌های کاربردی دیگری نیز در این حوزه مطرح شده‌اند؛ از جمله مدیریت خودکار ترافیک و حوادث و استفاده از بینایی ماشین برای بازرسی‌های ایمنی در صنایع نفت و گاز. در چنین کاربردهایی، دوربین‌ها می‌توانند محیط را به‌صورت مداوم بررسی کنند و در صورت مشاهده شرایط غیرعادی، اطلاعات لازم را در اختیار سامانه‌های مدیریتی یا نیروهای مسئول قرار دهند.

آیا هوش مصنوعی جایگزین نیروهای کنترل کیفیت می‌شود؟

هدف اصلی این فناوری لزوماً حذف نیروی انسانی نیست. در بسیاری از کاربردهای صنعتی، هوش مصنوعی وظیفه بررسی حجم زیادی از اطلاعات را بر عهده می‌گیرد و موارد مشکوک را مشخص می‌کند. سپس نیروی انسانی می‌تواند نتیجه را بررسی کرده و درباره اقدام نهایی تصمیم بگیرد. این روش می‌تواند به کارکنان کمک کند زمان کمتری را صرف بررسی‌های تکراری کنند و تمرکز بیشتری روی موارد مهم‌تر داشته باشند. در واقع، مدل مورد توجه در صنعت بیشتر به سمت همکاری انسان و هوش مصنوعی حرکت می‌کند تا جایگزینی کامل انسان.

یک چالش مهم؛ هوش مصنوعی همیشه دقیق نیست

با وجود پیشرفت سریع فناوری، سیستم‌های بینایی ماشین بدون خطا نیستند. در نشست ISA نیز به محدودیت‌های مدل‌های Computer Vision و وابستگی آن‌ها به داده اشاره شده است. کیفیت و تنوع داده‌های آموزشی می‌تواند روی عملکرد مدل تأثیر زیادی داشته باشد. اگر یک سیستم با نمونه‌های کافی آموزش ندیده باشد، ممکن است برخی نقص‌ها را تشخیص ندهد یا یک وضعیت عادی را به‌اشتباه مشکل‌دار تشخیص دهد. به همین دلیل، استفاده از هوش مصنوعی در محیط‌های حساس صنعتی همچنان به آزمایش، نظارت انسانی و ارزیابی مداوم نیاز دارد.

هزینه و سرعت؛ دو عامل مهم در استفاده صنعتی

استفاده از دوربین‌های هوشمند تنها به خرید دوربین و نرم‌افزار محدود نمی‌شود. شرکت‌ها باید مواردی مانند حجم داده، قدرت پردازش، تجهیزات موردنیاز، اتصال شبکه و هزینه نگهداری سیستم را نیز در نظر بگیرند. در نشست ISA، موضوعاتی مانند پردازش لبه‌ای (Edge Processing)، امکان توسعه در مقیاس بزرگ و هزینه کلی مالکیت سیستم نیز مورد توجه قرار گرفته است. این مسئله نشان می‌دهد موفقیت یک پروژه هوش مصنوعی صنعتی فقط به عملکرد مدل بستگی ندارد و زیرساخت مناسب نیز اهمیت زیادی دارد.

کارخانه‌های آینده چگونه خواهند بود؟

گسترش بینایی ماشین می‌تواند بخشی از مسیر حرکت کارخانه‌ها به سمت تولید هوشمند باشد. در یک کارخانه هوشمند، دوربین‌ها، حسگرها، ربات‌ها و نرم‌افزارهای تحلیل داده می‌توانند با یکدیگر ارتباط داشته باشند و اطلاعات محیط تولید را به‌صورت مداوم بررسی کنند. در چنین محیطی، بینایی ماشین می‌تواند برای کنترل کیفیت، تشخیص ناهنجاری، نظارت بر تجهیزات و افزایش ایمنی مورد استفاده قرار گیرد. ترکیب این فناوری با یادگیری ماشین، رباتیک و تحلیل داده می‌تواند زمینه توسعه سیستم‌هایی را فراهم کند که مشکلات را زودتر شناسایی کرده و به کارکنان درباره آن‌ها هشدار می‌دهند.

آینده تشخیص خرابی با هوش مصنوعی

آنچه در نشست ISA مورد بررسی قرار گرفته، بخشی از روند بزرگ‌تر حرکت صنعت به سمت بازرسی خودکار است. هرچه مدل‌های هوش مصنوعی دقیق‌تر شوند و داده‌های بیشتری در اختیار آن‌ها قرار گیرد، امکان استفاده از آن‌ها در فرآیندهای پیچیده‌تر نیز افزایش خواهد یافت. از خطوط تولید و کارخانه‌ها گرفته تا صنایع نفت و گاز و مدیریت ترافیک، بینایی ماشین می‌تواند به ابزاری برای مشاهده و تحلیل مداوم محیط تبدیل شود. با این حال، در محیط‌های حساس همچنان نقش استانداردهای ایمنی، کنترل‌های قطعی و نظارت انسانی اهمیت زیادی خواهد داشت.

جمع‌بندی

ورود هوش مصنوعی به سیستم‌های بینایی ماشین، شیوه کنترل و بازرسی محیط‌های صنعتی را در حال تغییر است. فناوری‌های جدید می‌توانند با تحلیل تصاویر، نقص محصولات، ناهنجاری‌های صنعتی و برخی شرایط خطرناک را شناسایی کنند و اطلاعات لازم را سریع‌تر در اختیار کارکنان قرار دهند. نشست ۲۹ سپتامبر ISA نشان می‌دهد آینده کارخانه‌های هوشمند فقط به ربات‌ها محدود نیست؛ دوربین‌های مجهز به هوش مصنوعی نیز می‌توانند به یکی از چشم‌های اصلی کارخانه‌های آینده تبدیل شوند.

برای مشاهده جدیدترین اخبار، به پایگاه خبری هوش مصنوعی ایران مراجعه کنید.