机器视觉在智能制造中的应用与产业发展

2021-01-13 03:13:24卫晶
家园·建筑与设计 2021年15期
关键词:机器视觉智能制造产业发展

卫晶

摘要:在我国推进制造强国的发展过程中,智能制造是十分重要的途径,在这之中机器视觉技术成为了智能制造的核心技术。在本文的论述中从技术概念出发,论述了机器视觉技术在智能制造领域中的应用以及产业发展。

关键词:机器视觉;智能制造;应用;产业发展

引言

我国是一个世界制造大国,但还不是制造强国,存在的突出问题主要在于自主创新能力不强、资源利用效率低等,产业结构调整刻不容缓,智能制造(SmartManufacturing,SM)为我国制造业跨越发展、实现制造强国目标提供了历史性机遇[1]。人工智能(ArtificialIntelligence,AI)与先进制造技术融合发展,促进了制造业向人-信息-物理系统(Human-Cyber-PhysicalSystems,HCPS)的新一代智能制造的转型升级。制造业信息化专家、中国工程院院士李培根认为智能制造的本质和真谛是利用大数据、AI等先进技术认识和控制制造系统中的不确定性问题,以达到更高的目标。发达国家纷纷运用工业大数据、物联网、云计算、工业网络安全、虚拟现实(VirtualReality,VR)、工业机器人、3D打印、AI、知识工作自动化等信息网络技术大力发展智能制造。由此,新一轮工业革命席卷全球。

1、技术概念

机器视觉技术是一项覆盖多领域学术技术的科学技术[1]。对机器视觉技术的理解,首先要谈到人类视觉。人类视觉是引发机器视觉研究的基础。机器视觉模拟人的视觉感官,以求实现如人一样的对面前事物进行分辨,从而替换人力,嵌入机器设备而使之改造升级。需重点提出的是,机器视觉不仅能仿人类视觉能力,同时还能对所“见”物体展开精确测量与定位等更高级的操作,它在某种意义上超越了人的视觉。

目前,CCD摄像机是机器视觉技术得以产生价值的关键。机器视觉技术发挥功能就在于要对信息进行提取,而CCD摄像机就像是它的瞳孔,为它进行提取信息、监测信息等操作。CCD摄像机所获得信息都是以数据的形式收入电子信息软件,然后实现以信息技术为依托的全方位检测。可以说,CCD摄像机为机器视觉技术的操作平添了信息提取力,而信息技术则为它平添了超强的判断力、数据分析力。

2、机器视觉在智能制造中的应用

2.1、定位和引导

定位和引导技术是自动导引小车的核心技术之一。机器视觉在定位和引导中起重要作用,近年来,无预设参照介质的同步定位与建图技术得到迅猛发展。与传统磁条、射频识别、激光反射板等导引技术不同,该技术不必预设参照物就能够实现自主避障、自主规划路径,从而大幅度降低成本。

2.2、检测

机器视觉检测技术主要应用于目标表面缺陷检测,传统的缺陷检测主要是从形状、颜色、面积、圆度、角度、长度、宽度、长宽比等信息来确定被检测目标是否符合标准。随着深度学习的发展与应用,视觉检测在人眼难以直接量化的特征方面的表现尤其亮眼。南京航空航天大学开发了一套新型汽车表面缺陷检测系统,使用5个CCD相机同步采集汽车5个侧面的图像,利用多尺度Hessian矩阵融合方法选取图像中的缺陷区域,然后提取缺陷形状、尺寸、统计量、散度特征并运用支持向量机识别缺陷类别,划痕、凹陷识别率分别达97.1%、95.6%,适用于进口车辆海关检测。

2.3、测量

机器视觉技术可以用来测量,根据相机的用量和设计位置,可以实现对二维平面图像的采集,也可以实现对三维立体图像的采集。传统的2D图像分析技术主要是提取灰度图像的特征信息来测量目标物体的X-Y平面,无法测量目标物体的高度、厚度、曲率和体积等3D参数。与2D目标检测相比,3D目标检测结合了深度信息,能够提供目标的位置、大小以及方向等空间信息,在自动驾驶、机器人领域应用广泛。

2.4、识别

常见的视觉识别技术主要有光学字符识别、一维码/二维码识别技术、人脸识别技术、产品缺陷识别、分类识别等。其中,OCR技术已广泛应用于食品标签识别、票据识别、产品溯源、仪表读数识别等领域,并且,机器视觉与深度学习技术相结合已能够识别更为复杂的目标。

3、机器视觉产业

3.1、产业发展

20世纪50年代,人们开始研究二维图像的统计模式识别;60年代,ROBERTS运用计算机程序从数字图像中提取出诸如立方体、楔形体、棱柱体等多面体的三维结构并对物体形状及物体的空间关系进行描述,开创了以理解三维场景为目的三维机器视觉研究;70年代中期,MIT人工智能實验室正式开设“机器视觉”的课程,DavidMARR提出了著名的Marr理论;到了80年代,在全球范围内掀起了一股研究热潮,不仅出现了基于感知特征群的物体识别理论框架、主动视觉理论框架、视觉集成理论框架等概念,而且产生了很多新的研究方法和理论;90年代,机器视觉理论得到进一步的发展,同时开始在工业领域得到应用。早期的视觉算法大致可以分为特征感知、图像预处理、特征提取、特征筛选、推理预测与识别5个步骤,不但需要手工设计特征,还要在此基础上设计合适的分类器算法。卷积神经网络(ConvolutionalNeuralNetworks,CNN)的出现,使得不需要手动设计特征、不挑选分类器的视觉系统得以实现。1998年深度学习网络的最初原型LeNet被提出,2009年李飞飞教授建立了ImageNet数据集并于次年创办了首届ImageNet图像识别挑战赛,随后AlexNet、VGG、GoogLeNet、ResNet模型分别在该赛事中夺冠,并涌现出一大批创业公司,大力推动了机器视觉的发展。时至今日,机器视觉获得了蓬勃发展,新概念、新理论不断涌现,基于深度学习的视觉系统已在工业界大量应用。

3.2、机器视觉在工业智能化生产中的发展趋势

在工业智能化生产之中应用机器视觉技术,表现出如下优势:(1)可以借助机器在非接触的状态下进行测量,也可以针对人工难以检测的区域进行测量。(2)相比于人眼,机器对光的敏感度更高,可以用于人眼无法识别的红外及微弱光的检测,有效避免了人眼检测的缺陷,在一定程度上拓展了人眼的视觉范围。(3)机器与人不同,不会出现视觉疲劳,因此可以维持长期稳定的工作。(4)通过机器视觉技术的形式可以在一定程度上节约人力资源,为企业节约生产成本,以实现增收的目的。

一般而言,图像采集的速度直接取决于硬件的处理速度,如果硬件的质量较高,则可以在一定程度上减小对主机造成的负担,让系统的图像分辨率、采集率和图像处理速度得到切实提升。此外,软件的质量也十分关键,通过高质量的软件可以切实提升机器的命令执行速度,让图像处理效率得到充分保障;其次,要求积极研制具有良好适应性且效率较高的智能算法,通过较为稳定高效的智能算法,让系统的分析处理速度得到切实提升,实现对于复杂环境中系统抗干扰能力的充分改善,让系统的即时性和稳定性得到切实提升,同时,强化系统的环境适应性和鲁棒性能。

4、结语

时至今日,机器视觉获得了蓬勃发展,对新一代智能制造的转型升级和发展起了重要的推动作用。目前我国的机器视觉技术水平仍然有待提升,要对于这一技术继续探索,努力攻克现存的技术难题,以促进其在工业制造领域中的智能化和自动化应用,为我国早日成为现代化科技强国奠定坚实的基础。

参考文献:

[1]郑达.自主性的智能化艺术[J].画刊,2020(10):26-28.

[2]孙郑芬,吴韶波.机器视觉技术在工业智能化生产中的应用[J].物联网技术,2020,10(08):103-105+108.

猜你喜欢
机器视觉智能制造产业发展
“互联网+”成为产业发展新常态的思考
景德镇陶瓷文化创意产业发展策略探析
科技资讯(2016年18期)2016-11-15 20:48:02
大场景三维激光扫描仪在研究生实践教学培养中的应用
科教导刊(2016年25期)2016-11-15 17:53:37
基于机器视觉的工件锯片缺陷检测系统设计
软件工程(2016年8期)2016-10-25 15:55:22
红色旅游产业现状分析及发展中管理问题研究
基于机器视觉技术的动态“白带”常规检测系统的开发
科技视界(2016年20期)2016-09-29 11:11:40
机器视觉技术在烟支钢印检测中的应用
企业导报(2016年10期)2016-06-04 11:37:43
荆州港口物流发展对策研究
企业导报(2016年5期)2016-04-05 13:12:07