制造业中的计算机视觉:机会和采用技巧

人工智能、机器学习(ML)和深度神经网络的最新进展有助于解决这些问题,使制造企业能够通过自我改进的算法增强其计算机视觉系统,这些算法可以识别重复出现的视觉模式,并将其与某些项目联系起来。

QQ截图20211119092508.png

本文来自物联之家网。

从制表师的单片眼镜,到用于促进绘画的所谓“露西达相机”,工匠们对借助光学技术提高感官技能、制作商品或艺术品并不陌生。然而,随着工业革命和从手工工艺到机器驱动的大规模生产的必然转变,我们创造事物的方式完全改变了。结果,所有以前那些旨在增强人类视觉的光学设备都被新的高科技工具所取代,这些工具可以提供某种视觉感知。而这就是计算机视觉发挥作用的地方。

什么是制造业中的计算机视觉?

制造业中的计算机视觉专注于创建可以捕获、处理并因此理解来自物理世界(主要是工厂和其他工业场所)视觉输入的人工系统,以引发适当的反应并协助人类完成各种与生产相关的任务。

无论是在制造业还是在其他领域,计算机视觉最原始的化身都可以识别特定对象,并根据基于规则的原则触发警报提醒,即通过识别捕获到的图像中的某些特征,并验证它们是否与给定参数相匹配。然而,这种方法容易产生大量误报,并且在处理非结构化数据源(如图片或视频)时通常效率不高(出现细微差别和变化时)。

人工智能、机器学习(ML)和深度神经网络的最新进展有助于解决这些问题,使制造企业能够通过自我改进的算法增强其计算机视觉系统,这些算法可以识别重复出现的视觉模式,并将其与某些项目联系起来。实际上,机器学习驱动的计算机视觉解决方案可以通过数百万张图像进行训练,以自主发现每个对象的典型特征,学会识别它们,甚至随着时间推移对其性能进行微调。

这导致了更高的精度、更好的上下文理解、更好的灵活性以及对新视觉元素的响应能力,而无需事先编程。

如今,制造业中的计算机视觉通常用于:

●用于自动化产品装配上的引导机器人

●执行质量控制和检验任务

●优化仓库管理和供应链

●检测工业机械运行中的异常情况

●监督工作流程以确保员工安全

在深入探讨这些用例之前,让我们了解一下投资计算机视觉服务的好处,以及一些潜在的采用障碍和克服这些障碍的最佳实践。

计算机视觉在制造业中的好处

在过去两年里,新冠肺炎疫情导致的运营和物流中断,给制造业带来了巨大的压力。

寻求获得新发展动力,并使该行业在高度不稳定情况下更具弹性的需求一直是制造业数字化转型的巨大催化剂,即实施新的尖端技术,并由此向工业4.0过渡。计算机视觉在工业流程中的日益普及无疑代表了这一转变的主要方面之一,因为它在以下方面极大地促进了制造业的发展:

提高生产力:根据德勤和MAPI的2019年智能工厂报告,部署以计算机视觉为动力的机器人和其他24/7运行的自动化系统加快了制造周期,使劳动生产力提高了12%,总产量提高了10%。

成本优化:生产力的提高,再加上通过自动化和基于计算机视觉的维护,减少了机器停机时间(根据麦肯锡的估计高达50%),也转化为运营成本的总体降低。

提高质量:正如麦肯锡所指出的那样,计算机视觉驱动的机器人以外科手术般的精度运行,确保了更好的产品质量,并总体降低了10-20%的QA运营成本。

劳动力安全:制造业中的计算机视觉还可以用来识别可能危及工厂人员安全的故障,并监测工人的状况,检测疲劳或不适迹象。

计算机视觉市场洞察

大多数行业的分析报告似乎都证实了计算机视觉对制造业的积极影响。根据Grand View Research的2021年计算机视觉市场规模、份额和趋势分析报告,由于该技术在装配线自动化和预测性维护方面的广泛应用,制造部门在2020年引领了全球计算机视觉市场。

此外,根据IBM的2021年数字化转型评估报告,计算机视觉是帮助制造商实现其业务目标的主要技术之一(77%的受访公司)。另一方面,IBM的研究还揭示了在制造领域采用新技术的一些最常见的障碍。

采用障碍和最佳实践

让我们更好地界定上述问题并定义一些可能有助于解决制造场景中计算机视觉部署挑战的通用指南:

●技术生态系统:人工智能驱动的计算机视觉需要数据和底层技术基础设施来收集数据,因为通常为标准流程监测而收集的数据集可能不适合机器学习算法,最终会适得其反。升级制造厂的网络和系统需要适当的投资和专业知识。

●投资支持:谈到投资,高层管理人员和利益相关方可能不愿意将大部分预算用于计算机视觉和相关技术。一个可行的解决方案是制定一个渐进的实施计划,以确保小的、短期的成果。这些成就应该有助于让投资者和管理层相信数字化的潜在优势。

●员工培训:其他要说服的人是员工,因为任何促进自动化的技术都会对他们的职业生涯产生重要影响。在这方面,考虑通过有针对性的培训计划来提高员工的技能,以更好地与计算机视觉工具进行交互,并聘请具有扎实技术专长的新专业人士与他们并肩工作。

●流程协调:新技术可能无法与现有业务流程完美匹配。我们的建议是,再次逐步实施计算机视觉,以适当调整制造工作流程,让员工熟悉这些技术。另一个主要内容是建立卓越中心,监督这些解决方案的采用。

●用例确定:许多组织甚至没有克服第一个障碍,即选择一个合适的用例。这里的规则是遵循金钱至上原则,即选择可以从计算机视觉中受益最多的应用领域,例如,选择那些充满瓶颈的流程,无论是质量检查还是产品跟踪。

制造业中的4个计算机视觉用例

下面简要介绍这项技术在制造领域的关键应用和成功实例。

1、视觉引导机器人系统

对于21世纪的人类来说,工业机器人是理所当然的。如今,计算机视觉引导机器人是任何装配线的基石。事实上,它们可以轻松地用机械臂识别和拾起物体,或者绘制周围环境的地图,以便在制造工厂中活动,这使它们成为提高产量和简化仓库管理和物流的宝贵工具。

以下是由计算机视觉驱动的机器人执行的一些典型任务:

●产品加工和组装

●码垛、包装和分拣

●清洗重型设备

●标记产品和跟踪

●用于补货的仓库监控

这种技术在车间的例子数不胜数。其中,Sawyer Robot,这是一个由田纳西州塑料注射成型公司Tennplasco部署的多用途机械臂,但也包括BluePrint Automation的机器人纸箱装载系统,该系统利用计算机视觉抓取箱子。另一方面,奥地利汽车制造商麦格纳斯太尔(Magna Steyr)采用智能无人机扫描标签,方便库存操作。

2、质量保证

计算机视觉驱动的机器人非常精确,但生产链中的某些东西总是可能出错。幸运的是,还可以部署计算机视觉系统来双重检查产品的质量。这种先进的自动化视觉检查涉及使用高分辨率摄像头扫描成品,使用机器学习算法处理数据以识别异常,从而确保每件商品(包括其包装)都符合所有必要的质量标准。

在这方面,看看沃尔沃汽车的解决方案。其名为Atlas的计算机视觉系统可以使用20多个摄像头扫描每辆车,以发现表面缺陷,与手动检查相比,它可以发现多达40%的异常情况。

3、资产维护

无论是在识别制造缺陷还是工业资产异常时,细节都是问题的症结所在。好消息是计算机视觉系统,通过机器学习增强异常检测,可以很好地处理细节。事实上,这些工具可以通过摄像头、红外热成像和其他类型的传感器探测工业机械,以发现任何可能是故障迹象的偏差(如异常温度和振动),并在故障实际发生之前预测即将到来的故障。

例如,通用汽车公司采用了一种计算机视觉解决方案,旨在分析装配机器人上安装的摄像头的图像,并检测影响其组件的故障。

4、人员安全

计算机视觉可以成为机器的守护天使,更重要的是,可以成为人类的守护天使,因为预测性维护允许制造公司提前修复机器,从而避免危险情况。此外,它还可用于持续监测各种工业环境中的复杂制造操作。

英国建筑设备制造商Komatsu Ltd也采取了类似的方法,该公司与NVIDIA合作,采用基于人工智能和视频分析的计算机视觉解决方案。该平台可以监测甚至预测工人和设备的移动,以发出潜在碰撞或其他危险情况的警报提醒。

总结

事实证明,计算机视觉与工业流程数字化所涉及的许多其他技术一样,是制造企业的宝贵盟友,可显著降低成本、提高产量和质量、提高精度并提高员工安全性。显然,组织不应该对计算机视觉的采用掉以轻心,因为它的实际部署可能会比预期的更棘手。

然而,通过适当的投资、再培训计划、工作流程协调计划和用例识别,计算机视觉驱动的机器将推动工业制造,就像过去几个世纪对美的热爱鼓励工匠们创造他们的手工制品一样。不同之处在于,与热爱不同,机器不是盲目的。(编译:iothome)

THEEND

最新评论(评论仅代表用户观点)

更多
暂无评论