Is de robot een gamechanger ?
De VDL-technologie heeft een aantal hoofdkenmerken die het mogelijk een gamechanger maakt voor het automatiseren van arbeid in de kas of op het land. Het is meer dan alleen het vervangen van arbeid, het is een platform, een springplank.
Lage investering
Voor een teler is de terugverdientijd en het probleem wat je ermee oplost cruciaal. Wij geloven dat robotisering alleen haalbaar is als de business case goed is. Juist kiezen wat je robitiseert is essentieel. Wil je veel automatiseren dan is dat fantastisch, maar tegelijkertijd een potentiële struikelblok.
Platform gedachte, dus meer perspectief.
Onze platform gedachte is in de basis een modulaire gedachte met interfaces, gebruik van standaard componenten en overfunctionaliteit met een roadmap naar meer.
Artificial intelligence, slimme automatisering
Artificial Intelligence (AI) -technologie is de afgelopen jaren uitgegroeid tot een disruptieve technologie. Doorbraken in een techniek genaamd deep learning zorgen voor nieuwe prestatieniveaus voor verschillende AI-toepassingen, waaronder computer vision.
Het heeft een eerste golf van succesvolle consumententoepassingen mogelijk gemaakt, aangedreven door de toonaangevende bedrijven als Google, Uber, Tesla, Facebook en Netflix.
Nu is een tweede AI-golf van industriële toepassingen bereikbaar, inclusief voorspellen van je, kwaliteitscontrole, slimme automatisering.
Slimme automatisering in de tuinbouw is voor ons autonome robitica door het integreren van Vision, AI en robitica met de kennis van de teller.
Machine learning, domein data versus domein kennis
Voor software programmeurs is machine learning een andere manier van programmeren.
Traditionele schrijft een software programmeur, vaak een expert, in zijn programma de regels en voorwaarden die een input vertaalt in een gedefinieerde output.
Bij machine learning gaat dat echt anders. Door het een dataset te geven met de gewenste output, leert het machine learning-algoritme zelf hoe het een output kan genereren voor nieuwe ongeziene data.
Je traint (modificeert) als engineer je deep learning algoritme (ontwikkelomgeving) met je dataset, waarmee je vervolgens je applicatie software genereert.
Je industrieel product kan met die gegenereerde software autonoom nieuwe data associeren aan de getrainde output.
Machine learning is voor bijna alle industriesegmenten toepasbaar, van financiën tot productie. Voorspellende modellen helpen de kosten te verlagen, de kwaliteit te verbeteren en nieuwe toepassingen mogelijk te maken.
Deze technolgie heeft ook zijn beperkingen, maar implementatie in een breed spectrum aan industriele toepassingen zal explosief gaan toenemen.
Deep learning
Deep Learning is techniek die door een google team in 2012 is geïntroduceerd en steeds meer wordt toegepast en is geoptimaliseerd voor specifieke toepassingen. Wij gebruiken daarvan uiteraard de beschikbare technologie, waarop we onze apllicatie hebben gebouwd.
Convolutionele neurale netwerken - AI-algoritmen die gespecialiseerd zijn in het leren van beeldgegevens. Gebruikt o.a. voor het detecteren van objecten en mensen op foto's en het analyseren van medische of wetenschappelijke afbeeldingen.
Reinforcement learning - AI-algoritmen die gespecialiseerd zijn in het leren om optimale reeksen van acties te ondernemen. Meestal gebruikt voor procesoptimalisatietaken en (robot) automatisering.
Segmentatie netwerken om met punten wolken nog betere sturing te geven aan onze robot bewegingen.