A neurális hálók használata a napelem iparban, illetve a mikro- és nanoelektronikában is nagyban növeli a hibák detektálási rátáját. Mi pontosan az a neurális háló? Kik használják, és hogyan zajlik a detektálási folyamat? Erről beszélgettünk a Semilab Zrt. két kollégájával, Bartal Zoltánnal és Horváth Áronnal, akik felelősek a neurális hálók integrációjáért, illetve a képfeldolgozás szakadatlan vezényléséért.
Mi az a neurális háló?
A neurális háló egy lehetséges eszköz a mesterséges intelligencia megvalósítására, mely az agy működését próbálja utánozni, amelyek egymással összekötött neuronokból (csomópontokból, innen a neurális kifejezés) állnak. Ezeken az összeköttetéseken jelek haladnak át, melyek változó erősségűek. Ezt úgy lehet elképzelni, mint egy nagy áramkört rengeteg kis állítható csúszkával, melynek van egy bemenete és egy kimenete.
Egyes bemenetekre más a kimenet, és a csúszkákat állítgatva is változik a kimenet vagy más néven, a háló válasza. A tanulás a neurális hálóknál, az összeköttetések erősségének a folyamatos hangolásából áll. Képek osztályozása esetén a hálót úgy kell elképzelni, hogy a háló bemenetére kerülnek a kérdésben szereplő képek képpontjai. Minden képpont több neuronnal is össze van kötve, ezek a neuronok pedig újabb neuronokkal, majd azok is újabbakkal, egy nagy hálózatot alkotva, melynek a végén egyetlen neuron található, melynek a kimenete adja a háló válaszát.
Mire használják a neurális hálókat a Semilabnál?
A napelem-, és a mikroelektronikai iparban fontos a gyártás alatt álló termék ellenőrzése, még mielőtt az elérné végleges formáját. Ezen kívül, ugyanennyire hangsúlyos a beszállítók által szolgáltatott alapanyagok ellenőrzése is. A Semilab olyan partnereknek gyárt neurális hálókkal felszerelt mérőeszközöket, akik ellenőrizni szeretnék saját gyártási folyamataikat, és gondoskodni szeretnének arról, hogy csak hibátlan darabok juthassanak el a végfelhasználók termékeibe.
A defektek - melyek lehetnek repedések, anyaghibák, vagy a gyártás során keletkezett rendellenességek - megtalálására alkalmazzák a neurális hálókat, amik mesterséges intelligencia lévén a betáplált adatok mennyiségétől függően, egyre több eltérést képesek kimutatni.
Hogyan zajlik a neurális hálók felhasználásának folyamata?
- A Semilab szoftverébe integrált, betanított neurális hálókat az ügyfelektől érkezett képeken tanítják be. Ezért első lépésként a csapat begyűjti az ügyféltől a képeket, valamint a megrendelő elvárásait arról, hogy pontosan miket szeretne ellenőrizni rajtuk.
- Második lépésként a begyűjtött képek egy része eljut a manuális detektálásért felelős csapathoz, akik kézzel bejelölik azokat a területeket, amiket majd a hálóknak automatikusan meg kell találniuk és megjelölniük. Ezt a folyamatot annotálásnak nevezik, amire a Semilab kifejlesztette a saját annotáló szoftverét. Segítségével néhány ecsetvonással egyszerűen ki lehet jelölni azokat az eredményeket, amiket majd a hálótól vissza szeretnének kapni. A tanításhoz szükséges képek mennyisége felhasználási területenként változik: van, ahol 100-200 kép megjelölése is elég, de vannak olyan esetek is, amikor több ezerre van szükség.
- Ezután a manuális detektálás ellenőrzése következik. Ebben a fázisban a legfontosabb az, hogy a háló tanítására használt halmaz semmilyen hibát ne tartalmazzon. Ezért elkerülhetetlen, hogy minden, ami be van jelölve, az valóban egy defekt legyen, és minden hiba fel legyen rajta tüntetve.
- A következő lépés a háló felépítése, majd annak betanítása a beannotált mintákkal. A neurális hálók tanításához egy tananyagot kell összeállítani, mely gyakorlatilag olyan, mint egy teszt. A Semilab esetében a teszt kérdése egy kép, a válasz pedig az, hogy a képen van-e defekt. Ha például volt defekt a képen, de a háló válasza a nem felé hajlik, akkor abba az irányba állítják a képpontok közötti összeköttetéseket, mellyel a háló válasza az igen irányába változik. A tesztet addig ismétlik, míg a háló megfelelő eredményt nem ér el a teszten. A tanítás időigénye teljesen változó, pár órától akár egy hétig is terjedhet, ez a minták mennyiségétől függ. Értelemszerűen minél több mintát használnak a háló tanítására, annál pontosabb eredményeket is lehet tőle elvárni.
- A neurális háló framework - melyek közül a Semilab a TensorFlow-t használja - ezután integrálásra kerül a cég C# .Net rendszerébe. Ehhez is egy saját integráló programot készítettek, ami képes a TensorFlow-ból kiexportált fájlt beleilleszteni a saját környezetükbe.
- Az integráció után letesztelik a teljes rendszert szimulációban. Ha a rendszer megfelelően működik, akkor a betanított neurális hálót eljuttatják az ügyfélhez.
Azt is fontos megemlíteni, hogy a hálók cseréje már egy meglehetősen egyszerű folyamat. Ha már egyszer elkészült az integrálás, utána az eddig használt neurális háló cseréje egy másikra - aminek a célja például egy másik típusú defekt detektálása vagy egy jobb minőségű eredmény elérése -, már sokkal könnyebb.
Kik veszik igénybe a szolgáltatást, és milyen céllal?
A detektálási procedúrát olyan napelem gyártók veszik igénybe, akik finomítani szeretnék saját gyártási folyamataikat és meg akarnak győződni arról, hogy hibás elemek nem jutnak a végfelhasználók rendszereibe. Egy hibás modul sem kerülhet be egy napelembe, hiszen az az egész rendszer hatékonyságát csökkentené, így a képfelismerési módszerrel könnyedén kiszűrhetik a defektes elemeket. Ezeket utána visszaolvasztják, és újragyártják.
A napelem piacon belül vannak olyan gyártók is, akik le szeretnék ellenőrizni beszállítóik termékeit, még mielőtt felhasználnák őket a gyártás során. Erre az alkalmazási területre is tökéletesen használható ez az eljárás.
A neurális hálók másik felhasználási területe a microchip-gyártó ipar, akik a gyártási folyamatot szeretnék javítani a Semilab megoldásaival.
A napelemek felépítése nem titkos, ezért a Semilab csapata hozzáférhet a megrendelő által készített képekhez. De mi történik olyan esetben, amikor a neurális hálókat mikrochipek ellenőrzésére használnak, amikről a képek nem publikusak?
Neurális hálók a mikrochip gyártásban
Sokszor a chip gyártás folyamata annyira titkos, hogy még a detektálást végző csapat sem láthatja róluk a képeket. Ennek a megoldására a Semilab egy olyan rendszert készített, amivel az ügyfél részére eljuttatja az annotáló szoftvert, amiben ő maga pár ecsetvonással bejelöli azokat a defekteket, amiket eredményképpen vissza szeretne kapni.
Egy gombnyomással elindíthatja a háló tanítását, és a minták mennyiségétől függő tanulási periódus után már nyugodtan beilleszthető a háló a megrendelő saját rendszerébe. Ezáltal képes a saját problémás területeit detektálni anélkül, hogy bárki más hozzáfért volna érzékeny adataihoz.
A neurális hálók használata mind a napelem, mind a mikro-, vagy nanoelektronika iparban egy kiváló megoldás ahhoz, hogy a gyártók javítsák saját gyártási folyamataikat, és megbizonyosodjanak arról, hogy csak tökéletes minőségű termékeket adnak ki a kezeik közül. Az új, jelenleg béta verzióban lévő Semilab megoldással már az is megoldható, hogy a szigorúan privát tartalmú képek házon belül maradjanak, miközben lehetővé teszi, hogy ezek a gyártók se essenek el a mesterséges intelligencia-alapú hiba-detektálástól.
