2020年7月8日 机器视觉与计算机视觉技术

中科院自动化所王欣刚:机器视觉将取代人类视觉

智能制造已成为全球制造业升级发展的重要方向,未来工厂里将采用越来越来越多的自动化技术,包括机器人、人工智能、虚拟现实等先进技术,其中,机器视觉将在智能工厂中将发挥关键作用。对于生产商来说,如何将这些技术运用到当前的生产线,将是实现工厂价值提升和未来发展的关键。

中国科学院自动化研究所研究员王欣刚在OFweek 2019 机器视觉技术与应用论坛会议上指出,自动化的发展史也是机器逐步取代人力的历史,在制造业转型升级的过程中,机器人开始取代落后的人力劳动。很多情况下人类视觉不能满足生产需求,现代制造业的要求越来越高,例如生产线对于高速、高精度、微距检测需求,人类劳动力会受到恶劣环境限的制,难以保证客观、无疲劳的工作。

廉价劳动力已成为过去

人口红利逐渐消失的趋势不可逆转,全球各地人力成本都在上升,许多国家开始出现老龄化的问题。而伴随着人们生活水平的提升,年轻一代不愿意从事低端的重复性劳动,因此造成了劳动力短缺的问题。中国作为制造业大国,存在大量的密集型制造业,如今劳动密集型企业正遭遇“大考”。

王欣刚列举了几个案例,例如富士康员工跳楼事件后,富士康给员工加薪66%;本田中国员工集体罢工要求加薪等。2010年春节后广东缺工200万以上,意味着中国的刘易斯拐点出现,人口红利正在迎来转折点。根据中国社会科学院2010年发布研究报告称,预计在2017、2018年,中国总的劳动年龄人口将出现负增长。

种种迹象表明,劳动力供求关系将进一步逆转,普通劳动者的工资将进入快速上升通道。对于企业来说,转型升级是必然的选择,只有调整经济增长方式,提高制造业自动化水平,才能化解工荒的问题,同时能保持企业在行业中的竞争力。

机器视觉将取代人类视觉

近年来,工业机器人开始大规模进入制造业,机器换人一触即发。越来越多的厂商开始利用机器人技术,提升生产线的效率和灵活性,实现工业4.0模式下的柔性化制造。王欣刚表示,机器人系统包括了处理器、运动控制、传感器和网络,分别对应人类大脑、四肢、感官和神经,而机器视觉是最后几个被取代的器官之一。

随着硬件水平和软件技术的发展,机器视觉系统能力得到了很大的提升,加上人工智能算法的助力,使得机器视觉变得越来越智能化,同时也突显了机器视觉在制造业中的优势。

机器视觉自动识别系统可以代替人力劳动,进一步缓解劳动密集型企业招不到人的难题。在制造业生产线上,机器视觉可以与机器人集成在一起,这样就可以代替人眼、脑和手去执行一些复杂的工作任务,且比传统人力更低成本和更高效率。

机器视觉可以不知疲倦的一直工作,在进行大量重复性工作时,能克服人眼易疲劳的劣势,并且能长时间够保持高精、高速的水平。机器视觉相比于人类,更能适应恶劣的工作环境,可在对人有伤害的恶劣环境中工作。机器视觉越来越出色的表现,代替人类视觉将是一个大趋势。

前景无限,机器视觉应用广泛

在工业生产过程中,机器视觉主要的应用类型主要有几个方面,一是对物体对象进行测量,包括尺寸、角度的测量;二是检测,例如检测有无、检测次品和定位等;还有对于物体的识别,包括读码识别等。

机器视觉的应用十分广泛,在汽车行业可以进行气缸盖、发动机、金属铸件、车身以及整车尺寸机器视觉测量。而在电子制造业通常用于锡珠检测、表面缺陷、PCB钻孔板钻孔定位及测量。此外,还有烟草、包装、纺织、金属加工等行业,进行包装质量检测、号码印刷检测、二维码在线识别、杂质检测等。

机器视觉有许多典型的应用,王欣刚在会上重点介绍了机器视觉在焊接机器人、打乒乓球机器人、精密装配、视觉导航测量仪等方面的应用案例。

在焊接机器人项目里,有了机器视觉,机器人就能完成焊接起始点自动定位,实现焊枪对焊缝的大范围高精度跟踪。在乒乓球机器人的方案里,利用分布式计算的高速立体视觉测量,可以对高速运动目标轨迹进行预测,以完成击球控制。

Banner
Related Posts

改善机器视觉系统的十大方法

2018年8月9日

2018年8月9日

机器视觉是一个新兴领域,如果设置正确,可以减少过程效率低下。任何使用机器视觉作为机器人引导或检查的设施都应重视这一领域,以寻求可能的改进。

自主机器视觉系统Inspekto S70

2019年12月18日

2019年12月18日

自主机器视觉(AMV)是通过机器学习的技术,让视觉系统拥有自动识别对象的能力,它为质量保证提供了革命性的方法,同时将使巨额投资和长时间停机成为过去。

机器视觉相机类型以及接口标准详解

2018年8月9日

2018年8月9日

随着成像技术的进步,相机及其接口的类型不断演变,以满足大量应用的需求。对于检测和分析至关重要的半导体,电子,生物技术,装配和制造行业中的机器视觉应用而言,使用最好的相机系统来完成手头的任务对于获得最佳图像质量至关重要。

短波红外成像技术与原理

2019年7月25日

2019年7月25日

短波红外(SWIR)的范围占据了电磁频谱略高于近红外。在1050到2500纳米之间——短波红外范围远远超出了标准硅基成像传感器的探测能力。

嵌入式视觉:通过软硬件协作获得成功

2019年3月21日

2019年3月21日

在可预见的未来,嵌入式视觉技术不会完全取代传统的、基于PC或智能相机的机器视觉系统。然而,从技术和经济的角度来看,它确实在许多应用领域提供了非常有效的解决方案。

涂布纺织品皮革表面缺陷检测解决方案

2019年7月2日

2019年7月2日

本文详细地介绍了基于自适应视觉算法的表面缺陷检测的应用原理及实际案例。同时以涂布、纺织品和皮革等类似行业的实际案例验证了该原理的可行性和实用性。介绍了能应用于涂布、印刷、涂布、塑料、橡胶、薄膜及皮革等缺陷检测的通用解决方案。

研究人员开发了一种非侵入性果实成熟度检测方法

2019年6月25日

2019年6月25日

昆士兰的研究人员开发了一种新工具,可以在收获前评估芒果作物的成熟度,这可能会提高收获时间和果实质量。

莫尔法成像方法可增强机器视觉中的3D图像

2019年8月1日

2019年8月1日

我们通常认为,使用正确的照明是机器视觉应用成败的关键。低角度照明可能会带来表面纹理或有用的阴影,背光提供干净的部分轮廓,偏振滤光片可以减少不必要的眩光。这些众所周知且广泛使用的工具已经存在了几十年。

智能高光谱成像与食品安全的未来

2020年3月9日

2020年3月9日

智能高光谱成像技术有望快速准确地检测病原体、异物以及产品的新鲜度和损伤。

每个机器制造者都应该了解基于组件的3D视觉系统

2019年9月1日

2019年9月1日

在构建成本效益高的三维视觉系统时,是最好使用基于组件的方法(如照相机、激光、透镜、支架、校准目标)还是采用一体化(即智能)方法?乍一看,以较低的成本购买单个组件和构建定制的视觉解决方案似乎是更经济的途径。

机器视觉模式匹配的基础:光源、相机、算法

2019年10月11日

2019年10月11日

机器视觉系统还需要能够发现和识别模式。任何机器视觉任务的第一步都是模式匹配,即根据形状属性(如边缘)的预期排列,在视场中定位目标。这个过程是如何工作的?

基于相机和激光传感器的车顶视觉检测系统

2019年4月24日

2019年4月24日

像多单元高速列车这样的现代轨道车辆需要定期进行检查维护,以确保最车辆的安全稳定运行,增加使用寿命并最大限度地减少列车的磨损

机器视觉应用的柔性开发

2019年9月12日

2019年9月12日

本文使用IBV软件MERLIC的例子,概述了图像处理的当前要求,并展示了如何在不编程的情况下创建应用程序。

如何利用机器人视觉进行拣货作业

2019年4月27日

2019年4月27日

机器人进行拣货作业定义了不同的过程,在这些过程中机器人用于从箱子中拾取和放置货物。 Bin pick是机器人领域中棘手的机器人任务。但是,您不必使用复杂的解决方案来解决它。使用机器人视觉的拣选可以以简单的方式执行。

快速创建三维纳米结构图像的新方法

2019年4月17日

2019年4月17日

通过X射线激光脉冲从两个方向照射物体(在图像中心切出十字)。在下一步骤中,将星形衍射图像重建为3-D对象

Comments
发表评论

电子邮件地址不会被公开。 必填项已用*标注