实现生产自动化的移动机器视觉解决方案

作者:Tigervs    发布时间:2019-08-10    浏览量:

随着越来越多的客户来找我们寻求帮助解决复杂的问题,需要机器视觉作为解决方案的一部分,我们发现自己反复推动行业的当前局限。这通常要求我们与传统供应商合作修改他们当前的产品线,有时需要将我们自己的硬件和软件解决方案集成到客户解决方案中。在这一系列短篇文章中,我们将讨论:1)如何根据行业正在努力解决的问题来评估当前的产品解决方案; 2)集成产品线的当前状态以及它们与问题类型相关的表现他们可以解决,3)现成的理论能力,虽然还没有整合。

实现生产自动化的移动机器视觉解决方案

迄今为止,机器视觉领域一直由传统工业相机供应商及其集成商主导。这些解决方案提供商满足了许多自动化装配线的需求,这些装配线使用机器视觉来执行指导,测量,检查和识别任务。由于这些解决方案的局限性,人类工作者仍然需要执行许多繁琐的操作。生产加工厂仍然使用人工检查员和分拣机,金属铸造厂使用技术娴熟的技术人员检查铸件和锻件,农业种植者依靠现场工作人员进行除草和拣选,尽管这些行业的劳动力短缺日益严重。为什么机器视觉还没有缓解这些和其他类似任务的劳动力要求?

机器视觉解决方案

直到最近,机器视觉仅在具有一致主题,环境和照明的实时应用中表现良好 - 在短的传统工业应用中。阈值处理,斑点检测和像素计数等基本技术非常适用于检查传送带上光线充足的机加工部件。对于诸如天然商品(例如水果和蔬菜)或高度变化但可预测的形状因素(例如闪光复杂模塑或复合材料组件)等目标,这些视觉算法难以调整。农场和城市环境等环境中的动态背景和不一致的照明加剧了这些困难。

机器视觉缺陷检测系统

复杂图像分析的最新技术进步 - 特别是那些使用神经网络和基于GPU的图像处理的技术 - 已经为需要类似人类视觉感知的实时应用提供了解决方案。这些尖端的视觉系统解决了传统技术的许多局限性,但实施它们需要数据科学方面的专业知识。随着机器视觉技术的发展以应对这些困难的挑战,工业机器视觉的景观现在比以往更加复杂和拥挤。

机器视觉环境

可用摄像头,集成商和数据科学顾问的分散景观使得寻找和选择可行的解决方案变得非常困难。通过在两个主轴的背景下观察问题空间,可以看出每个产品在最终应用方面的总体优势和劣势。该机器视觉景观的两个轴是问题难度和决策吞吐量。

解决问题难度:

我们经常认为问题困难类似于解决问题或执行任务所需的人的训练水平。使用这个类比,我们可以将问题从线路工作者到主题专家(SME)评估为博士。例如,在将小部件传送到切割装置之前对齐小部件的任务可能是线工作者级别的任务。另一方面,根据照片决定果树是否感染了特定的真菌疾病可能需要受过高度训练的博士专家的专业知识。在这些极端情况之间,SME可能会负责对复杂的铝铸件进行X射线检查,以发现内部缺陷。

了解视觉问题的复杂性是确定机器视觉是否是可行解决方案的关键第一步。当前最先进的视觉系统通常可以解决中小企业级以外的实时应用问题,并且每天都在不断改进,稳步开始解决博士级检测任务。

决策吞吐量:

决策吞吐量或延迟定义了需要做出决策的速度。预测海岸侵蚀是时间尺度的长期 - 能够解决这个问题的系统可能需要数天或数周才能进行分析,但仍然可行。对缺失部件的组件的检查可以是每分钟几个单元的量级。在机械收获期间对成熟/未成熟果实进行分选需要每秒做出数十次或数百次的决定。

了解问题的吞吐量要求进一步细化了机器视觉解决方案空间。等待几分钟或一小时处理X射线图像以进行诊断可能是可以接受的,但是生产加工厂中的机器人分拣机需要每秒做出多次决策以避免成为生产中的瓶颈线。在这样的实时应用程序中,毫秒可能意味着解决方案与不值得讨论的技术之间的差异。

选择解决方案:

实际问题需要真正的硬件。考虑到这一点,任何机器视觉解决方案的重点应该从坚固的工业级产品开始。限制这个市场的规模意味着选择正确的解决方案需要做出正确的权衡。

对于给定的相机或处理器,通常在问题难度和决策吞吐量之间存在直接权衡。更困难的决策(特别是需要更多信息的决策,例如多个图像或高分辨率)需要更多时间。通过使用更高性能的相机或除相机之外还使用计算机硬件的系统,可以更快地解决困难问题。在较便宜,更小,更便携的硬件上可以快速解决简单的问题。在某些情况下,特定于应用程序的优化(例如新颖的软件算法)可以使较低成本的硬件在同类产品之上执行。

相关新闻推荐

关注官方微信

微信二维码
版权所有 深圳市如虎科技有限公司 Copyright © 2018-2019 Tigervs.Com All Rights Reserved 粤ICP备19029139号-1