機器學(xué)習(xí)有很多應(yīng)用，無論是處理社交媒體流量還是嘗試根據(jù)過去的購買情況展示可操作的洞察或消費者定位。 本文針對那些對人工智能相關(guān)內(nèi)容感興趣讀者，我們列舉了機器視覺在制造業(yè)中應(yīng)用的10個案例：

預(yù)測性維護

依賴于物理組件來制造產(chǎn)品或幫助提供服務(wù)的企業(yè)通常需要對機器或設(shè)備進行維護，或者在最壞的情況下，機器可能會損壞或組件可能會出現(xiàn)故障，導(dǎo)致停產(chǎn)或產(chǎn)品停滯不前。

預(yù)測性維護是指使用機器學(xué)習(xí)和物聯(lián)網(wǎng)設(shè)備監(jiān)控機器和組件（通常使用傳感器）收集數(shù)據(jù)點并識別信號或在資產(chǎn)或組件發(fā)生故障之前采取糾正措施的過程。

試想一下，一家汽車廠僅一分鐘的停工時間，就能讓高利潤汽車付出高達(dá)2萬美元的代價。利用機器視覺技術(shù)可以幫助企業(yè)保持領(lǐng)先地位，例如，由FANUC開發(fā)的名為ZDT（零停機時間）的軟件程序，從安裝在機器人上的相機收集圖像，然后將這些圖像和伴隨的數(shù)據(jù)發(fā)送到云進行處理并進行識別，及時發(fā)現(xiàn)可能出現(xiàn)的潛在問題。

在為期18個月的試點期間，該解決方案被部署到38個汽車工廠的7,000個機器人中，共6個部分，檢測并防止了72個組件故障！

包裝檢驗

對于制藥公司來說，在將藥片或膠囊放入容器之前對其進行計數(shù)是至關(guān)重要。為了解決這個問題，總部位于英國的Pharma Packaging Systems公司開發(fā)了一種解決方案，可以部署到現(xiàn)有的生產(chǎn)線上，甚至可以作為獨立單元運行。

該解決方案的一個關(guān)鍵特征是使用計算機視覺來檢查破碎或部分形成的藥品。當(dāng)藥品通過生產(chǎn)線時，通過相機拍攝圖像并將其傳輸?shù)綄Ｓ肞C，使用軟件處理圖像運行進一步分析以檢查藥品的顏色、長度、寬度和整體是否正確。

基于PC的視覺檢測系統(tǒng)也可以用來執(zhí)行計數(shù)功能，如果藥品被認(rèn)為是有缺陷的，則記錄該信息，然后向計數(shù)功能發(fā)送信號，并且當(dāng)容器瓶到達(dá)在生產(chǎn)線末端時，具有缺陷片劑的容器將被剔除，從而消除了有缺陷的藥片可能性。

閱讀條形碼

每天閱讀、識別和處理成百上千個條形碼并非易事，人工根本無法大規(guī)模完成。

例如，手機和移動設(shè)備需要越來越小的印刷電路板（或PCB）。 由于制造商被迫為不斷增長的技術(shù)市場生產(chǎn)更多的PCB，他們正在尋求一種稱為“拼板”的制作工藝。 在這個過程中，許多相同的電路板被印刷到一個大的面板上，然后每個電路被機器分開進行最終測試，以便檢查這些電路板，由于條形碼是PCN板上存在的每個電路的唯一標(biāo)識符，為了便于檢查這些板，開發(fā)了一個基于機器視覺的解決方案，稱為PanelScan，用于讀取PCN板上的條形碼。

在以前，可以通過使用手持條形碼掃描器來完成這項任務(wù)，然而非常耗時，而且容易出現(xiàn)人為錯誤。 通過實施基于機器視覺的解決方案，PCB制造商可以節(jié)省大量的業(yè)務(wù)成本。

產(chǎn)品和組件裝配

高性能的制造工廠需要確保從生產(chǎn)線上下線的產(chǎn)品和組件符合質(zhì)量、安全和生產(chǎn)準(zhǔn)則。 正是考慮到這一點，Acquire Automation開發(fā)了一套解決方案，幫助企業(yè)確保其產(chǎn)品和組件裝配標(biāo)準(zhǔn)得到執(zhí)行。

例如，他們利用機器視覺技術(shù)解決方案，允許制造商在360度全視圖中檢查瓶子，以確保產(chǎn)品放置在正確的包裝中，并且還能夠檢查包裝產(chǎn)品的其他關(guān)鍵屬性，例如：

蓋帽/密封

位置

標(biāo)簽

打印質(zhì)量等等！

所有這些都有助于提高生產(chǎn)線的生產(chǎn)能力，同時減少產(chǎn)品召回的數(shù)量，提高生產(chǎn)率，并最終使消費者滿意!！

減少缺陷

可以理解的是，如果您經(jīng)營生產(chǎn)線，您需要生產(chǎn)無缺陷的組件或產(chǎn)品！機器視覺是一種可以幫助企業(yè)實現(xiàn)這一目標(biāo)的技術(shù)。

也就是說，機器視覺檢測系統(tǒng)可以實現(xiàn)完全的在線表面缺陷檢查，傳統(tǒng)產(chǎn)品缺陷檢查需要人工操作完成，而基于視覺的解決方案則不需要操作人員。

一家名為SeeToo Vision的公司擁有一個名為WebSeeToo的表面檢測系統(tǒng)，可識別缺陷并存儲與缺陷相關(guān)圖像和參數(shù)。當(dāng)物品進入生產(chǎn)線時，缺陷會根據(jù)其類型進行分類，并對缺陷進行等級劃分。

這樣做允許制造商區(qū)分不同類型的缺陷，也可以確定出現(xiàn)什么樣的缺陷需要停機。

3D視覺檢查

機器視覺可以在汽車行業(yè)發(fā)揮重要作用。一份報告顯示，到2022年整體機器視覺市場價值可達(dá)144.3億美元！

機器視覺檢測系統(tǒng)正在生產(chǎn)線上用于完成人類有時可能難以完成的任務(wù)。在此用例中，系統(tǒng)使用高分辨率圖像來建立組件及其連接器引腳的完整三維模型。

當(dāng)組件通過制造工廠時，機器視覺系統(tǒng)對來自不同角度的圖像進行多次掃描以產(chǎn)生3d模型，當(dāng)這些圖像組合在一起時，系統(tǒng)可以識別電路上的連接器插腳是否有問題，而這些問題可能會在隨后的生產(chǎn)線上造成災(zāi)難性的影響。

3d視覺檢測有許多應(yīng)用，但是該技術(shù)的最常見用例之一是在汽車生產(chǎn)中。

如今，很多汽車故障都是由電氣故障造成的，因此，能夠?qū)�連接器插腳進行3d掃描，可以幫助汽車制造商節(jié)省成本，降低出現(xiàn)電氣部件故障的幾率，并有助于提高司機的安全。

改善安全

機器視覺的應(yīng)用不僅僅局限于生產(chǎn)線上。例如，總部位于英國的采礦和建筑設(shè)備領(lǐng)先制造商小松公司(Komatsu Ltd)最近宣布，計劃與英偉達(dá)(NVIDIA)合作，整合英偉達(dá)的“云到邊緣”(cloud to edge)技術(shù)。而這一主要目的是為了提高現(xiàn)場管理服務(wù)、安全和效率。

該合作伙伴將英偉達(dá)Jetson AI平臺集成到經(jīng)常用于鉆井、挖掘和采礦的機械中。實時攝像頭和視頻分析的結(jié)合使得設(shè)備運行效率更高，安全性更高。

這一想法還將應(yīng)用基于深度學(xué)習(xí)的人工智能來跟蹤人和預(yù)測設(shè)備的運動，從而幫助避免危險的交互，從而提高安全性。

在美國，與汽車和機械相關(guān)的建筑工地每年都有多達(dá)1萬人受傷，這樣的解決方案將受到企業(yè)的歡迎。

跟蹤和追蹤

制藥公司自然遵守嚴(yán)格的規(guī)則和法規(guī)，以確保他們的產(chǎn)品可以從生產(chǎn)線跟蹤和追溯到最終患者。

為了實現(xiàn)這一點，紙箱可以打印細(xì)節(jié)，包括但不限于序列號、保質(zhì)期、生產(chǎn)日期。一個全球唯一標(biāo)識符，有時稱為GTIN(全球貿(mào)易項目號)，通常用于允許在全球范圍內(nèi)跟蹤包。

制造系統(tǒng)可以在主數(shù)據(jù)庫中自動生成這些標(biāo)識符，然后在生產(chǎn)過程中使用它們并噴射到容器上，通過機器視覺可以對對噴涂到紙箱上的信息進行驗證。

德國公司ISW開發(fā)的一種解決方案案，其中包括可以從標(biāo)簽讀取數(shù)據(jù)的高科技相機，以及執(zhí)行光學(xué)字符識別（OCR）以讀取打印文本。

讀取打印文本后，系統(tǒng)可以檢查主數(shù)據(jù)庫并驗證系統(tǒng)打印標(biāo)簽是否與主數(shù)據(jù)庫中存儲的數(shù)據(jù)匹配。如果任何打印的代碼不可讀或與master數(shù)據(jù)庫中的現(xiàn)有代碼不匹配，則可以拒絕包裝或裝箱。

文本閱讀和手寫分析

光學(xué)字符識別并不是什么新事物，它在計算領(lǐng)域已經(jīng)存在了很長一段時間。也就是說，讓計算機從包含圖像的筆記、字母等中檢測和提取手寫文本是完全不同的事情。

你是否曾經(jīng)參加過一個會議，用智能手機拍下了演講者的幻燈片嗎?或者你們每個人都在白板上畫出了制造流程?

微軟在其認(rèn)知服務(wù)棧中發(fā)布了一種技術(shù)，稱為計算機視覺API，有了它，您可以向端點提供圖像，API將檢測到可讀文本的存在，并將其轉(zhuǎn)換為文本流!你可以在下面的截圖中看到一個例子:

能夠?qū)�機器指向包含文本的圖像，而不是手工輸入，可以極大地提高生產(chǎn)率。

LANDING.AI

LANDING.AI是一家總部位于硅谷的公司，由人工智能大師Andrew Ng博士創(chuàng)立。吳博士在landing.ai的部分工作涉及開發(fā)機器視覺工具，以發(fā)現(xiàn)產(chǎn)品中無法用人類視覺識別的微觀缺陷。他研究一種機器學(xué)習(xí)算法可以在相對較少的圖像上進行訓(xùn)練，并產(chǎn)生非常好的效果。

該技術(shù)有許多不同的用例，但主要針對制造業(yè)的解決挑戰(zhàn)，包括但不限于:

檢查

控制和自動化

校準(zhǔn)和調(diào)優(yōu)

自動識別問題

這家初創(chuàng)公司不僅滿足于解決這些制造挑戰(zhàn)，還意識到人工智能技術(shù)有可能顛覆制造業(yè)，有鑒于此，這家初創(chuàng)公司還在研究如何對離職員工進行再培訓(xùn)。

總結(jié)

在這篇文章中，我們列舉10個機器視覺在制造中的應(yīng)用案例，涵蓋了從紡織品到制藥的所有領(lǐng)域，并觸及了人工智能和深度學(xué)習(xí)是如何以圖像識別的形式對機器視覺空間產(chǎn)生影響的。我們希望通過閱讀本文，您對機器視覺如何應(yīng)用于制造業(yè)有了更多的見解。

來源：巨靈鳥 歡迎分享本文