我们生活在一个高速商业和更高层次的消费者期望的时代。客户会毫不犹豫地退回有划痕的产品或过期的食品。在保持消费者信任至关重要的时代,缺陷可能会损害品牌或零售商的信誉。
公司应对这一挑战的一种方式是越来越依赖企业计算机视觉和机器视觉解决方案。一份报告预测,到2023年,全球计算机视觉市场价值将达到174亿美元,高于2018年的119亿美元。此外,德勤2018年对1100名美国高管的调查发现,其中57%的企业已经采用了机器视觉。
这并不奇怪,因为许多组织已经采用人工智能(AI)和自动化来加速供应链、提高库存和订单准确性并改进质量控制。随着制造商和物流供应商竞相提高吞吐量,新一代机器视觉系统在不影响准确性的情况下简化了快速货物检查,有望在苛刻和劳动力受限的情况下增强执行能力。
救赎机器视觉
计算机视觉增强了人类操作的能力,可以实时查看、理解和响应广泛的刺激。然而,机器视觉是视觉技术在机械过程中的有针对性的应用,使用图像分析来识别特定的预编程特征,将当前图像与预期结果进行比较,然后根据该结果执行功能。
在其最基本的功能中,机器视觉在生产线上发挥作用,利用从数字图像中提取的信息与一组规则进行比较,以确定一个部件或产品是否符合标准。然后,它可以自动从生产线上移除没有通过“是或否”测试的项目。例如,在生产或制造环境中,机器视觉摄像头可用于检测汽水瓶的内容物是否与灌装线相差几毫米,从而影响总体积,或者螺钉是否未正确拧入,可能会降低其生存能力或者产品的完整性。在仓储环境中,这些相同的摄像头可用于检测退回的电子设备上的微小叮当声,这可能表明它在某个时候跌落并可能有内部组件损坏。或者它们可用于确认标签在转移到托盘之前正确放置在箱子上。
考虑到从一个部件或产品到另一个部件或产品可能存在的细微差异,以及制造商和仓库操作员必须注意的小范围缺陷,机器视觉系统被广泛用于生产线上的检查是有道理的。它们捕捉和分析图像的速度比人类自己快得多。随着分辨率的提高(在某些情况下远远超出了人类的视觉光谱)功能强大的机器视觉摄像机可以看到太小甚至人眼看不见的东西。它们还具有更好的图像保留机制,这有助于监控缺陷模式和追求分辨率。
几十年来,机器视觉使用基于规则的检查程序,这些程序需要专业人才,通常超出了一般软件工程师的技能范围。定制和维护这些机器视觉程序需要昂贵的投资和专业程序员的工作。由于这种复杂性,一些工厂经理和工程师已经完全放弃了机器视觉,认为它太昂贵,实施起来太有挑战性,尽管质量控制越来越重要。在许多情况下,只有最大的组织在他们的工业部门中可以很容易地使用机器视觉。
但情况已经发生了变化。在过去的几年里,各种因素的结合使得机器视觉在不同类型的工作流程和公司中更容易获得和使用。机器视觉最初与电子和汽车行业相关,但随着机器视觉的普及,它正在向新的领域扩展,包括监控、医疗和制药、食品和饮料以及机器人,所有这些都需要一定的精度来执行。例如,像许多其他受到严格监管的制药企业一样,制药企业必须执行非常具体的过程控制措施,以确保生产的每一片药品都符合质量和纯度标准。如果药丸或包装的颜色、大小、形状或标记与机器视觉摄像机编程的规格不匹配,可以通知操作人员潜在的不合规问题,并将产品从生产线上移除,以进行进一步的测试和验证。
深度学习的可能性
工业自动化市场正在迅速发展,并日益充满活力。人工智能技术的发展如此之快,以至于三年前定义机器视觉的许多东西已不再适用。得益于深度学习,小型组织无需专业人员就能更容易地建立、部署和运行机器视觉系统。
什么是深度学习?在人工智能内部,有一个算法子集被称为机器学习算法。在这个子集中,有一个被称为深度学习的机器学习算法家族。深度学习包括开发能够像人类一样学习的软件,利用数据和预测分析来理解模式并做出决策。
随着深度学习的成熟,可以更频繁地部署它,预计它将取代更多传统上使用基于规则编程的制造应用程序。如果有足够的例子,计算机可以学会可靠地自己指出可接受和不可接受的部件和从生产线上下来的产品之间的区别。
虽然这代表了易用性的巨大进步,但人工智能技术仍然会犯错。然而,就像人类一样,它会随着年龄的增长而变得更聪明。它学习得越多,它的性能就越准确可靠。但是,要使这些算法发挥作用,就需要增强计算机的处理能力。
由于拥有更大功率的更小芯片,今天的人工智能系统足够小,甚至可以在最有限的空间中运行。这是机器视觉日益普及的另一个关键因素。
实现自动化的未来
运营协调是许多企业的目标,需要实时智能技术、库存和人力的协调,以推动竞争优势。机器视觉的新时代使得员工更容易监督和操作自动化系统,而不需要更高水平的计算机科学教育。
机器视觉现在可以成为制造过程中更多步骤的一部分,增强数据收集以改进跟踪和追溯,加快发货挑选和包装,并通过物联网(IoT)的集成指导员工或机器人技术。高性能扫描仪和摄像头可以改善仓库环境中的人工智能和物联网功能。
虽然机器视觉系统仍然需要先进的摄像技术,但所涉及的设备更容易通过软件进行管理,可以无缝集成到整个工厂运营中。例如,机器视觉利用了与固定工业扫描仪相同的核心成像技术。这种将先进技术融合到单一整体解决方案中的做法为实现工业自动化迈出了一大步。