淺談基于AI的機(jī)器視覺技術(shù)
工業(yè)圖像處理（機(jī)器視覺技術(shù)）幫助生產(chǎn)企業(yè)實(shí)現(xiàn)其過程鏈的網(wǎng)絡(luò)化、自動化和數(shù)字化。這項(xiàng)技術(shù)通過圖像采集設(shè)備（如攝像頭和傳感器）監(jiān)控生產(chǎn)過程，并借助集成的機(jī)器視覺技術(shù)軟件處理圖像數(shù)據(jù)。工業(yè)圖像處理可以應(yīng)用于不同的場合和應(yīng)用領(lǐng)域，例如，在整個過程周期內(nèi)對產(chǎn)品和工件進(jìn)行識別。識別的對象既可以是光學(xué)上可感知的、單純的外部特征，也可以是印上去的字母數(shù)字組合。在識別印上去的字母數(shù)字組合時(shí)，會用到光學(xué)字符識別法 (OCR)。
位置確定
此外，機(jī)器視覺技術(shù)還被用來確定部件和工件的位置，這有助于優(yōu)化整個加工過程。機(jī)器視覺技術(shù)的這一功能還可實(shí)現(xiàn)搬運(yùn)過程的自動化，并提高搬運(yùn)過程的安全性。這是因?yàn)椋摷夹g(shù)例如可以讓機(jī)器人精確知悉特定對象的所處位置，從而相應(yīng)地執(zhí)行機(jī)器人手臂的運(yùn)動。這樣的機(jī)器人操作方法可以在所謂的“無序抓取”(Bin Picking) 應(yīng)用場合派上用場。另外，圖像處理讓人與協(xié)作機(jī)器人 (Cobot) 之間的協(xié)作和交互更加高效和安全。同樣值得一提的是，機(jī)器視覺技術(shù)還可被用于質(zhì)量保障工作，例如查明產(chǎn)品缺陷。
高速條件下的高識別率
與其他識別法相比，機(jī)器視覺技術(shù)具備幾大優(yōu)勢：例如，它可以在確保極高的速度和過程穩(wěn)定性的同時(shí)，實(shí)現(xiàn)恒穩(wěn)的識別率；此外，圖像處理的成本優(yōu)勢往往也深受客戶青睞。因此，集成有圖像處理功能的機(jī)器在全球范圍內(nèi)廣泛應(yīng)用于自動化過程和生產(chǎn)線質(zhì)量控制。從基礎(chǔ)的存在性檢測機(jī)器，到零件檢查和測量設(shè)備，再到在三維空間內(nèi)精確校準(zhǔn)零件的系統(tǒng)，無一不是圖像處理技術(shù)大顯身手的舞臺。由于機(jī)器視覺技術(shù)在裝配線上的應(yīng)用調(diào)整起來較為簡單和靈活，因此可以經(jīng)濟(jì)合理地運(yùn)用于不同的產(chǎn)品線，包括小批量產(chǎn)品線。機(jī)器視覺軟件庫為此提供一系列必需的功能。尤其一些需要在產(chǎn)品表面噴印條碼的廠家，往往會選擇噴碼機(jī)+視覺檢測系統(tǒng)相結(jié)合的方案，高效剔除噴碼不良的產(chǎn)品，解放勞動力。
在汽車制造中的應(yīng)用
汽車制造是工業(yè)圖像處理的又一個應(yīng)用領(lǐng)域。例如，制造商可以借助機(jī)器人與攝像頭之間的精確校準(zhǔn)、2D /3D 對象識別和 3D 空間內(nèi)的位置確定、檢查功能以及追溯功能提高生產(chǎn)過程的自動化程度。
半導(dǎo)體生產(chǎn)中的“天眼”
半導(dǎo)體行業(yè)也越來越多地依賴于這項(xiàng)技術(shù)。半導(dǎo)體繁復(fù)的生產(chǎn)過程由不下于 1000 道過程步驟組成。工業(yè)圖像處理可在例如質(zhì)量控制方面為此提供支持。晶片加工對速度和微米級別的精度提出了嚴(yán)苛的要求。在此使用機(jī)器視覺技術(shù)進(jìn)行對象識別 (Matching) 是特別有利的。
半導(dǎo)體生產(chǎn)中的很多技術(shù)和應(yīng)用都與工業(yè)圖像處理有著千絲萬縷的關(guān)系。畢竟，半導(dǎo)體生產(chǎn)的核心技術(shù)就是各種匹配法。工業(yè)圖像處理能夠在圖像中以高達(dá) 1/20像素的精準(zhǔn)度識別出對象位置，從而實(shí)現(xiàn)高精度對齊。機(jī)器視覺技術(shù)還常見于測量、OCR、文本識別和焊接質(zhì)量檢查等應(yīng)用。
其中檢查任務(wù)包括缺陷識別。缺陷例如有：位置不對、切割長度錯誤和接合時(shí)壓力錯誤。在這里，機(jī)器視覺技術(shù)可用于接觸位置（焊盤）和導(dǎo)線的提取并界定相關(guān)區(qū)域。接下來，系統(tǒng)會分析焊盤和導(dǎo)線區(qū)域的定向和重疊，以確保正確的接合。
深度學(xué)習(xí)帶來的全新機(jī)遇
過程鏈網(wǎng)絡(luò)化所面臨的一系列挑戰(zhàn)持續(xù)不斷地推動著機(jī)器視覺系統(tǒng)的進(jìn)一步發(fā)展。這其中就包括了人工智能 ( AI ) 的整合，特別是基于神經(jīng)網(wǎng)絡(luò)（卷積神經(jīng)網(wǎng)絡(luò)，C N N）的深度學(xué)習(xí)。借助深度學(xué)習(xí)，不僅可以將傳統(tǒng)的基于規(guī)則的工業(yè)圖像處理方法提升到一個新的水平，甚至還可以開辟出全新的機(jī)器視覺應(yīng)用。例如在農(nóng)業(yè)領(lǐng)域，深度學(xué)習(xí)能實(shí)現(xiàn)對農(nóng)作物的質(zhì)量檢驗(yàn)。通過對象識別，無論農(nóng)作物具有如何復(fù)雜和多樣化的形態(tài)，都能夠被可靠地識別出來。在此基礎(chǔ)上，可以得出新的耕作措施。
提高生產(chǎn)率
在不同的應(yīng)用場合和行業(yè)，機(jī)器視覺技術(shù)有助于實(shí)現(xiàn)價(jià)值創(chuàng)造鏈的自動化，進(jìn)而提高生產(chǎn)率。這項(xiàng)技術(shù)尤其讓質(zhì)量保障工作受益匪淺，因?yàn)樗軌驅(qū)a(chǎn)品質(zhì)量始終維持在高水平。
來源：控制工程中文版2022年8月刊《機(jī)器視覺專刊》欄目
本文僅作技術(shù)信息交流，如有侵權(quán)，請聯(lián)系刪除。
掃一掃關(guān)注我們了解更多資訊
