淺談基于AI的機器視覺技術
工業圖像處理（機器視覺技術）幫助生產企業實現其過程鏈的網絡化、自動化和數字化。這項技術通過圖像采集設備（如攝像頭和傳感器）監控生產過程，并借助集成的機器視覺技術軟件處理圖像數據。工業圖像處理可以應用于不同的場合和應用領域，例如，在整個過程周期內對產品和工件進行識別。識別的對象既可以是光學上可感知的、單純的外部特征，也可以是印上去的字母數字組合。在識別印上去的字母數字組合時，會用到光學字符識別法 (OCR)。
位置確定
此外，機器視覺技術還被用來確定部件和工件的位置，這有助于優化整個加工過程。機器視覺技術的這一功能還可實現搬運過程的自動化，并提高搬運過程的安全性。這是因為，該技術例如可以讓機器人精確知悉特定對象的所處位置，從而相應地執行機器人手臂的運動。這樣的機器人操作方法可以在所謂的“無序抓取”(Bin Picking) 應用場合派上用場。另外，圖像處理讓人與協作機器人 (Cobot) 之間的協作和交互更加高效和安全。同樣值得一提的是，機器視覺技術還可被用于質量保障工作，例如查明產品缺陷。
高速條件下的高識別率
與其他識別法相比，機器視覺技術具備幾大優勢：例如，它可以在確保極高的速度和過程穩定性的同時，實現恒穩的識別率；此外，圖像處理的成本優勢往往也深受客戶青睞。因此，集成有圖像處理功能的機器在全球范圍內廣泛應用于自動化過程和生產線質量控制。從基礎的存在性檢測機器，到零件檢查和測量設備，再到在三維空間內精確校準零件的系統，無一不是圖像處理技術大顯身手的舞臺。由于機器視覺技術在裝配線上的應用調整起來較為簡單和靈活，因此可以經濟合理地運用于不同的產品線，包括小批量產品線。機器視覺軟件庫為此提供一系列必需的功能。尤其一些需要在產品表面噴印條碼的廠家，往往會選擇噴碼機+視覺檢測系統相結合的方案，高效剔除噴碼不良的產品，解放勞動力。
在汽車制造中的應用
汽車制造是工業圖像處理的又一個應用領域。例如，制造商可以借助機器人與攝像頭之間的精確校準、2D /3D 對象識別和 3D 空間內的位置確定、檢查功能以及追溯功能提高生產過程的自動化程度。
半導體生產中的“天眼”
半導體行業也越來越多地依賴于這項技術。半導體繁復的生產過程由不下于 1000 道過程步驟組成。工業圖像處理可在例如質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苛的要求。在此使用機器視覺技術進行對象識別 (Matching) 是特別有利的。
半導體生產中的很多技術和應用都與工業圖像處理有著千絲萬縷的關系。畢竟，半導體生產的核心技術就是各種匹配法。工業圖像處理能夠在圖像中以高達 1/20像素的精準度識別出對象位置，從而實現高精度對齊。機器視覺技術還常見于測量、OCR、文本識別和焊接質量檢查等應用。
其中檢查任務包括缺陷識別。缺陷例如有：位置不對、切割長度錯誤和接合時壓力錯誤。在這里，機器視覺技術可用于接觸位置（焊盤）和導線的提取并界定相關區域。接下來，系統會分析焊盤和導線區域的定向和重疊，以確保正確的接合。
深度學習帶來的全新機遇
過程鏈網絡化所面臨的一系列挑戰持續不斷地推動著機器視覺系統的進一步發展。這其中就包括了人工智能 ( AI ) 的整合，特別是基于神經網絡（卷積神經網絡，C N N）的深度學習。借助深度學習，不僅可以將傳統的基于規則的工業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器視覺應用。例如在農業領域，深度學習能實現對農作物的質量檢驗。通過對象識別，無論農作物具有如何復雜和多樣化的形態，都能夠被可靠地識別出來。在此基礎上，可以得出新的耕作措施。
提高生產率
在不同的應用場合和行業，機器視覺技術有助于實現價值創造鏈的自動化，進而提高生產率。這項技術尤其讓質量保障工作受益匪淺，因為它能夠將產品質量始終維持在高水平。
來源：控制工程中文版2022年8月刊《機器視覺專刊》欄目
本文僅作技術信息交流，如有侵權，請聯系刪除。
掃一掃關注我們了解更多資訊
