什么是智能制造?是自動(dòng)化流水線，遍布工廠的機(jī)械臂，還是空無(wú)一人的工廠?都不是，這是自動(dòng)化，而非“智能制造”。若離開(kāi)在制造過(guò)程中進(jìn)行的智能活動(dòng)，如分析、推理、判斷、構(gòu)思和決策等，智能制造將如無(wú)根之水，而助力工業(yè)智能從“感知”到“認(rèn)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(jì)50年代被提出，當(dāng)前AI已不僅僅是一個(gè)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(xué)習(xí)等AI技術(shù)已在各行各業(yè)飛速滲透。制造業(yè)無(wú)疑是AI融合創(chuàng)新主要場(chǎng)景之一。推動(dòng)承載AI技術(shù)的智能制造進(jìn)程勢(shì)在必行。
2019 海康威視AI Cloud生態(tài)大會(huì)“智能制造協(xié)同發(fā)展”行業(yè)論壇上，?？禉C(jī)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(xué)習(xí)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(jī)器視覺(jué)系統(tǒng)，到實(shí)現(xiàn)智慧內(nèi)物流的移動(dòng)機(jī)器人系統(tǒng)，持續(xù)推動(dòng)機(jī)器智能化、服務(wù)智能化、生產(chǎn)智能化。
“推動(dòng)智能化不是一個(gè)點(diǎn)也不是一個(gè)平臺(tái)，而是要通過(guò)一個(gè)體系實(shí)現(xiàn)”
?？禉C(jī)器人依托海康威視AI Cloud體系逐步推動(dòng)“AI+智能制造”落地。?？低旳I Cloud由“邊緣節(jié)點(diǎn)、邊緣域、云中心”三層架構(gòu)組成。邊緣節(jié)點(diǎn)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(chǔ)、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。
海康威視AI 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(guò)系列文章逐步解讀，從囊括機(jī)器視覺(jué)、移動(dòng)機(jī)器人產(chǎn)品的邊緣節(jié)點(diǎn)，到不限于RCS\TPS\WCS系統(tǒng)、VM算法平臺(tái)等的邊緣域，以及云中心、數(shù)據(jù)如何賦能智能工廠運(yùn)維。我們將立足?？禉C(jī)器人核心技術(shù)、產(chǎn)品與服務(wù)，以小見(jiàn)大，與您探討智造的未來(lái)。
本期主講AI賦能智能制造系列之機(jī)器視覺(jué)
人類在感知外界環(huán)境的過(guò)程中，80%以上的信息來(lái)自于視覺(jué)。在工業(yè)制造領(lǐng)域，機(jī)器視覺(jué)產(chǎn)品是機(jī)械設(shè)備的“慧眼”，實(shí)現(xiàn)了對(duì)外界環(huán)境的觀察、識(shí)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(jī)器視覺(jué)技術(shù)有關(guān)。
AI Cloud架構(gòu)中，機(jī)器視覺(jué)產(chǎn)品處于邊緣節(jié)點(diǎn)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(shì)所趨。
01更便捷的缺陷檢測(cè)應(yīng)用
傳統(tǒng)的視覺(jué)系統(tǒng)面對(duì)復(fù)雜多變的缺陷類型，需要根據(jù)實(shí)際的場(chǎng)景搭建不同的算法模塊，非常繁瑣，而借助AI深度學(xué)習(xí)，只要通過(guò)缺陷樣本的訓(xùn)練，得到訓(xùn)練模型，利用模型就可以進(jìn)行缺陷檢測(cè)。
對(duì)于混雜在被檢測(cè)物中的劃痕，首先要對(duì)其進(jìn)行分割識(shí)別。如下圖，深度學(xué)習(xí)分割算法可對(duì)圖片進(jìn)行標(biāo)記訓(xùn)練，得到每個(gè)像素點(diǎn)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(shí)現(xiàn)表面缺陷檢測(cè)。無(wú)論劃痕的形狀、位置如何變化，AI加持的視覺(jué)系統(tǒng)都能即刻做出正確判斷。
02更精準(zhǔn)的字符識(shí)別應(yīng)用
借助基于神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法對(duì)已知類型的數(shù)字、字母類字符進(jìn)行標(biāo)記訓(xùn)練，在生產(chǎn)過(guò)程中可以識(shí)別畫(huà)面中是否存在類似字符，并輸出準(zhǔn)確的結(jié)果，讓機(jī)器在沒(méi)有人的幫助下自己讀懂字符概念。
如下圖所示，工業(yè)相機(jī)在進(jìn)行字符識(shí)別應(yīng)用時(shí)，藍(lán)框所選字符處于背景有臟污、干擾的環(huán)境中，人眼難以準(zhǔn)確讀取，但借助基于神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法，視覺(jué)系統(tǒng)能夠高效識(shí)別，并輸出結(jié)果(綠色字符所示)。
基于AI深度學(xué)習(xí)的字符識(shí)別應(yīng)用對(duì)點(diǎn)陣、粘連、變形、低對(duì)比度、復(fù)雜背景等均有較高識(shí)別率，完成了傳統(tǒng)視覺(jué)系統(tǒng)無(wú)法實(shí)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(jué)系統(tǒng)可滿足流水線上的高速檢測(cè)需求，識(shí)別率達(dá)到99.98%以上。
03更高效的目標(biāo)定位應(yīng)用
在沒(méi)有固定定位特征的場(chǎng)景下、且目標(biāo)位置隨機(jī)變化時(shí)，傳統(tǒng)視覺(jué)系統(tǒng)無(wú)法實(shí)現(xiàn)目標(biāo)定位。這種情況下借助AI深度學(xué)習(xí)目標(biāo)定位應(yīng)用，則可輕松鎖定目標(biāo)，再也不用“眾里尋他千百度”。
如下圖所示的包裹面單，無(wú)論如何放置包裹，借助深度學(xué)習(xí)目標(biāo)定位算法，相機(jī)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(duì)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(jué)感知方式
過(guò)去，2D相機(jī)無(wú)法采集物體深度、體積等信息，搭載2D相機(jī)的機(jī)械臂不能對(duì)有高度差混料和無(wú)序擺放的物體做抓取。3D感知技術(shù)加持后，則可實(shí)現(xiàn)上述功能。從無(wú)到有，更智能的定位引導(dǎo)和體積測(cè)量應(yīng)用不再“高深莫測(cè)”。
AI賦能智能制造
機(jī)器視覺(jué)系統(tǒng)的特點(diǎn)是提高生產(chǎn)的柔性和自動(dòng)化程度，運(yùn)用在人工視覺(jué)難以滿足要求的場(chǎng)合。AI是制造業(yè)轉(zhuǎn)型升級(jí)的變革力量，機(jī)器視覺(jué)之于AI等同于視覺(jué)之于人類。?？低暽罡嗑S感知、深度學(xué)習(xí)等多項(xiàng)AI關(guān)鍵技術(shù)，?？禉C(jī)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，海康威視機(jī)器視覺(jué)已為3C、食藥品、新能源、汽車及零配件、紡織、電子半導(dǎo)體、物流等行業(yè)賦能。
（轉(zhuǎn)載）
