機器視覺—完善自動化行業(yè)的新動力
2023-01-06
隨著人員管理的日益復雜化和管理成本的不斷攀升，很多企業(yè)在產(chǎn)品檢測時開始有意識地嘗試用機器取代人工。而機器視覺恰恰是滿足這種需求的理想選擇。
隨著人員管理的日益復雜化和管理成本的不斷攀升，很多企業(yè)在產(chǎn)品檢測時開始有意識地嘗試用機器取代人工。而機器視覺恰恰是滿足這種需求的理想選擇。
由于機器視覺系統(tǒng)可以快速獲取大量信息，而且易于自動處理，也易于同設計信息以及加工控制信息集成，因此，在現(xiàn)代自動化生產(chǎn)過程中，人們將機器視覺系統(tǒng)廣泛地用于工況監(jiān)視、成品檢驗和質量控制等領域。機器視覺系統(tǒng)的特點是提高生產(chǎn)的柔性和自動化程度。在一些不適合于人工作業(yè)的危險工作環(huán)境或人工視覺難以滿足要求的場合，常用機器視覺來替代人工視覺;同時在大批量工業(yè)生產(chǎn)過程中，用人工視覺檢查產(chǎn)品質量效率低且精度不高，用機器視覺檢測方法可以大大提高生產(chǎn)效率和生產(chǎn)的自動化程度。而且機器視覺易于實現(xiàn)信息集成，是實現(xiàn)計算機集成制造的基
軟包鋰離子電池生產(chǎn)工藝中，電池封裝是非常重要的環(huán)節(jié)，使用高阻隔性的軟包裝材料將電芯內部與外部完全隔絕，使內部處于真空、無氧、無水的環(huán)境。機器視覺在封裝技術中發(fā)揮著不可或缺的重要作用，機器視覺的導入提高了產(chǎn)品的封裝質量、提高了產(chǎn)能和效率。
深度學習視覺系統(tǒng)，通過大量圖像訓練可進行系統(tǒng)的自我升級，在處理產(chǎn)品新的缺陷類型時，通過系統(tǒng)自動提取缺陷特征后再進行檢測。而傳統(tǒng)的視覺系統(tǒng)，依賴于成熟且透明的編程，在處理一致且批量化的產(chǎn)品時能夠可靠地運行。兩者之間存在明顯的差異性。
隨著深度學習技術在機器視覺領域的不斷發(fā)展和普及，許多企業(yè)開始對其在各個場景的落地應用進行探索，大規(guī)模投入深度學習視覺系統(tǒng)的研發(fā)。作為國家高新技術企業(yè)之一，精質視覺憑借著豐富的技術儲備和強大的產(chǎn)品研發(fā)能力，在眾多企業(yè)中脫穎而出。
傳統(tǒng)機器視覺技術與深度學習方法之間存在明確的權衡。傳統(tǒng)機器視覺系統(tǒng)的性能和能效通過不斷地優(yōu)化已近成熟，已經(jīng)可以適用于眾多工業(yè)生產(chǎn)環(huán)境。但隨著缺陷類型增多、缺陷種類復雜化，傳統(tǒng)的機器視覺系統(tǒng)的應用程序變得難以編程。
深度學習作為人工智能領域的關鍵核心技術，近幾年來，成為機器視覺行業(yè)研究的熱點。深度學習技術憑借著其強大的卷積神經(jīng)網(wǎng)絡算法優(yōu)勢以及對視覺行業(yè)和AI領域的巨大影響，大幅度提升機器視覺系統(tǒng)在工業(yè)自動化領域的生產(chǎn)效率。
在工業(yè)制造領域中，一些產(chǎn)品元件或組件在出廠前都會進行一系列的測量和識別工作，檢驗合格后才能出廠。比如在測量方面，就有長度測量、圓測量、角度測量、弧線測量等等。但是關于工業(yè)產(chǎn)品的尺寸測量，一直是測量中的一個難題。
“機器視覺”就是利用機器代替人眼來作各種測量和判斷。精質視覺綜合了光、機、電、算、軟等方面技術，涉及到人工智能、計算機科學、圖像處理、模式識別等諸多領域。設備以照明成像系統(tǒng)為基礎，通過獲取產(chǎn)品圖像，傳送給專用的圖像處理系統(tǒng)，根據(jù)像素分布，顏色等信息轉變成數(shù)字化信號，對圖像進行分析處理，提取目標的特征，根據(jù)判別的結果來控制設備動作。
機器視覺為鋰電制造裝上“慧眼”軟包鋰離子電池生產(chǎn)工藝中，電池封裝是非常重要的環(huán)節(jié)，使用高阻隔性的軟包裝材料將電芯內部與外部完全隔絕，使內部處于真空、無氧、無水的環(huán)境。機器視覺在封裝技術中發(fā)揮著不可或缺的重要作用，機器視覺的導入提高了產(chǎn)品的封裝質量、提高了產(chǎn)能和效率。