智能应用 影音
IBM
DForum

解决现场导入困境 AI与视觉检测集成发展潜力无穷

机器视觉是智能制造的先期应用,透过与AI的集成,可大幅提升产线的视觉检测效率。DIGITIMES

机器视觉与机器手臂是工厂自动化领域中两大代表性技术,经过长年发展,应用已臻成熟,近年来智能化浪潮袭全球制造业,工业物联网与AI被快速导入至生产系统中,机器视觉与机器手臂成为制造智能化的先期应用。

机器视觉是目前制造智能化发展最快的领域。机器视觉在制造业的应用包括量测、辨识、定位、检查,这4大项目中又以检查的应用最高,也就是AOI(Automated Optical Inspection;自动化学检测)。检测是产线中确保产品质量的重要环节,过去以人工视检为主,由于在产线中,人眼还是最具智能判断能力,因此即便现在自动化程度已高,多数传统制造业的产线还是以视检为检测主流。

 点击图片放大观看

机器视觉与机器手臂的集成已然成为趋势,目前多数系统厂商都有推出此类产品。图片提供:Robotic Industries Association

不过人眼终究有其极限,除了正确率与效率会因长时间作业而递减外,速度较快、小体积产品与细小瑕疵的检测,人眼都无能为力,此外视检也会因作业人员对良品的定义不同,导致出货产品质量标准不一,因此现在高度自动化产线中,视检已然被AOI取代。

AOI所使用的机器视觉架构包括光源、镜头与视觉处理软件,透过镜头快速撷取物件影像,再由后端的视觉处理软件判断物件质量。机器视觉发展已久,无论是影像传感器或通讯标准都已成熟,在高度自动化系统中,应用也相当普及,不过就如前文所叙,在智能化趋势下,机器视觉已开始改变。

机器视觉AI化  系统商须掌握软硬两端技术

近年来机器视觉的最大演进是结合AI。过去AOI与自动化系统深度结合,其架构完全嵌合在高速、大量的制造系统中,而为了配合高速生产,架构中的所有软硬件条件都因应单一产品调整至最佳化,由于产品种类少,并不要求弹性。不过近年来受消费性市场影响,制造业少量多样生产的比例开始提升,弹性成为智能制造系统的设计重点,在此情况中,AI适时崛起,让机器视觉开始进化。

AI提升了机器视觉的弹性与效率,除了维持机器视觉的高速判别外,透过深度学习算法,AOI设备可自主学习对产品的检测标准,并快速复制到其它产线,让整厂制造系统的良品标准一致,同时简化了设备上线使用时的设定难度。

设定难度的简化加上高弹性应用特色,让厂商将机器视觉的设置触角延伸到产线的更前端。一般检测都是在产线的最末端,而到此环节的瑕疵品处理,不是淘汰丢弃就是送回前端改善,无论哪里一种方式都会耗费大量资源。

现在有制造商将机器视觉设置在产线中各环节,一旦发现瑕疵,就立即通知该站工作人员改善,如此就可避免后续工作站继续加工已有瑕疵的产品,造成时间与物料资源的浪费。

虽然机器视觉与AI的结合可带来极佳成效,不过要实际导入,仍需克服重重困难。现在AI的主流算法是机器学习,在多数应用中则再深入使用机器学习(Machine Learning)的分支–深度学习(Deep Learning),不管是机器学习或深度学习,要上线使用前,都必须先建立训练模型(Training),让数据先再训练模型中跑过,再将结果下载到终端使用,而现在实际导入会遇到两大问题,一是训练模式与现场设备的匹配问题,二是导入应用后发现与训练模式的成效有落差。

制造现场的状况复杂,训练端所完成的模式必须要与现场端的设备匹配,AI才能发挥预期效能,不过这点目前看来有其困难,多数智能制造的POC(Proof of Concept;概念性验证)受阻的原因也在此。另一个问题则是训练模式的效能未能如预期发生在现场设备上,会造成此状况的原因在于系统厂商对AI软硬件软硬件的掌握度不足。

深度学习算法的神经网络相当复杂,市场上的硬件加速器种类也非常多,同一神经网络运行在不同加速器上有可能产生极大差异,造成最终结果不同。不过这问题看似复杂但并非无解,目前工业领域最常用神经网络约有20种,这20种神经网络涵盖了现在80%的应用范围,在硬件方面,则不外乎Google的TPU、NVIDIA的GPU与两家CPU大厂Intel、AMD的AI处理器,系统厂商必须了解不同神经网络与硬件加速器匹配效益,才能让终端设备的运行合乎预期。

AI视觉加上机器手臂  制造系统弹性更佳

机器视觉除了作为AOI检测外,与机器手臂集成,让系统有眼(机器视觉)、有手(机器手臂)、有脑(AI),将可大幅提升产线弹性,目前多数系统厂商也朝此方向走。与机器视觉集成的大多是关节型机器手臂,透过建置于作业区域与手臂上的工业相机,判断出物件位置,再引导手臂调整角度与路径完成动作。

这类型集成视觉与手臂的系统,大多用在对高弹性有需求的产线系统中,不过在导入前的设定较为复杂,而且运行时必须运算摄影机所传回的影像数据,动作难与现行机器手臂相比,在速度提升前,在现场应用仍受局限。

观察智能制造的发展现况,视觉检测目前是应用最快的一环,这与AI在其它领域的发展一致,影像识别占了现在AI所有应用的70%以上。主因在于AI视觉检测可立即在制造系统上看出成效,相较于现在常见的另一智能制造趋势–设备预诊,其效益浮现则须一段时间,因此制造业者对前者的导入意愿相对较高,至于机器视觉与机器手臂的集成,虽然运算速度与现场应用仍有提升空间,但现已有多数厂商投入,上述问题将可陆续解决,未来发展值得期待。


  •     按赞加入DIGITIMES智能应用粉丝团
更多关键字报导: AOI 验证性概念(POC) 机器视觉 AI