為什麼說機器視覺是實現工業4.0的關鍵?

為什麼說機器視覺是實現工業4.0的關鍵?

文章來源:物聯網智庫

ID:iot101

早在十幾二十年前,隨便走進一家電子廠,人們會看到一排排工人正在進行裝配、貼標或質檢等重複性的勞動作業。這是工業1。0、2。0時代司空見慣的場景。 滄海桑田,如今,在許多現代化工廠,工人變成了流水線旁負責巡檢的“配角”,工業機器人替代了繁重的人工作業,電子資訊科技的廣泛應用讓生產的自動化水平大幅提高,工業界也由此步入了3。0時代。 然而,傳統的工業機器人大多是透過示教再現或者預程式設計來實現各種簡單的操作,這極大地限制了機器人的應用。如果能讓機器像人一樣具有自我意識,可以根據產品的位置、亮度、顏色、表面特徵等資訊進行對應的操作,顯然能進一步解放生產力,完成柔性化的製造,而實現這一切的前提就是為機器人裝上“眼睛”,也就是“機器視覺”。 某種意義上可以說,機器視覺是賦予工業機器人智慧化,並助力整個工業從3。0時代步入4。0時代的關鍵一環,為智慧製造的落地打開了“新視窗”。

“神通廣大”的機器視覺

顧名思義,機器視覺就是用機器代替人眼來做測量和判斷,透過視覺系統對產品影象攝取,同時將被攝取的目標轉換為影象訊號傳送給專用的影象處理系統,得到被攝目標的形態資訊,再將畫素分佈和亮度、顏色等資訊轉變成數字化訊號,影象系統對這些訊號進行各種運算來抽取目標的特徵,進而根據判別結果來控制現場的裝置動作。 和人眼相比,機器視覺具有效率快、精準性高且永不知疲倦等顯著優勢,因而被廣泛應用於工業製造的各個環節,比如上下料過程中使用機器視覺進行定位,引導機械手臂準確抓取;比如在自動化包裝領域進行物品數量的識別和資料的追溯;再比如對一些精密度較高的產品進行分類和瑕疵檢測,這也是機器視覺目前應用最廣泛、取代人工最多的環節。 我們不妨以汽車輪轂分類/分割場景為例:作為輪胎的骨架,輪轂扮演著汽車配件中的重要角色,根據直徑、寬度、成型方式、材料不同種類繁多。

為什麼說機器視覺是實現工業4.0的關鍵?

從製造的維度來看,汽車輪轂大多是鑄件,鑄造完成後要進行精加工,輪轂有上百種類型,不同的型別應選擇不同加工路線、加工機床、刀具等。在自動化生產線上要實現多品種的混流生產,首先要完成的就是輪轂型別的識別。除此之外,輪轂的質量好壞還直接決定了車輛行駛過程中的安全效能,然而其製造成型過程中受工藝引數、冷卻系統等因素的影響,卻極易產生氣孔、縮孔、縮松等內部缺陷。為了保證產品質量,缺陷檢測/分割環節也必不可少。 無論是輪轂分類還是分割,這些任務早期都是由人工方式來完成,流水線週而復始,工人沒有片刻休息時間。在工作強度大、時間長、長期緊張的工作狀態下,工人容易感到疲倦,在作業中也不可避免地受到情緒波動、注意力不集中、疏忽大意等因素的影響,導致分類/分割工作的速度、穩定性和準確性都無法保障。

不斷迭代的機器視覺方案

對症下藥,基於上述痛點,越來越多機構開始探索自動化甚至智慧化的輪轂分類/分割方案。

為什麼說機器視覺是實現工業4.0的關鍵?

自動輪轂檢測場景

先來看輪轂分割場景。X射線無損探傷是目前檢測輪轂內部缺陷的最佳方式,具體而言,初始成型的毛坯輪轂被機電系統送入鉛房後,分割槽域多次成像,能實現整隻輪轂的全部檢測。 為了替代傳統的手動檢測,有的企業採取半自動檢測的方式,即提前在下位機設定好輪轂的執行流程,每個部位的成像過程無需人工干預,檢測人員僅需觀察該部位的X射線影象來決定產品質量;還有企業更進一步,在上位機設定好輪轂缺陷檢測的相關引數,整個過程無需人工干預,全部自動完成,而在全自動的檢測過程中,輪轂缺陷的自動分割演算法起著至關重要的作用。

再來看輪轂分類場景,當前,已經有不少高校提出了基於機器視覺的分類演算法。 東北大學提出了一種基於機器視覺的汽車輪轂識別系統,其根據實驗選擇了五個特徵:輪轂中心是否有孔洞,輪轂邊緣區域的孔數,輪轂半徑,輪轂面積,以及旋轉不變性,利用投票分類器對提取的特徵進行分類。與傳統方法相比能達到較好的效果,缺點是先驗資訊太多,需要人工選擇較明顯的特徵費時費力,且由於提取到的特徵較少,對於結構複雜的輪轂辨識度差,結構相近的輪轂也難以區分。

中北大學提出了一種基於 OpenCV 和 MFC 平臺的輪轂分類技術,與傳統的識別方法相比節省了時間,但由於形態學處理的破壞,泛化程度較低;南京資訊工程大學提出了一種基於統計模型的輪轂分類方法,使用背景去除、形態學處理、區域性二值化和邊緣提取運算元等多種方法進行特徵提取,能進一步提高分類精度,但能夠成功識別分類的輪轂型別較少且檢測方法非常耗時…… 透過上述分析我們可以得知,機器視覺解決方案的部署本身是一項非常複雜的工作,涉及許多專業技術,需要很多專業人才,期間會耗費大量成本且涉及大量試錯,製造商想要依靠自身開發這樣的一套解決方案,可謂難如登天。

讓機器視覺不再遙不可及

如何讓製造商快速掌握機器學習這項“秘密武器”?英特爾與無錫信捷電氣股份有限公司(下稱“信捷”)聯合推出了一套基於深度學習的輪轂分類/分割解決方案,為輪轂檢測行業提供了新的思路。 基於信捷自主研發的新一代機器視覺應用開發平臺X-SIGHT VISION STUDIO Pro,製造商無需編寫程式碼,只用在軟體中拖拽元件,就能完成開發——這相當於把複雜的專業攝像機直接變成了“傻瓜相機”,大大降低了使用者入門的門檻。

為什麼說機器視覺是實現工業4.0的關鍵?

X-SIGHT系列產品

除了具備圖形化介面、提供快速的應用開發環境,幫助使用者快速上手並輕鬆建立典型應用之外,該平臺還提供了強大的影象分析能力,甚至具備自我學習最佳化能力,是一個不斷進化迭代的平臺。得益於此,使用者能以更高的效率開發定製化的大規模專案,從而縮短研發週期和成本。

為什麼說機器視覺是實現工業4.0的關鍵?

X-SIGHT圖形使用者介面 你可能會疑惑,為什麼信捷的平臺能夠將機器學習“化繁為簡”?原來其平臺背後,集成了英特爾® OpenVINO™、oneAPI加速方案。這些軟體就如同“催化劑”一般,為信捷的方案部署和模型加速提供了更高效的工具。

其中,OpenVINO™ 視覺工具套件是一款面向高效能計算機視覺和深度學習應用的快速開發套件,基於最新一代人工神經網路,包括卷積神經網路 (CNN)、迴圈網路和基於注意力的網路,可跨英特爾硬體擴充套件至計算機視覺和非視覺的工作,從而最大限度地提高效能,在邊緣到雲端都能展現高效能 AI 和深度學習推理部屬的加速。這增強了信捷產品的深度學習神經網路推理能力,助力其為客戶提供更優的解決方案。oneAPI 則是一種跨行業、開放、基於標準的統一程式設計庫,可提供跨加速架構的通用開發體驗,幫助信捷提高應用效能、工作效率和創新能力。

機器視覺場景複雜,英特爾為此開發了諸多工具套件,以滿足使用者在各類工業場景下的需求,促進更多的機器視覺應用案例落地,為工業機器視覺的發展提供技術支援。

基於信捷和英特爾的這套聯合解決方案,製造商能夠透過攝像頭採集輪轂影象,傳輸至網路進行識別分類,實現快速、準確、穩定的響應,從而大大降低人力成本,提高生產效率。

結語

以智慧製造為主導的工業革命4。0正影響著各行各業,而工業機器視覺將是驅動未來

工業數字化、智慧化的重要動能,不僅是汽車製造產業鏈在積極引入機器視覺解決方案,更廣泛的工業領域也期望藉助該技術實現數字化升級、柔性製造的變革。

頂部