考慮到零件或產(chǎn)品個體之間可能存在的細(xì)微變化，以及制造商和倉儲經(jīng)營者需加以注意的小規(guī)模缺陷，機器視覺系統(tǒng)成為在生產(chǎn)線上執(zhí)行檢驗的優(yōu)選工具也是有理可循的。它們能夠比員工更快速地采集并分析圖像。而且，隨著分辨率的提高，在某些情況下遠(yuǎn)超人類的視覺范圍，強大的機器視覺相機能夠看到對于人眼來說太小或不可見的東西。

與此同時，它們還具備更完善的殘像機制，這在監(jiān)測缺陷模式和尋求解決方案時很有助益。關(guān)鍵人員能夠看到上報的缺陷，確定來源，并迅速調(diào)查原因，以盡量減少進(jìn)一步的浪費或?qū)е侣膯窝诱`。更重要的是，生產(chǎn)線上無需員工接觸零件，這是機器視覺的一項關(guān)鍵優(yōu)勢，它能夠防止?jié)撛诘膿p壞，省去人工檢驗的時間密集型流程，使員工能夠完成更多具有戰(zhàn)略意義的工作任務(wù)。

定制和維護(hù)機器視覺程序曾需要高昂的投入和專家級的程序員。這種復(fù)雜性“勸退”了一些工廠經(jīng)理和工程師，他們認(rèn)為盡管品控的重要性不斷上升，但機器視覺的成本太高，而且實施起來也很具挑戰(zhàn)性。許多情況下，只有大型企業(yè)才能在其工業(yè)化運營中輕松應(yīng)用機器視覺。

但今時不同往日，機器視覺已煥發(fā)新彩。過去幾年里，在各種因素的使然下，機器視覺對于不同類型的工作流程和企業(yè)都更具可及性和可用性。機器視覺解決方案初期用于電子和汽車行業(yè)，其可及性的提高正在推動該技術(shù)擴展到包括監(jiān)控、醫(yī)療和制藥、餐飲以及機器人等在內(nèi)的新領(lǐng)域。

深度學(xué)習(xí)的賦能

得益于深度學(xué)習(xí)，較小規(guī)模的企業(yè)也可在沒有專業(yè)人員的情況下，更輕松地設(shè)置、部署和運行機器視覺系統(tǒng)。隨著深度學(xué)習(xí)的不斷成熟，它得以更頻繁地部署，并預(yù)計將取代更多采用基于規(guī)則編程的傳統(tǒng)制造應(yīng)用。

盡管這代表著在可及性方面的巨大進(jìn)步，但AI技術(shù)仍會犯錯。不過，隨著AI技術(shù)的不斷成熟，它也將變得更加智能。它學(xué)習(xí)得越多，成效上也就越準(zhǔn)確、越可靠。為使這些算法發(fā)揮作用，增強計算機處理能力必不可少。此外，得益于芯片性能增強，且體積減小，如今的AI系統(tǒng)小到，能夠在相對有限的空間內(nèi)運行。這也是機器視覺愈發(fā)可及的另一項關(guān)鍵因素。

實現(xiàn)自動化的未來

運營編排是許多企業(yè)的目標(biāo)，這需要協(xié)調(diào)實時智能技術(shù)、庫存和人力來取得競爭優(yōu)勢。據(jù)《2022年第三季度全國招聘大于求職“最缺工”的100個職業(yè)排行》顯示，100個職業(yè)中，有39個屬于生產(chǎn)制造及有關(guān)人員，與上季度相比，制造業(yè)缺工狀況持續(xù)。雖然許多人認(rèn)為自動化是以減少人們的就業(yè)機會為代價，但它實際上可解決日益嚴(yán)峻的勞動力短缺問題，同時提升工作效率和準(zhǔn)確性。在機器視覺所開啟的新時代中，員工無需接受更高水平的計算機科學(xué)教育，就能更輕松地監(jiān)督和操作自動化系統(tǒng)。

機器視覺如今幾乎能夠融入制造流程的每一步，強化數(shù)據(jù)收集以完善追蹤與追溯，加快履單揀選和包裝，并通過物聯(lián)網(wǎng)（IoT）的整合來指導(dǎo)員工和機器人。高性能掃描器和相機是在倉儲環(huán)境中提升AI和IoT功能的關(guān)鍵所在。

雖然機器視覺系統(tǒng)仍需先進(jìn)的相機技術(shù)，但借助能夠無縫集成到整體工廠運營的軟件，就能更輕松地管理相關(guān)設(shè)備。例如，在此類環(huán)境中，機器視覺利用的是與固定式工業(yè)掃描器所采用的大致相同的核心成像技術(shù)。

為緊跟制造業(yè)和物流業(yè)的發(fā)展步伐，業(yè)界需要不斷進(jìn)步，而隨著技術(shù)的演進(jìn)，面對快速增長的消費者和業(yè)務(wù)需求，想要立于前沿，機器視覺的應(yīng)用已成為必要條件。將先進(jìn)的技術(shù)融合到單一整體解決方案中，是實現(xiàn)工業(yè)自動化進(jìn)程中的重要一步。

【本文作者程寧，斑馬技術(shù)大中華區(qū)技術(shù)總監(jiān)】

xiesc