2020年7月4日 机器视觉与计算机视觉技术

自主机器视觉系统Inspekto S70

深度学习在机器视觉领域越来越受欢迎,它允许数据科学家为特定的、定义明确的任务仔细地创建模拟人类决策的程序。

随着制造商寻找智能机器视觉系统,深度学习越来越广泛。根据ABI Research的一份报告,基于深度学习的机器视觉方法将显示,2017年至2023年间,智能制造业的年均增长率将达到20%,营业额将高达2023年,达到340亿美元左右。

但是由于它们的成本和所需的长时间停机时间,在机器视觉解决方案的实现上存在着巨大的障碍。许多制造商无法安装机器视觉系统,因为它要么太贵,要么技术太复杂。

此类机器视觉解决方案的提供者通常以这样的方式进行操作:将软件作为单独的软件包出售,然后与其他所有其他组件组装成一个高技术性的解决方案。然后,可以使用此解决方案在特定生产线上特定位置检查特定产品。即使先进深度学习的解决方案也没有实现真正的灵活性。

系统集成商成为过去式

由于实现过程如此复杂,制造商通常需要一个系统集成商来选择照明、相机、通信和控制等。系统集成商也为机器视觉软件选择深度学习软件,因为制造商不具备独立建立、操作和培训传统深度学习解决方案的内部专业知识。

由于传统解决方案缺乏灵活性,生产线的任何变化都意味着制造商必须再次依赖系统集成商的专业知识。然后,这将调整解决方案,例如通过开发新的照明条件。然而,也可能是调整是不可能的。在这种情况下,制造商必须用一个全新的解决方案替换visual QS解决方案,即昂贵、耗时的过程重新开始。

复杂训练

一个具有深度学习的机器视觉解决方案在创建之后,需要一个复杂的训练过程。用户必须向解决方案提供成百上千甚至有时甚至上百万个错误模式,以便了解错误产品的外观。系统集成商必须定义机器学习参数,如数据扩展、网络拓扑或最终分类阈值。

开发、安装、安装和培训过程通常需要几个月,导致长时间停工或迫使制造商采用人工目视检查,这是一种不可靠和昂贵的方法。

这意味着最终用户不会期望从深度学习软件中直接获益;他与为其制造设施开发的视觉质量保证解决方案(QS)没有直接交互。他只能希望当前的深度学习软件能像系统集成商承诺的那样,提高他的可视化QS解决方案的质量。

自主机器视觉系统

为了改变这种状况,Inspekto推出了市场上第一款自主机器视觉产品Inspekto S70,制造商可以完全控制其视觉QS。最终用户现在可以在不到一个小时的时间内建立一个全面运作的质量保证体系。

系统的设置过程:在左侧,系统需要进一步的样本来学习待测位置的特征。在右边,系统显示它有足够的信息并准备好接受检查。(图片:Inspekto)

配置需要20到30之间的合格产品样本,而不是有瑕疵的样本。作为整个系统的一部分,而不是作为一个单独的软件工具,终端用户可以从深入学习中获益,而不必配置参数或干扰数据的收集和标记。

自主机器视觉系统包括几个相互补充的KI模块。这种人工智能涵盖了生产线上视觉质量保证的各个方面,包括传感器参数的自调整、传感器视场中物体检测技术的自适应和自微调。因此,系统可以独立调整,不需要专门设计。

由于Inspekto开发的算法,该系统可以在没有对象先验知识和操作者专家知识的情况下,区分构成误差的材料变化的视觉领域中的干扰变化。因此,对象的不同方向或更改的照明条件不会导致错误消息。

该图显示了由S70
检查系统检测到的一些异常。(图片:Inspekto)

此外,自动机器图像处理提供了灵活性,即系统可以很容易地从制造工厂的一个点移动到另一个点,并提供与以前相同的简单设置。由于这种灵活性,也可以在制造工厂的同一地点对多个产品进行可视化QS,系统正确地识别和分类每个产品。

Banner
Related Posts

用于目标识别的自学习机器视觉系统

2019年7月8日

2019年7月8日

机器视觉是工业4.0,即工业物联网背景下高度自动化和无缝联网过程的关键技术。使用诸如深度学习之类的新的人工智能过程变得越来越重要。许多好处使这项技术具有吸引力,但同时它也有局限性。

机器视觉成为防治农作物减产的新式武器

2019年5月15日

2019年5月15日

农作物的损失对农民来说是毁灭性的。随着生态波动性的增加,这也是生活中的事实。

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。

工业机器人及机器人视觉系统详解

2019年3月26日

2019年3月26日

人类想要实现一系列的基本活动,如生活、工作、学习就必须依靠自身的器官,除脑以外,最重要的就是我们的眼睛了,(工业)机器人也不例外,要完成正常的生产任务,没有一套完善的,先进的视觉系统是很难想象的。

科创板|天准科技:中国机器视觉第一梯队企业

2019年6月2日

2019年6月2日

2019年5月27日,上交所决定将于6月5日召开第1次审议会议,审议深圳微芯生物、安集微电子科技、苏州天准科技3家企业的发行上市申请。

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。

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。

机器视觉从发展到成熟,最新技术又有些什么?

2018年8月9日

2018年8月9日

这是机器视觉行业的一个演变时期。嵌入式视觉与深度学习和人工智能相结合, 将在生命科学、自驾游、安全和农业等传统制造业以外的市场继续蓬勃发展。

中科院自动化所王欣刚:机器视觉将取代人类视觉

2019年6月21日

2019年6月21日

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。

机器视觉如何改变金融服务

2019年9月9日

2019年9月9日

事实证明,在金融领域应用机器视觉不仅对企业有利,而且对一般消费者也有利。尽管这在5年前似乎遥不可及,但金融机构一直在使用先进技术开展业务。这些技术能够改进客户体验并减轻员工的工作负担。

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。

在图像处理中应用深度学习技术

2019年3月28日

2019年3月28日

深度学习应用凭借其在识别应用中超高的预测准确率,在图像处理领域获得了极大关注,这势必将提升现有图像处理系统的性能并开创新的应用领域。

Teledyne DALSA的Linea HS 16k多场TDI相机

2019年11月28日

2019年11月28日

机器视觉技术公司 Teledyne DALSA ,近日推出其最新的电荷域CMOS TDI相机——Linea HS 16k多场TDI相机。多场成像允许最终用户捕获多个图像,例如一次扫描即可同时显示明场、暗场和背光图像。

用于食品标签的光学字符识别(OCR)视觉系统

2019年4月24日

2019年4月24日

在食品制造工厂,系统需要从传送器中剔除带有错误打印数据代码的包装食品。虽然以前的系统运行还算正常,但它已经陈旧,原始软件开发的升级换代也无法得到支持。

韩国开发用于检测机械故障的机器视觉技术

2019年7月4日

2019年7月4日

韩国机械与材料研究所(KIMM)周二宣布,它已开发出一种新的机器视觉技术,可自动检测各种机器的故障。

Comments
发表评论

电子邮件地址不会被公开。 必填项已用*标注