人類在感知外界環(huán)境的過程中，80%以上的信息來自于視覺。在工業(yè)制造領(lǐng)域，機器視覺產(chǎn)品是機械設(shè)備的“慧眼”，實現(xiàn)了對外界環(huán)境的觀察、識別以及判斷等功能。工業(yè)環(huán)節(jié)的人工智能應(yīng)用，多數(shù)都與機器視覺技術(shù)有關(guān)。

AICloud架構(gòu)中，機器視覺產(chǎn)品處于邊緣節(jié)點圈層，完成了多維感知數(shù)據(jù)的采集和前端智能處理。將AI算力注入邊緣，賦能邊緣智能是大勢所趨。

01

更便捷的缺陷檢測應(yīng)用

傳統(tǒng)的視覺系統(tǒng)面對復(fù)雜多變的缺陷類型，需要根據(jù)實際的場景搭建不同的算法模塊，非常繁瑣，而借助AI深度學(xué)習(xí)，只要通過缺陷樣本的訓(xùn)練，得到訓(xùn)練模型，利用模型就可以進(jìn)行缺陷檢測。

對于混雜在被檢測物中的劃痕，首先要對其進(jìn)行分割識別。如下圖，深度學(xué)習(xí)分割算法可對圖片進(jìn)行標(biāo)記訓(xùn)練，得到每個像素點是缺陷的概率圖，在概率圖基礎(chǔ)上結(jié)合Blob分析的工具，實現(xiàn)表面缺陷檢測。無論劃痕的形狀、位置如何變化，AI加持的視覺系統(tǒng)都能即刻做出正確判斷。

02

更精準(zhǔn)的字符識別應(yīng)用

借助基于神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法對已知類型的數(shù)字、字母類字符進(jìn)行標(biāo)記訓(xùn)練，在生產(chǎn)過程中可以識別畫面中是否存在類似字符，并輸出準(zhǔn)確的結(jié)果，讓機器在沒有人的幫助下自己讀懂字符概念。

如下圖所示，工業(yè)相機在進(jìn)行字符識別應(yīng)用時，藍(lán)框所選字符處于背景有臟污、干擾的環(huán)境中，人眼難以準(zhǔn)確讀取，但借助基于神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法，視覺系統(tǒng)能夠高效識別，并輸出結(jié)果（綠色字符所示）。

基于AI深度學(xué)習(xí)的字符識別應(yīng)用對點陣、粘連、變形、低對比度、復(fù)雜背景等均有較高識別率，完成了傳統(tǒng)視覺系統(tǒng)無法實現(xiàn)的功能，且單一模型兼容多種字體及包裝形式，在下圖所示的乳制品灌裝線上，結(jié)合AI的視覺系統(tǒng)可滿足流水線上的高速檢測需求，識別率達(dá)到99.98%以上。

03

更高效的目標(biāo)定位應(yīng)用

在沒有固定定位特征的場景下、且目標(biāo)位置隨機變化時，傳統(tǒng)視覺系統(tǒng)無法實現(xiàn)目標(biāo)定位。這種情況下借助AI深度學(xué)習(xí)目標(biāo)定位應(yīng)用，則可輕松鎖定目標(biāo)，再也不用“眾里尋他千百度”。

如下圖所示的包裹面單，無論如何放置包裹，借助深度學(xué)習(xí)目標(biāo)定位算法，相機都能高效讀取條碼信息。

這種技術(shù)在各大快遞分揀中心已落地應(yīng)用，面對雙11、618的天量包裹，也能讓你下單的寶貝更快到家。

04

更多維的視覺感知方式

過去，2D相機無法采集物體深度、體積等信息，搭載2D相機的機械臂不能對有高度差混料和無序擺放的物體做抓取。3D感知技術(shù)加持后，則可實現(xiàn)上述功能。從無到有，更智能的定位引導(dǎo)和體積測量應(yīng)用不再“高深莫測”。

機器視覺系統(tǒng)的特點是提高生產(chǎn)的柔性和自動化程度，運用在人工視覺難以滿足要求的場合。AI是制造業(yè)轉(zhuǎn)型升級的變革力量，機器視覺之于AI等同于視覺之于人類。?？低?/u>深耕多維感知、深度學(xué)習(xí)等多項AI關(guān)鍵技術(shù)，海康機器人助推AI與生產(chǎn)制造業(yè)的智慧碰撞，讓工業(yè)設(shè)備“慧眼如炬”，用AI賦能智能制造。