人类在感知外界环境的过程中,80%以上的信息来自于视觉。在工业制造领域,机器视觉产品是机械设备的“慧眼”,实现了对外界环境的观察、识别以及判断等功能。工业环节的人工智能应用,多数都与机器视觉技术有关。
AICloud架构中,机器视觉产品处于边缘节点圈层,完成了多维感知数据的采集和前端智能处理。将AI算力注入边缘,赋能边缘智能是大势所趋。
01
更便捷的缺陷检测应用
传统的视觉系统面对复杂多变的缺陷类型,需要根据实际的场景搭建不同的算法模块,非常繁琐,而借助AI深度学习,只要通过缺陷样本的训练,得到训练模型,利用模型就可以进行缺陷检测。
对于混杂在被检测物中的划痕,首先要对其进行分割识别。如下图,深度学习分割算法可对图片进行标记训练,得到每个像素点是缺陷的概率图,在概率图基础上结合Blob分析的工具,实现表面缺陷检测。无论划痕的形状、位置如何变化,AI加持的视觉系统都能即刻做出正确判断。
02
更精准的字符识别应用
借助基于神经网络的深度学习算法对已知类型的数字、字母类字符进行标记训练,在生产过程中可以识别画面中是否存在类似字符,并输出准确的结果,让机器在没有人的帮助下自己读懂字符概念。
如下图所示,工业相机在进行字符识别应用时,蓝框所选字符处于背景有脏污、干扰的环境中,人眼难以准确读取,但借助基于神经网络的深度学习算法,视觉系统能够高效识别,并输出结果(绿色字符所示)。
基于AI深度学习的字符识别应用对点阵、粘连、变形、低对比度、复杂背景等均有较高识别率,完成了传统视觉系统无法实现的功能,且单一模型兼容多种字体及包装形式,在下图所示的乳制品灌装线上,结合AI的视觉系统可满足流水线上的高速检测需求,识别率达到99.98%以上。
03
更高效的目标定位应用
在没有固定定位特征的场景下、且目标位置随机变化时,传统视觉系统无法实现目标定位。这种情况下借助AI深度学习目标定位应用,则可轻松锁定目标,再也不用“众里寻他千百度”。
如下图所示的包裹面单,无论如何放置包裹,借助深度学习目标定位算法,相机都能高效读取条码信息。
这种技术在各大快递分拣中心已落地应用,面对双11、618的天量包裹,也能让你下单的宝贝更快到家。
04
更多维的视觉感知方式
过去,2D相机无法采集物体深度、体积等信息,搭载2D相机的机械臂不能对有高度差混料和无序摆放的物体做抓取。3D感知技术加持后,则可实现上述功能。从无到有,更智能的定位引导和体积测量应用不再“高深莫测”。
机器视觉系统的特点是提高生产的柔性和自动化程度,运用在人工视觉难以满足要求的场合。AI是制造业转型升级的变革力量,机器视觉之于AI等同于视觉之于人类。海康威视深耕多维感知、深度学习等多项AI关键技术,海康机器人助推AI与生产制造业的智慧碰撞,让工业设备“慧眼如炬”,用AI赋能智能制造。
-
机器视觉
+关注
关注
161文章
4340浏览量
120082 -
人工智能
+关注
关注
1791文章
46820浏览量
237463
原文标题:【利元亨 | G20】AI赋能智能制造(一) | 机器视觉加持,从此慧眼如炬
文章出处:【微信号:gaogongrobot,微信公众号:高工机器人】欢迎添加关注!文章转载请注明出处。
发布评论请先 登录
相关推荐
评论