Mae ymchwilwyr PDC yn datblygu offeryn deallusrwydd artiffisial i drawsnewid y ffordd y caiff cydrannau cadair olwyn eu nodi

8 Mai, 2025

Cadair olwyn yn cael ei sganio gan system AI sy'n nodi ei rhannau unigol

Mae ymchwilwyr Prifysgol De Cymru (PDC) yn datblygu offeryn meddalwedd arloesol sy'n cael ei yrru gan ddeallusrwydd artiffisial a allai drawsnewid sut mae cydrannau peiriannau unigol yn cael eu nodi a'u dogfennu.

Mae ymchwilwyr Prifysgol De Cymru (PDC) yn datblygu offeryn meddalwedd arloesol sy'n cael ei yrru gan ddeallusrwydd artiffisial a allai drawsnewid sut mae cydrannau peiriannau unigol yn cael eu nodi a'u dogfennu.

Gan weithio ar y cyd ag Uned Peirianneg Adsefydlu Bwrdd Iechyd Prifysgol Caerdydd a'r Fro, mae'r offeryn wedi'i gynllunio'n benodol i nodi rhannau cadeiriau olwyn.

Gall y system canfod gwrthrychau hon, sy'n seiliedig ar ddeallusrwydd artiffisial, nodi a chatalogio gwahanol gydrannau cadeiriau olwyn yn awtomatig ar ôl edrych ar ddelweddau. Mae’r cydrannau hyn yn cynnwys fframiau, olwynion, cynhalwyr traed, clustogau, breciau, a mwy.

Dywedodd Janusz Kulon, yr Athro Peirianneg Fiofeddygol a Deallusrwydd Artiffisial Cymhwysol yn PDC a Phrif Ymchwilydd, y gallai'r prosiect arwain at arbedion mawr i'r gwasanaeth iechyd a thu hwnt.

"Gyda thua 27,000 o rannau a gwerth tua £1m o stoc fesul gwasanaeth osgo a symudedd nodweddiadol wedi'u gwasgaru ar draws nifer o gatalogau cyflenwyr, mae gallu'r offeryn hwn i symleiddio’r broses nodi’n amhrisiadwy," meddai'r Athro Kulon

"Dyma'r system deallusrwydd artiffisial gyntaf o'i math, wedi'i hadeiladu ar set ddata bwrpasol o gydrannau cadair olwyn nad oeddent yn bodoli o'r blaen.

"I hyfforddi'r model, fe wnaethon ni gipio miloedd o fframiau fideo sy'n dangos rhannau unigol. Cafodd pob delwedd ei labelu â llaw - cam llafurus ond hanfodol - i sicrhau bod y model yn gallu gwahaniaethu cydrannau tebyg yn weledol mewn goleuadau, onglau ac amodau gwahanol.

"Nod yr offeryn yw dileu un o'r tasgau sy’n cymryd y mwyaf o amser ac sydd fwyaf tebygol o achosi camgymeriadau mewn gwasanaethau osgo a symudedd: dogfennu â llaw a chyrchu rhannau cadeiriau olwyn."

Fe wnaeth yr Athro Colin Gibson, Pennaeth yr Uned Peirianneg Adsefydlu Bwrdd Iechyd Prifysgol Caerdydd a'r Fro, dynnu sylw at yr heriau go iawn y mae'r offeryn yn mynd i'r afael â nhw.

"Gall nodi elfen gywir cadair olwyn fod yn hynod gymhleth a chymryd llawer o amser," meddai.

"Rydyn ni'n rheoli llwyth achosion miloedd o ddefnyddwyr ledled De Cymru. Mae pob cadair olwyn yn unigryw - yn aml wedi'i adeiladu'n arbennig - gyda llawer o rannau cyfnewidiol gan sawl cyflenwr.

"Yn aml, rhaid paru rhannau’n weledol, croesgyfeirio yn erbyn catalogau papur mawr, neu olrhain trwy rifau cyfresol. Mae hyn yn dod o broblem, yn arbennig pan mae angen atgyweirio neu amnewid rhannau’n frys."

Ychwanegodd yr Athro Gibson fod yr offeryn deallusrwydd artiffisial a ddatblygwyd gan ymchwilwyr PDC yn addo lleihau'r baich hwnnw yn sylweddol.

"Gall clinigwyr gipio cydran yn weledol gan ddefnyddio dyfais symudol (naill ai'n uniongyrchol neu ar ôl derbyn delwedd a anfonwyd ymlaen gan ddefnyddiwr gwasanaeth mewn lleoliad anghysbell) a derbyn ei manylion adnabod, manylebau a lleoliad ar unwaith," meddai.

"Gall y gallu hwn leihau amseroedd atgyweirio yn ddramatig a gwella darpariaeth gwasanaethau, yn enwedig i ddefnyddwyr mewn ardaloedd gwledig neu ddifreintiedig."

Nododd yr Athro Kulon fod prawf o gysyniad - a ddangosodd berfformiad uchel wrth nodi rhannau - eisoes wedi'i arddangos yn llwyddiannus.

"Mae ein camau nesaf yn cynnwys ehangu'r set ddata ac ailhyfforddi'r model ar gyfer defnydd ehangach," meddai.

"Nid yw'n ymwneud ag awtomeiddio yn unig. Mae'n ymwneud â chywirdeb, cyflymder, a gwella canlyniadau clinigol. Mae nodi rhannau’n gyflym ac yn gywir yn lleihau camgymeriad dynol, yn symleiddio'r broses bresgripsiynau ac atgyweirio, ac yn rhyddhau clinigwyr i dreulio mwy o amser gyda chleifion.

"Rydym hefyd yn ceisio cyllid arloesi pellach i ehangu'r prosiect a dod â hyd yn oed mwy o effeithlonrwydd i reolaeth cydrannau cadeiriau olwyn."