2021年1月22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

深度学习+机器视觉=下一代检测

2019年9月18日

2019年9月18日

将机器视觉和深度学习结合起来,将为企业在运营和投资回报(ROI)方面提供强大的手段。因此,抓住传统机器视觉和深度学习之间的差异,并理解这些技术如何相互补充——而不是竞争或替代——对于实现投资最大化至关重要。

机器视觉可以使用无线电波来穿透墙壁和黑暗

2019年10月10日

2019年10月10日

机器视觉有很强的识别能力。它具有超人的能力来识别人、脸和物体。它甚至可以识别许多不同的行为。

机器视觉这条河,未来也会浑浊吗?

2019年3月21日

2019年3月21日

机器视觉的实质是一种计算机图像处理在工业领域的应用,其在机器人行业的应用方向有两种。AGV和机械臂,AGV上的应用已经很明了,主要存在于导航上面,但是在机械臂上的应用可谓是越来越广。

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。

为双目立体视觉插上FPGA翅膀

2019年10月10日

2019年10月10日

FPGA具有灵活高效、可重复编程特性,可实现定制性能、高吞吐量和低延迟,是十分灵活且强大的计算加速器。所以,很多研究机构将算法进行简化后,使用FPGA进行处理。

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。

新型智能玻璃为机器视觉研究提供新的模拟途径

2019年7月18日

2019年7月18日

[据光电子网站2019年7月10日报道] 美国威斯康星大学麦迪逊分校电气和计算机工程系Zongfu Yu教授带领的团队开发出了一种新型智能玻璃。不需传感器、不用接通线路或外部电源、亦不需连接互联网,这种智能玻璃就可以利用光学反射的原理识别图像。

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。

3D视觉检测的未来:光度立体技术

2019年6月12日

2019年6月12日

利用3D表面定向,特别是它对反射光的影响,工业应用的光度立体产生对比度图像,突出了局部3D表面变化。

机器视觉技术发展的五大趋势

2019年6月21日

2019年6月21日

在过去的一年里,人工智能(AI)、大数据、3D成像和机器人过程自动化等领域在取得了空前的发展。在即将到来的2019年,机器视觉技术应用还将蓬勃发展,新机器视觉认为五大发展趋势将引领行业应用。

基于计算机视觉和深度学习的智能缺陷检测

2019年9月4日

2019年9月4日

自亨利·福特首次引入装配线系统以来,质量控制一直是制造中的一个关键因素。其理念是,质量可以通过大规模生产流水线来实现,只要每个人在生产过程中各尽其责。从那时起,我们显然已经走了很长一段路。传统的装配线仍然以许多形式存在,尽管机器已经取代了许多手工过程。

新的视觉系统可以在传感器内计算,无需将信息转换成数字格式

2020年3月5日

2020年3月5日

研究人员开发了一种图像传感器阵列,它作为自己的人工神经网络,可以同时捕获和识别光学图像,无需将信息转换成数字格式即可快速处理信息。

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

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?

Comments
发表评论

电子邮件地址不会被公开。 必填项已用*标注