人類在感知外界環境的過程中,80%以上的信息來自于視覺。在工業制造領域,機器視覺產品是機械設備的“慧眼”,實現了對外界環境的觀察、識別以及判斷等功能。工業環節的人工智能應用,多數都與機器視覺技術有關。
AICloud架構中,機器視覺產品處于邊緣節點圈層,完成了多維感知數據的采集和前端智能處理。將AI算力注入邊緣,賦能邊緣智能是大勢所趨。
01
更便捷的缺陷檢測應用
傳統的視覺系統面對復雜多變的缺陷類型,需要根據實際的場景搭建不同的算法模塊,非常繁瑣,而借助AI深度學習,只要通過缺陷樣本的訓練,得到訓練模型,利用模型就可以進行缺陷檢測。
對于混雜在被檢測物中的劃痕,首先要對其進行分割識別。如下圖,深度學習分割算法可對圖片進行標記訓練,得到每個像素點是缺陷的概率圖,在概率圖基礎上結合Blob分析的工具,實現表面缺陷檢測。無論劃痕的形狀、位置如何變化,AI加持的視覺系統都能即刻做出正確判斷。
02
更精準的字符識別應用
借助基于神經網絡的深度學習算法對已知類型的數字、字母類字符進行標記訓練,在生產過程中可以識別畫面中是否存在類似字符,并輸出準確的結果,讓機器在沒有人的幫助下自己讀懂字符概念。
如下圖所示,工業相機在進行字符識別應用時,藍框所選字符處于背景有臟污、干擾的環境中,人眼難以準確讀取,但借助基于神經網絡的深度學習算法,視覺系統能夠高效識別,并輸出結果(綠色字符所示)。
基于AI深度學習的字符識別應用對點陣、粘連、變形、低對比度、復雜背景等均有較高識別率,完成了傳統視覺系統無法實現的功能,且單一模型兼容多種字體及包裝形式,在下圖所示的乳制品灌裝線上,結合AI的視覺系統可滿足流水線上的高速檢測需求,識別率達到99.98%以上。
03
更高效的目標定位應用
在沒有固定定位特征的場景下、且目標位置隨機變化時,傳統視覺系統無法實現目標定位。這種情況下借助AI深度學習目標定位應用,則可輕松鎖定目標,再也不用“眾里尋他千百度”。
如下圖所示的包裹面單,無論如何放置包裹,借助深度學習目標定位算法,相機都能高效讀取條碼信息。
這種技術在各大快遞分揀中心已落地應用,面對雙11、618的天量包裹,也能讓你下單的寶貝更快到家。
04
更多維的視覺感知方式
過去,2D相機無法采集物體深度、體積等信息,搭載2D相機的機械臂不能對有高度差混料和無序擺放的物體做抓取。3D感知技術加持后,則可實現上述功能。從無到有,更智能的定位引導和體積測量應用不再“高深莫測”。
機器視覺系統的特點是提高生產的柔性和自動化程度,運用在人工視覺難以滿足要求的場合。AI是制造業轉型升級的變革力量,機器視覺之于AI等同于視覺之于人類。海康威視深耕多維感知、深度學習等多項AI關鍵技術,海康機器人助推AI與生產制造業的智慧碰撞,讓工業設備“慧眼如炬”,用AI賦能智能制造。
-
機器視覺
+關注
關注
161文章
4369瀏覽量
120284 -
人工智能
+關注
關注
1791文章
47200瀏覽量
238269
原文標題:【利元亨 | G20】AI賦能智能制造(一) | 機器視覺加持,從此慧眼如炬
文章出處:【微信號:gaogongrobot,微信公眾號:高工機器人】歡迎添加關注!文章轉載請注明出處。
發布評論請先 登錄
相關推薦
評論