机器视觉 3D 检测正在改变制造业的游戏规则
随着技术的进步,程序员、数据科学家、光学专家等正在努力将自动化引入更多行业并进一步简化流程。这些变化背后的新兴基础设施令人着迷,而且它们的许多应用仍然令人惊叹。
在这里,我们想讨论一下生产线是如何发展的,以融入人工智能(AI)系统,优化质量保证和硬件组装等流程。
未来的生产线将采用最先进的技术来检测缺陷,并帮助最大限度地提高产量,但半导体的短缺持续,令人痛心。除此之外,这样还会产生大量的存储数据,这需要创新的解决方案来维护。
稍后,我们将讨论对这种存储采用分层方法的必要性。
机器视觉是一个术语,用来解释机器“看到”某物并对其进行解释的方式,比如在分析组件和检测缺陷时。据《福布斯》报道,自20世纪50年代以来,工厂一直在使用机器视觉技术。但它在80年代和90年代开始流行。
这项技术帮助人们保持了工厂和装配线的标准,但近年来进一步扩展。很快,这些系统将完全自动化,并将利用计算机组装设备并检查其质量和标准。
Forbes(福布斯)将这些描述为机器视觉系统的关键组件:
图像传感器:捕捉物品的图像或视频,以便对其进行检查。
图像采集卡:采集单个图像以供检查的快门或类似设备。
相机(外围装置):相机周围的装置,包括快门和镜头
适当的照明:这是图像清晰度和关注需要看到的细节的必要条件。
软件和计算硬件:可以帮助简化整个过程的硬件,操作相机和即将推出的算法。
识别模式的算法:我们稍后会详细讨论这些,但人工智能会梳理图像,以发现可能使设备不可接受的缺陷和故障。
输出到其他机械部件的屏幕:在人工检查检查的情况下,这些终端可以作为人员观察和监控质量保证过程的手段,可能同时监控多个单元。
将一个物品放置在传感器前面,然后相机对准它,正确捕捉每个细节,以便图像采集卡可以采集该物品的数字图像以进行检查。软件和算法将从样品中寻找模式,当它检测到不符合这些模式的东西时,会将其标记为缺陷,并将产品标记为未通过检查。
这对于工厂生产线来说是一项重要的创新,因为劳动力成本的上升和熟练劳动力的减少使得这些生产线的人员配备变得困难,因此自动化可以作为永久的解决方案。
计算机视觉是该过程的软件和算法组件,但它的用途超出了机器视觉。人工智能可以检查图像和视频等数字材料的内容,以便更好地理解它。
人工智能是谷歌的“按图像搜索”或 Photoshop 等应用程序中的“内容感知”工具等功能背后的驱动力,这些工具可以根据周围环境填充图像的部分内容。如果你将手机指向一个物体并询问有关它的信息,这就是机器视觉,而手机上运行的软件就是计算机视觉。
总的来说,计算机视觉过程是由人工智能驱动的,人工智能学习观察组件以便正确评估它们。
这些解决方案大多数都是围绕学习算法的概念构建的,该算法可以直观地了解物品的规格。正如 Metrology.news 所解释的那样,
“人工智能从无缺陷产品的图像数据中学习,以快速获取检查员多年来积累的‘专业知识’。尽管灵敏度取决于产品,但在许多情况下它可以匹配或超过人工检查员的缺陷检测率。”
在与机器视觉制造商交谈时,Metrology 发现算法可以比任何人更快地了解这些产品,这对于质量保证的准确性和装配线启动前所需的培训时间来说是一个福音。
人工智能正在不断改进,Metrology 报告称,一些结果对于基本缺陷是 100% 一致的。然而,在更精细的检查方面仍有空间,例如发现部件是否有划痕。
他们解释说,这种技术的用途数量惊人,“能够检测表面划痕对于许多制造零件来说都是有益的,包括塑料模具、挤压塑料薄膜以及由玻璃或透明聚合物制成的光学零件。”
人们正在开发滤光器来帮助进行这种形式的缺陷检测,这在汽车制造中尤其重要。然而,颜色和饰面需要纳入人工智能中。
一些软件正在克服这一障碍,机器视觉可以准确地逐个检测这些设计特征,从而忽略它们并扫描划痕。
机器视觉产生的数据量惊人,据 Enterprise AI 报告,到 2025 年,这一数字预计将上升至 160 ZB。当然,这个数字包括所有机器视觉应用,因此它超越了制造业,进入了医疗保健、农业、安全领域,甚至是自动驾驶汽车中看到的高质量机器视觉镜头。
在单个集中式网络上存储如此大量的数据可能会产生严重的问题。如此大量的数据会减慢前面提到的学习算法对该信息的处理速度。处理速度减慢可能会导致自动驾驶汽车出现轻微的制造问题,甚至造成人身危险。
企业作家Plamen Minev推荐了一种模块化的方法来存储这些数据,根据需要的目的对其进行分割,并实施机器学习来帮助根据需要梳理素材。
他写道:“虽然分布式架构有很多优点,但它们也带来了额外的复杂性。在边缘选择和部署适当的存储和计算基础设施以及集中管理至关重要,并且会显着影响整体系统效率和拥有成本。”
这种策略有两个关键的好处。首先,它可以降低存储低优先级数据的成本,因为大多数数据都是被收集和存储的,但从未实际访问过。具体而言,他指出,网络连接的云存储每年每TB的成本可能高达3351美元,而低成本存储的成本为50美元。
该策略的工作原理是通过人工智能在云存储上梳理所有数据,并将永久备份存储在成本较低的存储上。任何不感兴趣的数据都会从网络存储中删除。
第二个关键好处是,随着人工智能和网络存储解决方案的变化,可能会出现更好的解决方案。将数据存储在分层系统中,可以更好地过渡到新兴的方法和平台。
机器视觉是一种强大且创新的制造业新型解决方案,它的应用正在不断增加,并被被越来越多的工厂采用。这项技术使全自动生产线能够在不需要人工的情况下进行质量保证,消除了培训和人工费用的要求。
但是,这需要智能解决方案和优质设备;如果系统中的任何一部分不能与其余部分协作,就会拖累整个系统。确保您使用的是专为您的项目而制造的机械,有时必须向制造商定制。
北京盈美智代理各种进口工业相机、图像采集卡、图像处理模块、光源、镜头等标准或定制类机器视觉产品,同时可以为客户提供软件开发等定制类软件服务。具体可联系客服了解详情。
PCI Express 高速工业相机xiB-64系列
USB3.0系列工业和生命科学相机
xiQ USB3.0小型工业相机
Atik Apx60
FireBird Camera Link 图像采集卡 1xCLD-2PE4
CXP图像采集卡CLAXON CXP
CoaXPress-12图像采集卡HawkEye-CXP-12
CAMSIM 仿真卡系列
嵌入式 PCI Express总线CameraLink图像采集卡系列
CameraLink光纤适配器PHAST系列
Full CameraLink 光纤延长器/适配器PHOX-FM/FL系列
Camera Link /LVDS、RS-422、HD-SDI接口转换器
Camera Link模拟器
USB3.0自动对焦液态镜头工业相机
USB迷你微型CMOS工业相机
010-82895362
网址:https://www.cnimage.com
邮箱:vision2010@cnimage.com
地址:北京市海淀区上地信息路1号国际科技创业园1—1705