账号:
密码:
CTIMES / 文章 /   
结合AI管理 机器视觉应用领域持续扩增
提升速度与准确性

【作者: 王岫晨】2021年10月06日 星期三

浏览人次:【2412】
  

许多工厂都希??借助机器视觉技术来提升营运效率。


机器视觉结合机器学习,更适合应用於产线的异常检测。


管理者透过机器视觉,来提升瑕疵检测的速度和准确性。


机器视觉是指透过镜头和感测器来捕捉影像,接着将它们发送到工业计算机来进行处理和分析。其应用范围可以从简单的环境感知应用程序,例如工厂生产线的定位、检查、测量、识别和分类,到更智能化的视觉引导自动化应用程序。广泛应用於自动检测系统和机器人的人工智能机器视觉,也适用於安防监控和车辆导航领域。


机器视觉应用扩大

机器视觉是一种透过影像处理的方式,来实现自动检测和分析的技术,整个技术含量包括了自动检测、过程控制和机器人引导等。重要的是,机器视觉可以指向许多不同的技术、软体和硬体产品、系统整合、动作、方法和专业知识。


我们可以说,机器视觉是一种技术能力,因为它以新的方式来结合现有技术,并应用它来解决现实世界的问题。我们也可以说,机器视觉是一门系统工程,并且这与电脑视觉的概念并不相同,电脑视觉是一种运算科学,而不是透过有形的硬体(例如连接到机器人的相机或视觉盒)来完成。



图1 :  许多工厂都希??借助机器视觉技术来提升营运效率。机器视觉结合机器学习,更适合应用於产线的异常检测。(source:xyntekinc.com)
图1 : 许多工厂都希??借助机器视觉技术来提升营运效率。机器视觉结合机器学习,更适合应用於产线的异常检测。(source:xyntekinc.com)

在机器视觉系统中,电脑为整体提供了智能。少了电脑的智能,机器视觉就无法运作,因为电脑是处理讯息的大脑。需要注意的是,随着电脑运算技术的进步,机器视觉潜在应用的可能性也随之增加。例如电脑可以处理非照片或视讯的影像,而是来自热感应器或红外线感应器、运动感测器等其他来源的影像。


近年来,机器视觉在工业自动化环境中越来越受欢迎,同时也越来越频繁地应用於其他产业的端到端系统中,例如安全、自动驾驶汽车、食品生产、包装和物流等,同时也被大量运用於机器人和无人机中。机器视觉还可以进一步与深度学习和机器学习等技术相互结合,以协助企业更有效率地分析数据,并优化流程以提高效率。


结合人工智能

目前许多企业每天都会在地端产生大量资料,并将其储存在云端,同时思考如何变革所有的流程。为了更好地挖掘资料潜力,推动更快、更明智的决策,制造业、能源、采矿业、运输业和农业领域的企业正利用新型机器技术来优化多种工作负载,包括工程和设计、生产和资产优化、供应链管理、预测、品质控管、智慧产品和机器等。虽然机器视觉本身就已经具备基础的数据分析能力。但若能再加入AI或者机器学习的能量,将有助於进一步让数据成为更有价值的营运决策。


先来看看企业如何透过AI机器学习来变革工业生产的流程。AWS亚马逊机器学习??总裁Swami Sivasubramanian指出,对设备的预测性维护就是最大的应用重心。目前,持续性的维护设备,是很多工业和制造企业面临的一大挑战。就过去的经验来看,大多数的设备维护可以分为被动型(也就是在机器发生故障後才进行维修),以及预防型(透过定期的检测以预先避免故障)。只不过这两者的成本都非常高昂,且效率也不高。其实最隹的解决方案是预测型维护,企业可以提前预测设备需要维护的时间,只不过大部分企业都缺乏相关人员和专业知识来开发这样的解决方案。


奇异(GE)是在发电设备的解决方案与服务供应商,他们已经可以实现对设备的预测型维护。然而他们并不需要花费高额的成本,本身也无需具备机器学习或云端相关的技术,只需借助使用感测器和机器学习技术的端到端系统,来检测机器振动或温度的异常波动,从而收到警报,就可以进行预测型维护。


透过这样的技术,可以支援奇异这样的企业,利用感测器来实现资讯的快速更新。透过采用云端即时分析,可以将定期的维护操作转变为预测性和规范性维护。机器学习最大的优点在於,随着系统规模的不断扩大,奇异可以对感测器进行远端更新和维护,而无需实际接触这些元件。


提升营运效率

机器视觉结合机器学习,当然也很适合应用於工厂产线的异常检测上。事实上,保证产品品质与确保设备正常运转同等重要。然而传统生产制程的目视检查通常透过需要人力来执行,不仅过程乏味,更不能确保其一致性。为了提升品质控管,工厂管理者都希??采用机器视觉技术,来提升瑕疵检测的速度和准确性。但企业在建构、部署和管理使用机器学习技术的视觉检测系统时,仍会面临很多复杂挑战。而现在,工厂已经可以使用低成本与高准确度的异常检测解决方案,每小时处理数千张图像,进而发现瑕疵和异常,以便管理人员采取进一步的行动。


当然许多工厂和制造企业都希??借助机器视觉技术来提升营运效率。在一般的情况下,企业会透过视讯来对工厂进行现场的人工监测和审核,以验证设施进出权限、检查出货、检测泄漏或其他危险情况等。但在实际情况中,这项工作不仅困难,还非常容易出错,并且成本高昂。



图2 : 机器视觉大量应用於产线的自动检测和分析。(source:matrox.com)
图2 : 机器视觉大量应用於产线的自动检测和分析。(source:matrox.com)

当然,企业可以将现有的IP摄影机升级为智慧摄影机,以便拥有更好的运算能力来执行电脑视觉模型。但这依然价格高昂,而且也会存在问题,即使采用了智慧型摄影机,也未必可以达到高准确度和低延迟要求。事实上,企业可以透过使用硬体设备将机器视觉技术应用到现有的本地摄影机中,甚至可以使用软体开发套件来建置新的摄影机,从而在边缘端就能执行机器视觉模型,以取得更高的生产效率。


例如英国石油公司(BP)就计画在全球18,000个服务站部署机器视觉系统,用於自动控制燃料车进出设施,并确认有效订单的完成情况。而如果有碰撞危险,也可以透过机器视觉来提醒工人,并识别动态隔离区内的异物,以及检测漏油情况。


结语

终端使用者都希??能创建更加自动化与灵活的工作流程。而机器视觉其实就是一种最基本的人工智能形式,在现今的机器人应用中异军突起。我们可以发现到,机器视觉领域有其成熟的一面,也有新兴的一面。例如,机器人的机器视觉采用的是按部就班的演算规则,例如模式匹配、光学识别和其他工具,在几十年来的发展中,这些演算法一直推进着机器人来完成工厂中基本(却又相对复杂)的快速取放和检查等不同任务。而另一方面,机器视觉又搭配了最新的机器学习和深度学习技术,这些技术使得工厂能够完成比过去更为艰困的任务,举例来说,像是木纹的异常检测。


值得注意的是,成熟的、有基础规则的机器视觉方案,是最受到欢迎的。在几??所有使用机器视觉的设备中,都可以发现它的踪迹。因为这样的机器视觉方案最易於使用,且可靠度最高。相较之下,具备机器学习和深度学习能力的机器视觉机器人,对工厂来说则是新鲜事。


相关文章
子弹壳自动检测节省人力且降低错误率
机器视觉跟随产业转型
机器视觉开天眼
使用深度学习网路估算氮氧化物排放
机器视觉系统精准辨识 自助取药机运作更顺畅
comments powered by Disqus
相关讨论
  相关新闻
» 投注地方社会叁与 宏正获新北市颁发绩优企业志工团队奖
» 施耐德电机与中国生产力中心合力推动台湾成为亚洲高阶制造中心
» The Imaging Source Asia 兆镁新迁移新址事项
» 5D智慧城市防救灾平台虚实整合 震前防减灾+震後紧急应变
» 台电电力交易平台今正式营运 供电运转商机上看百亿
  相关产品
» 德承推出新款高效低功耗强固型工业电脑━DI-1100系列
» 宇瞻发表新世代112层BiCS5 3D TLC工业用记忆卡
» 艾讯新款1.8寸无风扇嵌入式主机板强化AIoT应用领域
» 凌华推出基於NVIDIA Jetson AGX Xavier之轨道交通专用AI平台
» Basler ace 2再添Gpixel CMOS感光元件

AD


刊登廣告 新聞信箱 读者信箱 著作權聲明 隱私權聲明 本站介紹

Copyright ©1999-2021 远播信息股份有限公司版权所有 Powered by O3
地址:台北市中山北路三段29号11楼 / 电话 (02)2585-5526 / E-Mail: webmaster@ctimes.com.tw