機器視覺是賦予工業(yè)機器人智慧化，并助力整個工業(yè)從3.0時代步入4.0時代的關(guān)鍵一環(huán)，為智能制造的落地打開了“新窗口”。
早在十幾二十年前，隨便走進一家電子廠，人們會看到一排排工人正在進行裝配、貼標或質(zhì)檢等重復(fù)性的勞動作業(yè)。這是工業(yè)1.0、2.0時代司空見慣的場景。
滄海桑田，如今，在許多現(xiàn)代化工廠，工人變成了流水線旁負責巡檢的“配角”，工業(yè)機器人替代了繁重的人工作業(yè)，電子信息技術(shù)的廣泛應(yīng)用讓生產(chǎn)的自動化水平大幅提高，工業(yè)界也由此步入了3.0時代。
然而，傳統(tǒng)的工業(yè)機器人大多是通過示教再現(xiàn)或者預(yù)編程來實現(xiàn)各種簡單的操作，這極大地限制了機器人的應(yīng)用。如果能讓機器像人一樣具有自我意識，可以根據(jù)產(chǎn)品的位置、亮度、顏色、表面特征等信息進行對應(yīng)的操作，顯然能進一步解放生產(chǎn)力，完成柔性化的制造，而實現(xiàn)這一切的前提就是為機器人裝上“眼睛”，也就是“機器視覺”。
某種意義上可以說，機器視覺是賦予工業(yè)機器人智慧化，并助力整個工業(yè)從3.0時代步入4.0時代的關(guān)鍵一環(huán)，為智能制造的落地打開了“新窗口”。
“神通廣大”的機器視覺
顧名思義，機器視覺就是用機器代替人眼來做測量和判斷，通過視覺系統(tǒng)對產(chǎn)品圖像攝取，同時將被攝取的目標轉(zhuǎn)換為圖像信號傳送給專用的圖像處理系統(tǒng)，得到被攝目標的形態(tài)信息，再將像素分布和亮度、顏色等信息轉(zhuǎn)變成數(shù)字化信號，圖像系統(tǒng)對這些信號進行各種運算來抽取目標的特征，進而根據(jù)判別結(jié)果來控制現(xiàn)場的設(shè)備動作。
和人眼相比，機器視覺具有效率快、精準性高且永不知疲倦等顯著優(yōu)勢，因而被廣泛應(yīng)用于工業(yè)制造的各個環(huán)節(jié)，比如上下料過程中使用機器視覺進行定位，引導(dǎo)機械手臂準確抓取；比如在自動化包裝領(lǐng)域進行物品數(shù)量的識別和數(shù)據(jù)的追溯；再比如對一些精密度較高的產(chǎn)品進行分類和瑕疵檢測，這也是機器視覺目前應(yīng)用最廣泛、取代人工最多的環(huán)節(jié)。
我們不妨以汽車輪轂分類/分割場景為例：作為輪胎的骨架,輪轂扮演著汽車配件中的重要角色，根據(jù)直徑、寬度、成型方式、材料不同種類繁多。
從制造的維度來看，汽車輪轂大多是鑄件，鑄造完成后要進行精加工，輪轂有上百種類型，不同的類型應(yīng)選擇不同加工路線、加工機床、刀具等。在自動化生產(chǎn)線上要實現(xiàn)多品種的混流生產(chǎn)，首先要完成的就是輪轂類型的識別。除此之外，輪轂的質(zhì)量好壞還直接決定了車輛行駛過程中的安全性能，然而其制造成型過程中受工藝參數(shù)、冷卻系統(tǒng)等因素的影響，卻極易產(chǎn)生氣孔、縮孔、縮松等內(nèi)部缺陷。為了保證產(chǎn)品質(zhì)量，缺陷檢測/分割環(huán)節(jié)也必不可少。
無論是輪轂分類還是分割，這些任務(wù)早期都是由人工方式來完成，流水線周而復(fù)始，工人沒有片刻休息時間。在工作強度大、時間長、長期緊張的工作狀態(tài)下，工人容易感到疲倦，在作業(yè)中也不可避免地受到情緒波動、注意力不集中、疏忽大意等因素的影響，導(dǎo)致分類/分割工作的速度、穩(wěn)定性和準確性都無法保障。
不斷迭代的機器視覺方案
對癥下藥，基于上述痛點，越來越多機構(gòu)開始探索自動化甚至智能化的輪轂分類/分割方案。
自動輪轂檢測場景
先來看輪轂分割場景。X射線無損探傷是目前檢測輪轂內(nèi)部缺陷的最佳方式，具體而言，初始成型的毛坯輪轂被機電系統(tǒng)送入鉛房后，分區(qū)域多次成像，能實現(xiàn)整只輪轂的全部檢測。
為了替代傳統(tǒng)的手動檢測，有的企業(yè)采取半自動檢測的方式，即提前在下位機設(shè)置好輪轂的運行流程，每個部位的成像過程無需人工干預(yù)，檢測人員僅需觀察該部位的X射線圖像來決定產(chǎn)品質(zhì)量；還有企業(yè)更進一步，在上位機設(shè)置好輪轂缺陷檢測的相關(guān)參數(shù)，整個過程無需人工干預(yù)，全部自動完成，而在全自動的檢測過程中，輪轂缺陷的自動分割算法起著至關(guān)重要的作用。
再來看輪轂分類場景，當前，已經(jīng)有不少高校提出了基于機器視覺的分類算法。
東北大學提出了一種基于機器視覺的汽車輪轂識別系統(tǒng)，其根據(jù)實驗選擇了五個特征：輪轂中心是否有孔洞，輪轂邊緣區(qū)域的孔數(shù)，輪轂半徑，輪轂面積，以及旋轉(zhuǎn)不變性，利用投票分類器對提取的特征進行分類。與傳統(tǒng)方法相比能達到較好的效果，缺點是先驗信息太多，需要人工選擇較明顯的特征費時費力，且由于提取到的特征較少，對于結(jié)構(gòu)復(fù)雜的輪轂辨識度差，結(jié)構(gòu)相近的輪轂也難以區(qū)分。
中北大學提出了一種基于 OpenCV 和 MFC 平臺的輪轂分類技術(shù)，與傳統(tǒng)的識別方法相比節(jié)省了時間，但由于形態(tài)學處理的破壞，泛化程度較低；南京信息工程大學提出了一種基于統(tǒng)計模型的輪轂分類方法，使用背景去除、形態(tài)學處理、局部二值化和邊緣提取算子等多種方法進行特征提取，能進一步提高分類精度，但能夠成功識別分類的輪轂類型較少且檢測方法非常耗時……
通過上述分析我們可以得知，機器視覺解決方案的部署本身是一項非常復(fù)雜的工作，涉及許多專業(yè)技術(shù)，需要很多專業(yè)人才，期間會耗費大量成本且涉及大量試錯，制造商想要依靠自身開發(fā)這樣的一套解決方案，可謂難如登天。
讓機器視覺不再遙不可及
如何讓制造商快速掌握機器學習這項“秘密武器”？英特爾與無錫信捷電氣股份有限公司（下稱“信捷”）聯(lián)合推出了一套基于深度學習的輪轂分類/分割解決方案，為輪轂檢測行業(yè)提供了新的思路。
基于信捷自主研發(fā)的新一代機器視覺應(yīng)用開發(fā)平臺X-SIGHT VISION STUDIO Pro，制造商無需編寫代碼，只用在軟件中拖拽組件，就能完成開發(fā)——這相當于把復(fù)雜的專業(yè)攝像機直接變成了“傻瓜相機”，大大降低了用戶入門的門檻。
X-SIGHT系列產(chǎn)品
除了具備圖形化界面、提供快速的應(yīng)用開發(fā)環(huán)境，幫助用戶快速上手并輕松創(chuàng)建典型應(yīng)用之外，該平臺還提供了強大的圖像分析能力，甚至具備自我學習優(yōu)化能力，是一個不斷進化迭代的平臺。得益于此，用戶能以更高的效率開發(fā)定制化的大規(guī)模項目，從而縮短研發(fā)周期和成本。
X-SIGHT圖形用戶界面
你可能會疑惑，為什么信捷的平臺能夠?qū)C器學習“化繁為簡”？原來其平臺背后，集成了英特爾? OpenVINO?、oneAPI加速方案。這些軟件就如同“催化劑”一般，為信捷的方案部署和模型加速提供了更高效的工具。
其中，OpenVINO? 視覺工具套件是一款面向高性能計算機視覺和深度學習應(yīng)用的快速開發(fā)套件，基于最新一代人工神經(jīng)網(wǎng)絡(luò)，包括卷積神經(jīng)網(wǎng)絡(luò) (CNN)、循環(huán)網(wǎng)絡(luò)和基于注意力的網(wǎng)絡(luò)，可跨英特爾硬件擴展至計算機視覺和非視覺的工作，從而最大限度地提高性能，在邊緣到云端都能展現(xiàn)高性能 AI 和深度學習推理部屬的加速。這增強了信捷產(chǎn)品的深度學習神經(jīng)網(wǎng)絡(luò)推理能力，助力其為客戶提供更優(yōu)的解決方案。oneAPI 則是一種跨行業(yè)、開放、基于標準的統(tǒng)一編程庫，可提供跨加速架構(gòu)的通用開發(fā)體驗，幫助信捷提高應(yīng)用性能、工作效率和創(chuàng)新能力。
機器視覺場景復(fù)雜，英特爾為此開發(fā)了諸多工具套件，以滿足用戶在各類工業(yè)場景下的需求，促進更多的機器視覺應(yīng)用案例落地，為工業(yè)機器視覺的發(fā)展提供技術(shù)支持。
基于信捷和英特爾的這套聯(lián)合解決方案，制造商能夠通過攝像頭采集輪轂圖像，傳輸至網(wǎng)絡(luò)進行識別分類，實現(xiàn)快速、準確、穩(wěn)定的響應(yīng)，從而大大降低人力成本，提高生產(chǎn)效率。
結(jié)語
以智能制造為主導(dǎo)的工業(yè)革命4.0正影響著各行各業(yè)，而工業(yè)機器視覺將是驅(qū)動未來工業(yè)數(shù)字化、智能化的重要動能，不僅是汽車制造產(chǎn)業(yè)鏈在積極引入機器視覺解決方案，更廣泛的工業(yè)領(lǐng)域也期望借助該技術(shù)實現(xiàn)數(shù)字化升級、柔性制造的變革。
