Kontaktperson
Pasqualina Potena
Senior Researcher
Kontakta PasqualinaProjektet kommer att skapa användarvänlig End-to-End AI för automatiserad kvalitetskontroll av tillverkade komponenter som kan anpassa sig till olika arbetsförhållanden och produktdesigner.
Projektet kommer att använda sig av moderna AI-tekniker, såsom multimodala stora språkmodeller, zero-shot defektdetektering, syntetisk datagenerering och banplanering för robotar, med syfte att accelerera svensk industris användning av AI för kvalitetskontroll.
Projektet siktar mot att öka tillverkningsindustrins prestanda och konkurrenskraft, och minska dess miljöpåverkan och resursförbrukning. Det kommer att bidra till vetenskapliga och samhälleliga framsteg inom AI-forskning och tillämpningar genom samarbete och kunskapsutbyte mellan akademiska och industriella parter, och genom att dela med sig av slutsatser och resultat. Projektet kommer att stödja en digital omvandling och hållbar utveckling av den svenska industrin och samhället.
Projektet kommer att tillämpa multimodala LLM:er, metoder för defektdetektion utan förträning (zero-shot) samt publika data för att skapa ett innovativt system för kvalitetskontroll. Syntetiska data för prestandaförbättring kommer att utforskas, liksom möjligheten att använda ljud som komplement till bilder. Projektet adresserar även behovet av avancerad banplanering för robotar, för att komma förbi det stora hinder som manuell banprogrammering ofta innebär för kvalitetskontroll.
AI4QAM
Pågående
Koordinator
3 år
16 943 502 SEK
Enodo Robotics AB, Husqvarna AB, PVI Hydroforming AB, Scania CV AB, Tekniska Högskolan i Jönköping AB, Thule Group AB
Vinnova, Avancerad och innovativ digitalisering 2024 - första utlysning
Larisa Rizvanovic Jonas Lindqvist Pasqualina Potena Tomas Olsson Andreas Thore Lennart Elmquist Rakesh Shrestha