工业机器视觉应用-郑州睿如信息技术有限公司

	2021年荣获科技型企业称号	咨询热线：
	致力于推动人工智能在各行业细分领域的普及和应用	18103867856

< >

工业机器视觉应用

随着嵌入式芯片和软件在机器视觉系统中的不断进步，该技术的潜在应用范围正在不断扩大。尽管 IoT Analytics （市场洞察和商业智能提供商）列举的一些应用不一定是“新”的，但将先进技术融入机器视觉正在改变这些机器任务的处理方式，使其变得更好。

探伤

尽管长期以来，机器视觉系统一直被用来比人工检查员更可靠、更快速地检测缺陷，但人工智能 (AI) 添加到视觉系统中，大大提高了速度和准确性。正如 IoT Analytics 所指出的，“非人工智能机器视觉需要一个包含所有可能缺陷图像的数据库，以便系统成功识别缺陷。”然而，基于人工智能的视觉系统可以“辨别出某些东西‘不对劲’，而不需要针对该缺陷的特定图像。”

IoT Analytics 提供了一个示例，说明了其工作原理，并引用了富士通在日本长野的电子制造厂中对人工智能机器视觉的使用。富士通表示，通过训练人工智能生成正常图像，将检查印刷电路板所需的时间减少了 25%，这些正常图像是通过修复数千张形状、大小和颜色有缺陷的模拟图像中的异常区域而生成的。为此，富士通从没有缺陷的图像开始。然后，将模拟缺陷添加到这些图像中。

然后训练人工智能消除缺陷，将图像恢复到原始状态。据 IoT Analytics 称，准确度“通过比较初始图像和恢复后的图像来衡量。这样，当人工智能对某种类型的异常不太准确时……它有助于准确定位和改进人工智能的弱点。”

污染物或缺失组件识别

使用人工智能驱动的机器视觉技术进行质量检测并不局限于识别好坏部件。它还可用于检测食品污染物。IoT Analytics 表示，人工智能可以检测加工食品中的变色、异物和其他此类异常情况。

冷冻食品公司 Apetito 正在部署这项技术，作为 20 多条生产线的自动化定性评估系统的一部分。Apetito 正在利用这项技术确保其加工食品部门能够成功检测出原材料中的所有污染物。

Apetito 与人工智能技术供应商 Neurala 合作，打造了 30 个人工智能“大脑”，用于检测其食品托盘中使用的各种食品成分。例如，开发了一个“大脑”来识别缺失的约克郡布丁成分。据 Apetito 称，它在测试结束时实现了百分百的准确率，确保可以准确无误地检测到缺失的成分。

机器人优化

虽然质量检测应用几年来一直是人工智能机器视觉领域的应用，但另一个应用涉及使用该技术帮助机器人更精确地执行更复杂的任务。

IoT Analytics 引用了弗劳恩霍夫机电一体化设计工程研究所的一项测试，该测试使用三菱电机机械臂、光学激光扫描仪和配备 AI 软件的控制器来开发 AI 驱动的研磨系统。这项名为 RoboGrinder 的技术可自动研磨复杂的橡胶类材料。RoboGrinder 专为德国包装机制造商 Düspohl 设计，用于研磨 Düspohl 滚筒机构所用的材料。弗劳恩霍夫研究所表示：“[包装机]滚筒的材料非常有弹性，研磨后会反弹，[因此]很难建模并集成到控制技术方法中。”使用 RoboGrinder 帮助 Düspohl 减少了 40% 的橡胶研磨过程。

托盘尺寸测量

使用 3D 飞行时间摄像头技术，视觉系统现在可以测量装载托盘的尺寸，以消除手动测量步骤，并避免因尺寸重量不准确而导致承运人产生意外费用。

葡萄牙产品包装公司 DS Smith 与机器视觉公司 Neadvance 和传感器供应商 Sick 合作开发了托盘尺寸测量系统。据 IoT Analytics 称，生产传送带末端安装了一个摄像头，用于在移动所有托盘之前捕捉它们的 3D 快照。这些快照提供了确定托盘尺寸和体积负载所需的数据。

该系统的一个显著优势是，DS Smith 的生产流程无需改变，因为 Neadvance Edge 软件可以捕获生产产品的尺寸，并计算体积。Visionary-T Mini 2D 图像数据随后可用于后续质量监控和可靠性检查（以防出现错误或进行流程分析）。

“借助 3D 快照相机技术，Visionary-T Mini 能够创建场景的三维图像，而无需设备中的任何移动部件或传感器本身的移动”，Sick 3D Compact Systems 业务部负责人 Anatoly Sherman 说道。“每个像素的距离数据以高重复率快速计算，这意味着可以防止出现模糊效果和运动模糊。”