康耐視課堂-易于使用的“真”人工智能

如今，我們對機器學習、深度學習、人工智能這些詞早已耳熟能詳，但仍有許多人不知道如何將其應用在實際生產上。使用精巧的機器視覺技術可以替代人工檢驗員加快檢驗速度并提高準確性，同時管控產品和材料的變動。但快速、準確的傳統(tǒng)機器視覺技術需要大量編程工作，并要求工程師具備操作圖像工具完成某項工作的能力（比如將一種工具的輸出作為其他工具的輸入，以獲取所需的最終結果，這被稱為級聯過程），這對于新人來說十分不友好，反而容易弄巧成拙。

采用邊緣學習技術的康耐視In-Sight 2800視覺系統(tǒng)，就能省去這些繁瑣過程，它將強大的人工智能和精巧的機器視覺帶入了工廠車間，完全不需要具備人工智能或機器視覺工具的相關知識就能上手操作。

康耐視In-Sight 2800視覺系統(tǒng).png

功能強大而不復雜的人工智能技術

邊緣學習是人工智能的一個子集，使用一組經過預訓練的算法直接在設備或“邊緣”上進行處理。邊緣學習可用于目前采用傳統(tǒng)視覺攝像機，或仍依賴于人工檢驗的多種行業(yè)應用。部署該技術的In-Sight 2800能夠識別和分類細微且重要的缺陷，即便是精巧的傳統(tǒng)機器學習工具也做不到這一點。

該分類方式對工藝改進具有額外、長期的好處。下面介紹幾個其在熱門行業(yè)中的應用案例：

01汽車應用

注塑電子接插件在現代汽車中無處不在，它們給大量元器件輸送電力和信號。接插件必須完全、準確扣合在一起，才能確保電氣連接的長期性。而在零件或車輛進入生產的下一步之前，還必須對電氣連接加以確認。且接插件含有黑色或深色塑料，使得其細節(jié)難以發(fā)現，通常需要用檢測攝像機在不同角度下才能看到。

In-Sight 2800視覺系統(tǒng)采用邊緣學習技術，可以用幾組含有好壞連接的帶標簽圖片進行訓練，從而能快速將接插件分為“OK”或“NG”類別。若推出了新的接插件設計，還可通過生產線上的現有新示例，重新訓練邊緣學習工具。

02電子器件應用

許多印刷電路板(PCB)含有指示狀態(tài)的LED指示燈。在某個應用示例中，可能需要識別哪些指示燈顯示電源(PWR)狀態(tài)、傳輸(TX)狀態(tài)或關閉狀態(tài)?？紤]到LED光線昏暗、布置距離近以及易混淆的顯示背景，傳統(tǒng)的機器視覺有時候難以區(qū)分指示燈的狀態(tài)。傳統(tǒng)機器視覺通常利用像素計數工具進行決策。這需要設置具體位置在各種條件下的亮度閾值，該過程需要具備高級機器視覺編程經驗。

康耐視In-Sight 2800內嵌工具等邊緣學習工具可以用幾組帶標簽的OFF、PWR和TX狀態(tài)圖片進行訓練，或根據需要直接通過攝像機進行訓練。在經過簡短訓練之后，這些工具就可以按照這三種狀態(tài)，對PCB進行可靠地分類和排序。

In-Sight 2800電子器件應用.png

03醫(yī)療/制藥應用

某些醫(yī)療和制藥應用中需要玻璃瓶自動按預定高度灌裝藥物。在加蓋之前必須確認灌裝高度在合理容差范圍內。但玻璃瓶的透明和反射性質，再加上其內容物，導致傳統(tǒng)機器視覺難以一致地檢出灌裝高度。

邊緣學習可識別圖片中指示灌裝高度的關鍵部位，忽略由圖片反射、折射或其他干擾性變化產生的混淆。灌裝太高或太低都會遭到拒收，只有在容差范圍內才會通過。

04包裝應用

在生產線中，瓶裝軟飲料和果汁灌裝后用螺口蓋或閉塞物密封。如果旋轉蓋螺紋錯位或在擰蓋過程中損壞，就會產生間隙并可能造成污染或漏液。正確密封的瓶蓋很容易確認，但導致瓶蓋未充分擰緊的細微之處有很多。不管是速度，還是瓶蓋幾乎密封而又未完全封死的各種方式，都給傳統(tǒng)的機器視覺帶來了一大挑戰(zhàn)。

In-Sight 2800邊緣學習工具能夠通過識別一組標為合格的圖片，以及一組顯示瓶蓋有微小裂縫但人眼幾乎無法察覺的圖片。然后這種工具就可以按生產線速度將完全密封的瓶蓋歸類為“OK”，將其他所有瓶蓋歸類為“NG”。這種技術大大減小了通過的缺陷率，同時造價不貴且易于使用。

康耐視In-Sight 2800包裝應用.png