Airbus Defence and Space utiliza IA y Deep Learning para detección automática de errores
“Tener la capacidad de probar, modificar, entrenar y volver a probar el código en un corto periodo de tiempo resultó clave para el éxito”.
Resultados principales
- Utilizaron una herramienta integrada para diseñar, entrenar y desplegar modelos de Deep Learning
- Realizaron prototipado y pruebas interactivas en muy poco tiempo
- Tradujeron directamente el código de MATLAB a código CUDA
¿Cómo se crea un sólido modelo de IA de extremo a extremo para detectar automáticamente defectos en conductos de una aeronave? Ese fue el gran desafío de Airbus, que utilizó MATLAB® para realizar prototipado y desarrollar modelos de Deep Learning rápidamente para satisfacer sus necesidades.
En colaboración con el equipo de MathWorks Consulting Services, Airbus adoptó MATLAB para abordar los tres pasos principales del proceso. El primer paso era contar con una herramienta integrada para crear y entrenar modelos de Deep Learning desde cero para segmentación semántica, además de un entorno fácil e interactivo para etiquetar vídeos. Las posiciones de los orificios de ventilación y los cables en el conducto, identificadas por el modelo de Deep Learning de MATLAB, se utilizaron para medir las distancias y ángulos requeridos por el estándar de la industria. A continuación, necesitaban ver el análisis de los defectos en tiempo real. El paso final fue traducir automáticamente el código de MATLAB a código CUDA, sin necesidad de conocimientos de codificación, para desplegarlo directamente en el sistema integrado.
Productos utilizados
Recursos relacionados
