机器学习有很多应用，无论是处理社交媒体流量还是尝试根据过去的购买情况展示可操作的洞察或消费者定位。 本文针对那些对人工智能相关内容感兴趣读者，我们列举了机器视觉在制造业中应用的10个案例：

 

预测性维护

依赖于物理组件来制造产品或帮助提供服务的企业通常需要对机器或设备进行维护，或者在最坏的情况下，机器可能会损坏或组件可能会出现故障，导致停产或产品停滞不前。

预测性维护是指使用机器学习和物联网设备监控机器和组件（通常使用传感器）收集数据点并识别信号或在资产或组件发生故障之前采取纠正措施的过程。

试想一下，一家汽车厂仅一分钟的停工时间，就能让高利润汽车付出高达2万美元的代价。利用机器视觉技术可以帮助企业保持领先地位，例如，由FANUC开发的名为ZDT（零停机时间）的软件程序，从安装在机器人上的相机收集图像，然后将这些图像和伴随的数据发送到云进行处理并进行识别，及时发现可能出现的潜在问题。

在为期18个月的试点期间，该解决方案被部署到38个汽车工厂的7,000个机器人中，共6个部分，检测并防止了72个组件故障！

 

包装检验

 

对于制药公司来说，在将药片或胶囊放入容器之前对其进行计数是至关重要。为了解决这个问题，总部位于英国的Pharma Packaging Systems公司开发了一种解决方案，可以部署到现有的生产线上，甚至可以作为独立单元运行。

该解决方案的一个关键特征是使用计算机视觉来检查破碎或部分形成的药品。当药品通过生产线时，通过相机拍摄图像并将其传输到专用PC，使用软件处理图像运行进一步分析以检查药品的颜色、长度、宽度和整体是否正确。

基于PC的视觉检测系统也可以用来执行计数功能，如果药品被认为是有缺陷的，则记录该信息，然后向计数功能发送信号，并且当容器瓶到达在生产线末端时，具有缺陷片剂的容器将被剔除，从而消除了有缺陷的药片可能性。

 

阅读条形码

每天阅读、识别和处理成百上千个条形码并非易事，人工根本无法大规模完成。

例如，手机和移动设备需要越来越小的印刷电路板（或PCB）。 由于制造商被迫为不断增长的技术市场生产更多的PCB，他们正在寻求一种称为“拼板”的制作工艺。 在这个过程中，许多相同的电路板被印刷到一个大的面板上，然后每个电路被机器分开进行最终测试，以便检查这些电路板，由于条形码是PCN板上存在的每个电路的唯一标识符，为了便于检查这些板，开发了一个基于机器视觉的解决方案，称为PanelScan，用于读取PCN板上的条形码。

在以前，可以通过使用手持条形码扫描器来完成这项任务，然而非常耗时，而且容易出现人为错误。 通过实施基于机器视觉的解决方案，PCB制造商可以节省大量的业务成本。

 

产品和组件装配

 

高性能的制造工厂需要确保从生产线上下线的产品和组件符合质量、安全和生产准则。 正是考虑到这一点，Acquire Automation开发了一套解决方案，帮助企业确保其产品和组件装配标准得到执行。

例如，他们利用机器视觉技术解决方案，允许制造商在360度全视图中检查瓶子，以确保产品放置在正确的包装中，并且还能够检查包装产品的其他关键属性，例如：

盖帽/密封

位置

标签

打印质量等等！

所有这些都有助于提高生产线的生产能力，同时减少产品召回的数量，提高生产率，并最终使消费者满意!！

 

减少缺陷

可以理解的是，如果您经营生产线，您需要生产无缺陷的组件或产品！机器视觉是一种可以帮助企业实现这一目标的技术。

也就是说，机器视觉检测系统可以实现完全的在线表面缺陷检查，传统产品缺陷检查需要人工操作完成，而基于视觉的解决方案则不需要操作人员。

一家名为SeeToo Vision的公司拥有一个名为WebSeeToo的表面检测系统，可识别缺陷并存储与缺陷相关图像和参数。当物品进入生产线时，缺陷会根据其类型进行分类，并对缺陷进行等级划分。

这样做允许制造商区分不同类型的缺陷，也可以确定出现什么样的缺陷需要停机。

 

3D视觉检查

机器视觉可以在汽车行业发挥重要作用。一份报告显示，到2022年整体机器视觉市场价值可达144.3亿美元！

机器视觉检测系统正在生产线上用于完成人类有时可能难以完成的任务。在此用例中，系统使用高分辨率图像来建立组件及其连接器引脚的完整三维模型。

当组件通过制造工厂时，机器视觉系统对来自不同角度的图像进行多次扫描以产生3d模型，当这些图像组合在一起时，系统可以识别电路上的连接器插脚是否有问题，而这些问题可能会在随后的生产线上造成灾难性的影响。

3d视觉检测有许多应用，但是该技术的最常见用例之一是在汽车生产中。

如今，很多汽车故障都是由电气故障造成的，因此，能够对连接器插脚进行3d扫描，可以帮助汽车制造商节省成本，降低出现电气部件故障的几率，并有助于提高司机的安全。

 

改善安全

机器视觉的应用不仅仅局限于生产线上。例如，总部位于英国的采矿和建筑设备领先制造商小松公司(Komatsu Ltd)最近宣布，计划与英伟达(NVIDIA)合作，整合英伟达的“云到边缘”(cloud to edge)技术。而这一主要目的是为了提高现场管理服务、安全和效率。

该合作伙伴将英伟达Jetson AI平台集成到经常用于钻井、挖掘和采矿的机械中。实时摄像头和视频分析的结合使得设备运行效率更高，安全性更高。

这一想法还将应用基于深度学习的人工智能来跟踪人和预测设备的运动，从而帮助避免危险的交互，从而提高安全性。

在美国，与汽车和机械相关的建筑工地每年都有多达1万人受伤，这样的解决方案将受到企业的欢迎。

 

跟踪和追踪

制药公司自然遵守严格的规则和法规，以确保他们的产品可以从生产线跟踪和追溯到最终患者。

为了实现这一点，纸箱可以打印细节，包括但不限于序列号、保质期、生产日期。一个全球唯一标识符，有时称为GTIN(全球贸易项目号)，通常用于允许在全球范围内跟踪包。

制造系统可以在主数据库中自动生成这些标识符，然后在生产过程中使用它们并喷射到容器上，通过机器视觉可以对对喷涂到纸箱上的信息进行验证。

德国公司ISW开发的一种解决方案案，其中包括可以从标签读取数据的高科技相机，以及执行光学字符识别（OCR）以读取打印文本。

读取打印文本后，系统可以检查主数据库并验证系统打印标签是否与主数据库中存储的数据匹配。如果任何打印的代码不可读或与master数据库中的现有代码不匹配，则可以拒绝包装或装箱。

 

文本阅读和手写分析

光学字符识别并不是什么新事物，它在计算领域已经存在了很长一段时间。也就是说，让计算机从包含图像的笔记、字母等中检测和提取手写文本是完全不同的事情。

你是否曾经参加过一个会议，用智能手机拍下了演讲者的幻灯片吗?或者你们每个人都在白板上画出了制造流程?

微软在其认知服务栈中发布了一种技术，称为计算机视觉API，有了它，您可以向端点提供图像，API将检测到可读文本的存在，并将其转换为文本流!你可以在下面的截图中看到一个例子:

能够将机器指向包含文本的图像，而不是手工输入，可以极大地提高生产率。

LANDING.AI

LANDING.AI是一家总部位于硅谷的公司，由人工智能大师Andrew Ng博士创立。吴博士在landing.ai的部分工作涉及开发机器视觉工具，以发现产品中无法用人类视觉识别的微观缺陷。他研究一种机器学习算法可以在相对较少的图像上进行训练，并产生非常好的效果。

该技术有许多不同的用例，但主要针对制造业的解决挑战，包括但不限于:

检查

控制和自动化

校准和调优

自动识别问题

这家初创公司不仅满足于解决这些制造挑战，还意识到人工智能技术有可能颠覆制造业，有鉴于此，这家初创公司还在研究如何对离职员工进行再培训。

总结

在这篇文章中，我们列举10个机器视觉在制造中的应用案例，涵盖了从纺织品到制药的所有领域，并触及了人工智能和深度学习是如何以图像识别的形式对机器视觉空间产生影响的。我们希望通过阅读本文，您对机器视觉如何应用于制造业有了更多的见解。

来源：巨灵鸟 欢迎分享本文