面向制作和工业环境监控运行的人工智能机器视觉

在传统的工业和制作环境中，监控工人安保、提高操作人员效率以及改良品质检测都是体力上班。如今，基于人工智能的机器视觉技术取代了许多低效的、休息密集型的操作，并提高了牢靠性、安保性和效率。本文将讨论如何经过部署人工智能相机，进一步提高性能，由于用于赋能人工智能机器视觉的数据就来自相机自身。

允许人工智能的机器视觉

依据IoTAnalytics报告，2020年，制作业和工业中的人工智能机器视觉市场规模约为41亿美元，估量到2025年将参与至152亿美元，年复合年增长率（GAGR）为30%，而传统机器视觉部署的年复合增长率仅为6.5%。如此高的年复合增长率是由于下一代实时边缘人工智能机器视觉的运行不只限于品质保障和产品检测运行。

工人的安保是制作业和工业的重中之重，允许人工智能的智能摄像头有助于在这些环境中成功智能化的监控和检测。必定确保在潜在不安保环境（例如风险的机械设备和风险的资料）中上班的员工、承包商和其余第三方操作人员的安保。行为和位置（POSE）检测生成的消息可以标明机器操作人员能否处于风险之中，能否遵照规范的操作流程（SOP）或许以提供消费劲和效率的模式在上班。最后，智能光学检测（AOI）可以提高品质控制的速度和准确性，即使关于隐形眼镜等难以看见的产品也能够如此。

人工智能助力智能工人安保

工业环境形成的死亡人数在环球范围内并非闻所未闻。在评价工人安保时，设备还必定思考非致命的工伤。除了情感创伤异常，通常还须要思考经济等要素。

工业和制作业通常驳回人工监视和光幕来确保工人的安保。但是，人类无法做到无处不在，无所不能，因此会面临出错的风险，另外，安保光幕也有其自身的局限性。

电子围篱

在现代化的智能工厂中，人们经常在具备潜在风险的设备（例如机械臂）周围启动上班。安保光幕经过在机器接入点和周围创立一个感应屏幕来包全人员免受损伤。但是，它们占用少量的低空空间，并且难以部署，不足灵敏性。在某些状况下，安保光幕的照应期间有限，从而带来其余的疑问。

传统的机器视觉处置方案经常使用灵敏且易于部署的IP摄像头和人工智能模块，但是提前还是比拟大，因此不适宜须要立刻照应的运行场景。

图 1：安保光幕占用低空空间，部署艰巨，不足灵敏性，有时照应才干还有局限性。人工智能相机最大限制地缩小了提前，缩小了部署空间以及对带宽的要求，并且易于部署和保养。

凌华科技的NEON-2000系列多合一人工智能相机可以处置提前的疑问。在将结果和指令发送到关系设备（例如机械臂）之前，他会捕捉图像并执行一切与人工智能关系的操作（见图1）。与光幕和传统机器视觉设备相比，经常使用多合一智能相机可以最大限制地缩小提前、缩小部署空间和对带宽的要求，并且易于装置和保养。

实时的机器视觉人工智能经过提示工人进入不安保区域并记载该消息以对工人启动再度培训，为增强工人的安保提供好处。记载过去期间的数据，还或许对未来有所协助。例如，假设工人凑近风险区域，机械臂并不须要齐全封锁，而是进入一个配置安保的流程循环。诸如此类的例行程序不只可以提高工人的安保性，还可以提高工厂的运营效率。

智能加油

当加油车抵达制作工厂时，它或许会带来许多安保隐患，而这些疑问可以经过智能人工智能视觉轻松处置。首先，假设制动不正确或许失灵，或许造成车辆翻腾。训练人工智能机器视觉系统来监控车辆的静止，当其形态出现扭转时可以立刻收回警报。

关系设备还必定在加油的环节中思考操作人员的位置，由于存在不同类型的分区违规。确保一切现场工人都了解存在的安保风险变得至关关键。例如，有必要在车辆的四个角搁置路锥，并确保为车辆加油的操作员衣着适宜的团体防护装备——人工智能视觉可以执行一切的安保审核，以确认一切的流程都是正确的。（参见图2）

图2：只管主管在现场可以增强安保流程的执行，但并不总是可行的。假设有人闯入风险区域，人工智能机器视觉就可以立刻收回警报。

来自人工智能机器视觉系统的即时警报可以正告操作员的安保破绽并防止其受伤。它还创立了问责制；假设有人在没有穿团体防护装备的状况下进入了不安保的区域，那么记载的图像可以标志失误并教育员工，以防止未来再次犯错。

行为和位置检测

关于制作业而言，“周期期间“是消费效率的关键性能目的。它示意一个团队在产品预备好发货或之前破费在消费名目上的期间。经常使用人工智能相机技术监控员工的行为和位置，有助于执行规范化流程（SOP）并提高员工的效率，缩短周期期间。

图 3：电子制作产线上的行为和位置检测，有助于提高消费劲，并改善订单、数量和消费线之间的平衡。

来自实时视频的行为和位置检测表演者至关关键的作用，它可以将数字内容和消息叠加在模拟量的环球上。行为和位置经常使用一组骨骼标志点（例如手、肘或肩）来形容身材的位置和静止。

人工智能机器视觉让工厂操作员和工人能够专一于身材位置是如何影响他们的上班。行为和位置数据是一个很好的培训工具，可以知道操作员如何搁置手臂和手才更合乎人体工程学、更高效地上班；它还可以改坏蛋们的姿态，这也是另外一个清楚的长处。（见图3）

跟踪操作人员能否在消费线上的上班站上，也可以成功智能化并验证期间表。监控他们能否踊跃遵守规范流程，确保品质治理和消费线平衡。

AI Smart AOI 基于人工智能的智能AOI

应用人工审核产品的品质，其耗时有长有短，最终会造成产线的瓶颈。传统的AOI（智能光学检测）机器视觉，仰仗其出色的准确性和高效率，能够比专业的品质控制人员更快地检测到易于发现的产品毛病。但是，当毛病难以检测时，例如隐形眼镜上的毛病，这些机器视觉系统在准确度和分歧性方面则难以满足实践需求。

只管大少数制作商驳回随机抽样的方法来测试产品能否存在毛病，但是这种方法在隐形眼镜的消费线上是不实用的，由于每片镜片都须要审核。品质控制人员每班最多只能审核0个镜片，因此发生了消费瓶颈。此外，误检和漏检也是无法防止的。

由于隐形眼镜是透明的，因此，驳回机器数据的检测模式从来是这个行业面临的严重应战。传统的AOI依赖固定的几何算法来发现毛病，但从透明物体中失掉高品质的图像具备较大的难度，从而造成检测的性能无法被客户接受。

经常使用基于人工智能的智能相机搜集数据用以训练人工智能算法，并继续迭代检测的性能，以此提供更好的处置方案。基于人工智能的智能系统可以识别经常出现的毛病，例如毛刺、气泡、边缘毛糙、颗粒、划痕等等（见图4），同时会保管审核日志以供客户参考。

图 4：基于人工智能的智能AOI甚至可以检测透明隐形眼镜中的庞大毛病，与之前经常使用人工的品质控制流程相比，检测效率得以清楚优化

相比人工视觉检测，每个基于人工智能的智能相机可以检测50 多倍数量的隐形眼镜，而且检测精度从 30% 提高到 95%。

论断

应用源自人工智能机器视觉技术所发生的弱小且实时的数据，制作商可以取得更多的反常运转期间、取得预防性保养的才干、提高消费劲和确保工人安保等等诸多受益。