面向制造和工業(yè)環(huán)境監(jiān)控應(yīng)用的人工智能機(jī)器視覺(jué)

在傳統(tǒng)的工業(yè)和制造環(huán)境中，監(jiān)控工人安全、提高操作人員效率以及改進(jìn)質(zhì)量檢測(cè)都是體力工作。如今，基于人工智能的機(jī)器視覺(jué)技術(shù)取代了許多低效的、勞動(dòng)密集型的操作，并提高了可靠性、安全性和效率。本文將探討如何通過(guò)部署人工智能相機(jī)，進(jìn)一步提高性能，因?yàn)橛糜谫x能人工智能機(jī)器視覺(jué)的數(shù)據(jù)就來(lái)自相機(jī)本身。

支持人工智能的機(jī)器視覺(jué)

根據(jù)IoT Analytics報(bào)告，2020年，制造業(yè)和工業(yè)中的人工智能機(jī)器視覺(jué)市場(chǎng)規(guī)模約為41億美元，預(yù)計(jì)到2025年將增加至152億美元，年復(fù)合年增長(zhǎng)率（GAGR）為30%，而傳統(tǒng)機(jī)器視覺(jué)部署的年復(fù)合增長(zhǎng)率僅為6.5%。如此高的年復(fù)合增長(zhǎng)率是因?yàn)橄乱淮鷮?shí)時(shí)邊緣人工智能機(jī)器視覺(jué)的應(yīng)用不僅限于質(zhì)量保證和產(chǎn)品檢測(cè)應(yīng)用。

工人的安全是制造業(yè)和工業(yè)的重中之重，支持人工智能的智能攝像頭有助于在這些環(huán)境中實(shí)現(xiàn)自動(dòng)化的監(jiān)控和檢測(cè)。必須確保在潛在不安全環(huán)境（例如危險(xiǎn)的機(jī)械設(shè)備和危險(xiǎn)的材料）中工作的員工、承包商和其他第三方操作人員的安全。行為和位置（POSE）檢測(cè)生成的信息可以表明機(jī)器操作人員是否處于危險(xiǎn)之中，是否遵循標(biāo)準(zhǔn)的操作流程（SOP）或者以提供生產(chǎn)力和效率的方式在工作。最后，自動(dòng)光學(xué)檢測(cè)（AOI）可以提高質(zhì)量控制的速度和準(zhǔn)確性，即使對(duì)于隱形眼鏡等難以看見的產(chǎn)品也能夠如此。

人工智能助力智能工人安全

工業(yè)環(huán)境造成的死亡人數(shù)在全球范圍內(nèi)并非聞所未聞。在評(píng)估工人安全時(shí)，設(shè)施還必須考慮非致命的工傷。除了情感創(chuàng)傷意外，通常還需要考慮經(jīng)濟(jì)等因素。

工業(yè)和制造業(yè)通常采用人工監(jiān)督和光幕來(lái)確保工人的安全。然而，人類無(wú)法做到無(wú)處不在，無(wú)所不能，因此會(huì)面臨出錯(cuò)的危險(xiǎn)，另外，安全光幕也有其本身的局限性。

電子圍籬

在現(xiàn)代化的智能工廠中，人們經(jīng)常在具有潛在危險(xiǎn)的設(shè)備（例如機(jī)械臂）周圍進(jìn)行工作。安全光幕通過(guò)在機(jī)器接入點(diǎn)和周圍創(chuàng)建一個(gè)感應(yīng)屏幕來(lái)保護(hù)人員免受傷害。然而，它們占用大量的地面空間，并且難以部署，缺乏靈活性。在某些情況下，安全光幕的響應(yīng)時(shí)間有限，從而帶來(lái)其他的問(wèn)題。

傳統(tǒng)的機(jī)器視覺(jué)解決方案使用靈活且易于部署的IP攝像頭和人工智能模塊，但是延遲還是比較大，因此不適合需要立即響應(yīng)的應(yīng)用場(chǎng)景。

圖1 安全光幕占用地面空間，部署困難，缺乏靈活性，有時(shí)響應(yīng)能力還有局限性。人工智能相機(jī)最大限度地減少了延遲，減少了部署空間以及對(duì)帶寬的要求，并且易于部署和維護(hù)

凌華科技的NEON-2000系列多合一人工智能相機(jī)可以解決延遲的問(wèn)題。在將結(jié)果和指令發(fā)送到相關(guān)設(shè)備（例如機(jī)械臂）之前，他會(huì)捕獲圖像并執(zhí)行所有與人工智能相關(guān)的操作（見圖1）。與光幕和傳統(tǒng)機(jī)器視覺(jué)設(shè)施相比，使用多合一智能相機(jī)可以最大限度地減少延遲、減少部署空間和對(duì)帶寬的要求，并且易于安裝和維護(hù)。

實(shí)時(shí)的機(jī)器視覺(jué)人工智能通過(guò)提醒工人進(jìn)入不安全區(qū)域并記錄該信息以對(duì)工人進(jìn)行再度培訓(xùn)，為增強(qiáng)工人的安全提供好處。記錄過(guò)去時(shí)間的數(shù)據(jù)，還可能對(duì)未來(lái)有所幫助。例如，如果工人接近危險(xiǎn)區(qū)域，機(jī)械臂并不需要完全關(guān)閉，而是進(jìn)入一個(gè)功能安全的流程循環(huán)。諸如此類的例行程序不僅可以提高工人的安全性，還可以提高工廠的運(yùn)營(yíng)效率。

智能加油

當(dāng)加油車到達(dá)制造工廠時(shí)，它可能會(huì)帶來(lái)許多安全隱患，而這些問(wèn)題可以通過(guò)智能人工智能視覺(jué)輕松解決。首先，如果制動(dòng)不正確或者失靈，可能導(dǎo)致車輛翻滾。訓(xùn)練人工智能機(jī)器視覺(jué)系統(tǒng)來(lái)監(jiān)控車輛的運(yùn)動(dòng)，當(dāng)其狀態(tài)發(fā)生改變時(shí)可以立即發(fā)出警報(bào)。

相關(guān)設(shè)施還必須在加油的過(guò)程中考慮操作人員的位置，因?yàn)榇嬖诓煌愋偷姆謪^(qū)違規(guī)。確保所有現(xiàn)場(chǎng)工人都了解存在的安全風(fēng)險(xiǎn)變得至關(guān)重要。例如，有必要在車輛的四個(gè)角放置路錐，并確保為車輛加油的操作員穿著合適的個(gè)人防護(hù)裝備——人工智能視覺(jué)可以執(zhí)行所有的安全檢查，以確認(rèn)所有的流程都是正確的。（參見圖2）

圖2 雖然主管在現(xiàn)場(chǎng)可以加強(qiáng)安全流程的執(zhí)行，但并不總是可行的。如果有人闖入危險(xiǎn)區(qū)域，人工智能機(jī)器視覺(jué)就可以立即發(fā)出警報(bào)

來(lái)自人工智能機(jī)器視覺(jué)系統(tǒng)的即時(shí)警報(bào)可以警告操作員的安全漏洞并防止其受傷。它還創(chuàng)建了問(wèn)責(zé)制；如果有人在沒(méi)有穿個(gè)人防護(hù)裝備的情況下進(jìn)入了不安全的區(qū)域，那么記錄的圖像可以標(biāo)記錯(cuò)誤并教育員工，以防止將來(lái)再次犯錯(cuò)。

行為和位置檢測(cè)

對(duì)于制造業(yè)而言，“周期時(shí)間“是生產(chǎn)效率的關(guān)鍵性能指標(biāo)。它表示一個(gè)團(tuán)隊(duì)在產(chǎn)品準(zhǔn)備好發(fā)貨或之前花費(fèi)在生產(chǎn)項(xiàng)目上的時(shí)間。使用人工智能相機(jī)技術(shù)監(jiān)控員工的行為和位置，有助于執(zhí)行標(biāo)準(zhǔn)化流程（SOP）并提高員工的效率，縮短周期時(shí)間。

圖3 電子制造產(chǎn)線上的行為和位置檢測(cè)，有助于提高生產(chǎn)力，并改善訂單、數(shù)量和生產(chǎn)線之間的平衡

來(lái)自實(shí)時(shí)視頻的行為和位置檢測(cè)扮演者至關(guān)重要的作用，它可以將數(shù)字內(nèi)容和信息疊加在模擬量的世界上。行為和位置使用一組骨骼標(biāo)志點(diǎn)（例如手、肘或肩）來(lái)描述身體的位置和運(yùn)動(dòng)。

人工智能機(jī)器視覺(jué)讓工廠操作員和工人能夠?qū)Ｗ⒂谏眢w位置是如何影響他們的工作。行為和位置數(shù)據(jù)是一個(gè)很好的培訓(xùn)工具，可以知道操作員如何放置手臂和手才更符合人體工程學(xué)、更高效地工作；它還可以改善人們的姿勢(shì)，這也是另外一個(gè)顯著的優(yōu)勢(shì)。（見圖3）

跟蹤操作人員是否在生產(chǎn)線上的工作站上，也可以實(shí)現(xiàn)自動(dòng)化并驗(yàn)證時(shí)間表。監(jiān)控他們是否積極遵守標(biāo)準(zhǔn)流程，確保質(zhì)量管理和生產(chǎn)線平衡。

AI Smart AOI 基于人工智能的智能AOI

利用人工檢查產(chǎn)品的質(zhì)量，其耗時(shí)有長(zhǎng)有短，最終會(huì)導(dǎo)致產(chǎn)線的瓶頸。傳統(tǒng)的AOI（自動(dòng)光學(xué)檢測(cè)）機(jī)器視覺(jué)，憑借其卓越的準(zhǔn)確性和高效率，能夠比專業(yè)的質(zhì)量控制人員更快地檢測(cè)到易于發(fā)現(xiàn)的產(chǎn)品缺陷。但是，當(dāng)缺陷難以檢測(cè)時(shí)，例如隱形眼鏡上的缺陷，這些機(jī)器視覺(jué)系統(tǒng)在準(zhǔn)確度和一致性方面則難以滿足實(shí)際需求。

雖然大多數(shù)制造商采用隨機(jī)抽樣的方法來(lái)測(cè)試產(chǎn)品是否存在缺陷，但是這種方法在隱形眼鏡的生產(chǎn)線上是不適用的，因?yàn)槊科R片都需要檢查。質(zhì)量控制人員每班最多只能檢查4000個(gè)鏡片，因此產(chǎn)生了生產(chǎn)瓶頸。此外，誤檢和漏檢也是不可避免的。

由于隱形眼鏡是透明的，因此，采用機(jī)器數(shù)據(jù)的檢測(cè)方式歷來(lái)是這個(gè)行業(yè)面臨的重大挑戰(zhàn)。傳統(tǒng)的AOI依賴固定的幾何算法來(lái)發(fā)現(xiàn)缺陷，但從透明物體中獲取高質(zhì)量的圖像具有較大的難度，從而導(dǎo)致檢測(cè)的性能無(wú)法被客戶接受。

使用基于人工智能的智能相機(jī)搜集數(shù)據(jù)用以訓(xùn)練人工智能算法，并持續(xù)迭代檢測(cè)的性能，以此提供更好的解決方案。基于人工智能的智能系統(tǒng)可以識(shí)別常見的缺陷，例如毛刺、氣泡、邊緣粗糙、顆粒、劃痕等等（見圖4），同時(shí)會(huì)保留檢查日志以供客戶參考。

圖4 基于人工智能的智能AOI甚至可以檢測(cè)透明隱形眼鏡中的微小缺陷，與之前使用人工的質(zhì)量控制流程相比，檢測(cè)效率得以顯著提升

相比人工視覺(jué)檢測(cè)，每個(gè)基于人工智能的智能相機(jī)可以檢測(cè)50 多倍數(shù)量的隱形眼鏡，而且檢測(cè)精度從 30% 提高到 95%。

結(jié)論

利用源自人工智能機(jī)器視覺(jué)技術(shù)所產(chǎn)生的強(qiáng)大且實(shí)時(shí)的數(shù)據(jù)，制造商可以獲得更多的正常運(yùn)行時(shí)間、獲得預(yù)防性維護(hù)的能力、提高生產(chǎn)力和確保工人安全等等諸多受益。

本文重點(diǎn)提及的人工智能機(jī)器視覺(jué)應(yīng)用，需要人工智能算法進(jìn)行深度學(xué)習(xí)。開發(fā)人工智能算法的軟件專家需要一個(gè)智能的、可靠的平臺(tái)來(lái)執(zhí)行人工智能模型推理。預(yù)裝EVA（Edge Vision Analytics，邊緣視覺(jué)分析）軟件的人工智能相機(jī)解決了傳統(tǒng)人工智能視覺(jué)系統(tǒng)常見的許多問(wèn)題，提高了兼容性、加快了安裝速度，并最大限度地減少了維護(hù)工作。

想要成功部署人工智能視覺(jué)項(xiàng)目，工程師可能需要長(zhǎng)達(dá)12周的時(shí)間來(lái)進(jìn)行概念驗(yàn)證（PoC）。選擇經(jīng)過(guò)優(yōu)化的相機(jī)和人工智能推理引擎、重新訓(xùn)練人工智能模型、優(yōu)化視頻流等都需要較長(zhǎng)的學(xué)習(xí)時(shí)間。然而，EVA軟件憑借其流水線的結(jié)構(gòu)優(yōu)勢(shì)，簡(jiǎn)化了所有的步驟，并將PoC的時(shí)間縮短到2周以內(nèi)，這也成為啟動(dòng)人工智能視覺(jué)項(xiàng)目的理想起點(diǎn)。