机器视觉在制造业中的作用

机器视觉已经为制造业做出了重要贡献，主要是通过提供自动检测功能作为质量控制程序的一部分。然而，自动化领域正变得越来越复杂。工业4.0，物联网（IoT），云计算，人工智能，机器学习和许多其他技术为视觉系统的用户和开发人员提供了在为各自应用选择理想系统方面的巨大挑战。

一种使能技术
随着许多不同领域的快速发展，包括成像技术；CMOS传感器； 嵌入式视觉；机器和深度学习；机器人接口；数据传输标准和图像处理能力，视觉技术可以使制造业在许多不同层面受益。新的成像技术提供了新的应用机会。例如，高光谱成像可以提供关于被成像材料的化学组成的信息。计算成像允许以不同方式组合一系列图像以显示使用传统成像技术无法看到的细节。偏振成像可以显示材料中的应力模式。机器视觉技术的其他发展可以提高制造业的性能，集成度和自动化程度。集成度可以从手动装配辅助到完全集成到OEM设备，也可以满足工业4.0的苛刻要求。
帮助手动组装
目前仍然有大量的产品手动组装，并且可以使用“人工辅助”相机来帮助防止此类操作中的错误。操作员遵循一组装入相机的装配说明并显示在监视器上。在每次操作之后，系统将结果与正确存储的图像进行比较，以确保在操作员继续进行下一步之前正确完整地执行了该操作。如果操作不完整或者出现错误，则会向操作员显示该操作以便进行更正。完成的每个步骤都可以进行验证和记录，以提供可用于装配工作分析和可追溯性的数据。
为生产线增添视野
在制造或包装线上使用视觉检查是一种成熟的做法。系统包括执行检查任务并将通过和未通过结果传送到控制系统的单点自包含智能相机，以及可能具有多个相机或多个检测站的基于PC的系统。视觉系统可以改装到现有生产线或设计成新生产线。视觉检查还可以与统计过程控制方法结合使用，不仅可以检查关键测量，还可以分析这些测量的趋势。通过这种方式，可以在产生任何超出公差的产品之前进行干预以调整过程。 这可能是最接近工业4.0要求的先行者。
视觉引导机器人
工业机器人已经被广泛使用，随着协作机器人的出现和3D图像处理的快速发展，它们被更多地结合使用，特别是对于视觉引导机器人。视觉系统识别物体的精确位置，并将这些坐标传递给机器人。视觉，机器人界面的巨大进步使这一过程变得更加容易。3D机器人视觉最受欢迎的用途之一是拾取和放置应用程序。
嵌入式视觉
通常基于ARM架构的小型嵌入式处理板的可用性为嵌入其他设备和制造过程的视觉系统的开发提供了巨大的潜力。许多领先的图像处理库和工具包现在可以移植到这些平台，以这种格式提供更广泛的视觉解决方案。将这些处理能力与低成本相机（包括板级相机）相结合，意味着视觉系统可以以相对较小的成本开销结合到各种产品和工艺中。
机器和深度学习
关于机器视觉中的深度学习已经有很多炒作，其使用卷积神经网络（CNN）通过识别从一组训练图像中学习的特征来执行分类任务。然而，挑战仍然是在工业应用中可用的训练图像的数量有限，而工具，训练时间和处理器资源仍然很高。其他机器学习方法正迅速被认为是实现工业应用深度学习替代方案的更便宜和更简单的方法。这可能会为高性能，灵活的垂直解决方案带来吸引力，甚至可以在廉价的嵌入式系统上运行，从而实现极具成本效益的系统。
工业4.0持续发展
未来智能工厂的本质是使用大数据分析来优化流程，该数据分析基于监控流程的许多不同类型传感器的反馈。当然，这些将包括简单和智能的视觉传感器以及更复杂的视觉子系统或系统。至关重要的是，工业4.0需要为所有传感器类型提供通用通信协议，以便进行数据传输和共享。