什么是智能制造?是自動化流水線，遍布工廠的機械臂，還是空無一人的工廠?都不是，這是自動化，而非“智能制造”。若離開在制造過程中進行的智能活動，如分析、推理、判斷、構(gòu)思和決策等，智能制造將如無根之水，而助力工業(yè)智能從“感知”到“認知”，賦能制造業(yè)從“制造”到“智造”的，正是人工智能技術(shù)。
人工智能(AI，Artificial Intelligence)自20世紀50年代被提出，當前AI已不僅僅是一個概念，隨著算力、大數(shù)據(jù)和算法等技術(shù)突破，基于神經(jīng)網(wǎng)絡(luò)的深度學習等AI技術(shù)已在各行各業(yè)飛速滲透。制造業(yè)無疑是AI融合創(chuàng)新主要場景之一。推動承載AI技術(shù)的智能制造進程勢在必行。
2019 ?？低旳I Cloud生態(tài)大會“智能制造協(xié)同發(fā)展”行業(yè)論壇上，?？禉C器人總裁賈永華首次提出“AI賦能智能制造”，意在逐步將深度學習等人工智能技術(shù)、物聯(lián)網(wǎng)技術(shù)落地應(yīng)用智能制造領(lǐng)域，從完成多維感知、數(shù)據(jù)采集和處理的機器視覺系統(tǒng)，到實現(xiàn)智慧內(nèi)物流的移動機器人系統(tǒng)，持續(xù)推動機器智能化、服務(wù)智能化、生產(chǎn)智能化。
“推動智能化不是一個點也不是一個平臺，而是要通過一個體系實現(xiàn)”
?？禉C器人依托海康威視AI Cloud體系逐步推動“AI+智能制造”落地。?？低旳I Cloud由“邊緣節(jié)點、邊緣域、云中心”三層架構(gòu)組成。邊緣節(jié)點側(cè)重多維感知數(shù)據(jù)的采集和前端智能處理;邊緣域側(cè)重感知數(shù)據(jù)的匯聚、存儲、處理和智能化應(yīng)用;云中心側(cè)重包括物聯(lián)網(wǎng)數(shù)據(jù)在內(nèi)的多維數(shù)據(jù)的融合及基于大數(shù)據(jù)的多維分析應(yīng)用。
?？低旳I Cloud架構(gòu)
冠以“智能”之名的智能制造領(lǐng)域，人工智能技術(shù)能為其提供什么樣的幫助?
“AI賦能智能制造”專題將通過系列文章逐步解讀，從囊括機器視覺、移動機器人產(chǎn)品的邊緣節(jié)點，到不限于RCS\TPS\WCS系統(tǒng)、VM算法平臺等的邊緣域，以及云中心、數(shù)據(jù)如何賦能智能工廠運維。我們將立足?？禉C器人核心技術(shù)、產(chǎn)品與服務(wù)，以小見大，與您探討智造的未來。
本期主講AI賦能智能制造系列之機器視覺
人類在感知外界環(huán)境的過程中，80%以上的信息來自于視覺。在工業(yè)制造領(lǐng)域，機器視覺產(chǎn)品是機械設(shè)備的“慧眼”，實現(xiàn)了對外界環(huán)境的觀察、識別以及判斷等功能。工業(yè)環(huán)節(jié)的人工智能應(yīng)用，多數(shù)都與機器視覺技術(shù)有關(guān)。
AI Cloud架構(gòu)中，機器視覺產(chǎn)品處于邊緣節(jié)點圈層，完成了多維感知數(shù)據(jù)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(yīng)用
傳統(tǒng)的視覺系統(tǒng)面對復雜多變的缺陷類型，需要根據(jù)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(chǔ)上結(jié)合Blob分析的工具，實現(xiàn)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(tǒng)都能即刻做出正確判斷。
02更精準的字符識別應(yīng)用
借助基于神經(jīng)網(wǎng)絡(luò)的深度學習算法對已知類型的數(shù)字、字母類字符進行標記訓練，在生產(chǎn)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(jié)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(yè)相機在進行字符識別應(yīng)用時，藍框所選字符處于背景有臟污、干擾的環(huán)境中，人眼難以準確讀取，但借助基于神經(jīng)網(wǎng)絡(luò)的深度學習算法，視覺系統(tǒng)能夠高效識別，并輸出結(jié)果(綠色字符所示)。
基于AI深度學習的字符識別應(yīng)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(tǒng)視覺系統(tǒng)無法實現(xiàn)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(jié)合AI的視覺系統(tǒng)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(yīng)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(tǒng)視覺系統(tǒng)無法實現(xiàn)目標定位。這種情況下借助AI深度學習目標定位應(yīng)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(shù)在各大快遞分揀中心已落地應(yīng)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(shù)加持后，則可實現(xiàn)上述功能。從無到有，更智能的定位引導和體積測量應(yīng)用不再“高深莫測”。
AI賦能智能制造
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，運用在人工視覺難以滿足要求的場合。AI是制造業(yè)轉(zhuǎn)型升級的變革力量，機器視覺之于AI等同于視覺之于人類。?？低暽罡嗑S感知、深度學習等多項AI關(guān)鍵技術(shù)，?？禉C器人助推AI與生產(chǎn)制造業(yè)的智慧碰撞，讓工業(yè)設(shè)備“慧眼如炬”，用AI賦能智能制造。
目前，?？低暀C器視覺已為3C、食藥品、新能源、汽車及零配件、紡織、電子半導體、物流等行業(yè)賦能。
（轉(zhuǎn)載）
