作者：凌華科技IOT?策略解決方案與技術(shù)事業(yè)處智能工廠事業(yè)中心協(xié)理楊家瑋

在傳統(tǒng)的工業(yè)和制造環(huán)境中，監(jiān)控工人安全、提高操作人員效率以及改進質(zhì)量檢測都是體力工作。如今，基于人工智能的機器視覺技術(shù)取代了許多低效的、勞動密集型的操作，并提高了可靠性、安全性和效率。本文將探討如何通過部署人工智能相機，進一步提高性能，因為用于賦能人工智能機器視覺的數(shù)據(jù)就來自相機本身。

支持人工智能的機器視覺

根據(jù)IoT AnalyTIcs報告，2020年，制造業(yè)和工業(yè)中的人工智能機器視覺市場規(guī)模約為41億美元，預(yù)計到2025年將增加至152億美元，年復(fù)合年增長率（GAGR）為30%，而傳統(tǒng)機器視覺部署的年復(fù)合增長率僅為6.5%。如此高的年復(fù)合增長率是因為下一代實時邊緣人工智能機器視覺的應(yīng)用不僅限于質(zhì)量保證和產(chǎn)品檢測應(yīng)用。

工人的安全是制造業(yè)和工業(yè)的重中之重，支持人工智能的智能攝像頭有助于在這些環(huán)境中實現(xiàn)自動化的監(jiān)控和檢測。必須確保在潛在不安全環(huán)境（例如危險的機械設(shè)備和危險的材料）中工作的員工、承包商和其他第三方操作人員的安全。行為和位置（POSE）檢測生成的信息可以表明機器操作人員是否處于危險之中，是否遵循標準的操作流程（SOP）或者以提供生產(chǎn)力和效率的方式在工作。最后，自動光學檢測（AOI）可以提高質(zhì)量控制的速度和準確性，即使對于隱形眼鏡等難以看見的產(chǎn)品也能夠如此。

人工智能助力智能工人安全

工業(yè)環(huán)境造成的死亡人數(shù)在全球范圍內(nèi)并非聞所未聞。在評估工人安全時，設(shè)施還必須考慮非致命的工傷。除了情感創(chuàng)傷意外，通常還需要考慮經(jīng)濟等因素。

工業(yè)和制造業(yè)通常采用人工監(jiān)督和光幕來確保工人的安全。然而，人類無法做到無處不在，無所不能，因此會面臨出錯的危險，另外，安全光幕也有其本身的局限性。

電子圍籬

在現(xiàn)代化的智能工廠中，人們經(jīng)常在具有潛在危險的設(shè)備（例如機械臂）周圍進行工作。安全光幕通過在機器接入點和周圍創(chuàng)建一個感應(yīng)屏幕來保護人員免受傷害。然而，它們占用大量的地面空間，并且難以部署，缺乏靈活性。在某些情況下，安全光幕的響應(yīng)時間有限，從而帶來其他的問題。

傳統(tǒng)的機器視覺解決方案使用靈活且易于部署的IP攝像頭和人工智能模塊，但是延遲還是比較大，因此不適合需要立即響應(yīng)的應(yīng)用場景。

圖 1：安全光幕占用地面空間，部署困難，缺乏靈活性，有時響應(yīng)能力還有局限性。人工智能相機最大限度地減少了延遲，減少了部署空間以及對帶寬的要求，并且易于部署和維護。

凌華科技的NEON-2000系列多合一人工智能相機可以解決延遲的問題。在將結(jié)果和指令發(fā)送到相關(guān)設(shè)備（例如機械臂）之前，他會捕獲圖像并執(zhí)行所有與人工智能相關(guān)的操作（見圖1）。與光幕和傳統(tǒng)機器視覺設(shè)施相比，使用多合一智能相機可以最大限度地減少延遲、減少部署空間和對帶寬的要求，并且易于安裝和維護。

實時的機器視覺人工智能通過提醒工人進入不安全區(qū)域并記錄該信息以對工人進行再度培訓，為增強工人的安全提供好處。記錄過去時間的數(shù)據(jù)，還可能對未來有所幫助。例如，如果工人接近危險區(qū)域，機械臂并不需要完全關(guān)閉，而是進入一個功能安全的流程循環(huán)。諸如此類的例行程序不僅可以提高工人的安全性，還可以提高工廠的運營效率。

智能加油

當加油車到達制造工廠時，它可能會帶來許多安全隱患，而這些問題可以通過智能人工智能視覺輕松解決。首先，如果制動不正確或者失靈，可能導致車輛翻滾。訓練人工智能機器視覺系統(tǒng)來監(jiān)控車輛的運動，當其狀態(tài)發(fā)生改變時可以立即發(fā)出警報。

相關(guān)設(shè)施還必須在加油的過程中考慮操作人員的位置，因為存在不同類型的分區(qū)違規(guī)。確保所有現(xiàn)場工人都了解存在的安全風險變得至關(guān)重要。例如，有必要在車輛的四個角放置路錐，并確保為車輛加油的操作員穿著合適的個人防護裝備——人工智能視覺可以執(zhí)行所有的安全檢查，以確認所有的流程都是正確的。（參見圖2）

圖2：雖然主管在現(xiàn)場可以加強安全流程的執(zhí)行，但并不總是可行的。如果有人闖入危險區(qū)域，人工智能機器視覺就可以立即發(fā)出警報。

來自人工智能機器視覺系統(tǒng)的即時警報可以警告操作員的安全漏洞并防止其受傷。它還創(chuàng)建了問責制；如果有人在沒有穿個人防護裝備的情況下進入了不安全的區(qū)域，那么記錄的圖像可以標記錯誤并教育員工，以防止將來再次犯錯。

行為和位置檢測

對于制造業(yè)而言，“周期時間“是生產(chǎn)效率的關(guān)鍵性能指標。它表示一個團隊在產(chǎn)品準備好發(fā)貨或之前花費在生產(chǎn)項目上的時間。使用人工智能相機技術(shù)監(jiān)控員工的行為和位置，有助于執(zhí)行標準化流程（SOP）并提高員工的效率，縮短周期時間。

圖 3：電子制造產(chǎn)線上的行為和位置檢測，有助于提高生產(chǎn)力，并改善訂單、數(shù)量和生產(chǎn)線之間的平衡。

來自實時視頻的行為和位置檢測扮演者至關(guān)重要的作用，它可以將數(shù)字內(nèi)容和信息疊加在模擬量的世界上。行為和位置使用一組骨骼標志點（例如手、肘或肩）來描述身體的位置和運動。

人工智能機器視覺讓工廠操作員和工人能夠?qū)Ｗ⒂谏眢w位置是如何影響他們的工作。行為和位置數(shù)據(jù)是一個很好的培訓工具，可以知道操作員如何放置手臂和手才更符合人體工程學、更高效地工作；它還可以改善人們的姿勢，這也是另外一個顯著的優(yōu)勢。（見圖3）

跟蹤操作人員是否在生產(chǎn)線上的工作站上，也可以實現(xiàn)自動化并驗證時間表。監(jiān)控他們是否積極遵守標準流程，確保質(zhì)量管理和生產(chǎn)線平衡。

AI?Smart AOI 基于人工智能的智能AOI

利用人工檢查產(chǎn)品的質(zhì)量，其耗時有長有短，最終會導致產(chǎn)線的瓶頸。傳統(tǒng)的AOI（自動光學檢測）機器視覺，憑借其卓越的準確性和高效率，能夠比專業(yè)的質(zhì)量控制人員更快地檢測到易于發(fā)現(xiàn)的產(chǎn)品缺陷。但是，當缺陷難以檢測時，例如隱形眼鏡上的缺陷，這些機器視覺系統(tǒng)在準確度和一致性方面則難以滿足實際需求。

雖然大多數(shù)制造商采用隨機抽樣的方法來測試產(chǎn)品是否存在缺陷，但是這種方法在隱形眼鏡的生產(chǎn)線上是不適用的，因為每片鏡片都需要檢查。質(zhì)量控制人員每班最多只能檢查4000個鏡片，因此產(chǎn)生了生產(chǎn)瓶頸。此外，誤檢和漏檢也是不可避免的。

由于隱形眼鏡是透明的，因此，采用機器數(shù)據(jù)的檢測方式歷來是這個行業(yè)面臨的重大挑戰(zhàn)。傳統(tǒng)的AOI依賴固定的幾何算法來發(fā)現(xiàn)缺陷，但從透明物體中獲取高質(zhì)量的圖像具有較大的難度，從而導致檢測的性能無法被客戶接受。

使用基于人工智能的智能相機搜集數(shù)據(jù)用以訓練人工智能算法，并持續(xù)迭代檢測的性能，以此提供更好的解決方案?；谌斯ぶ悄艿闹悄芟到y(tǒng)可以識別常見的缺陷，例如毛刺、氣泡、邊緣粗糙、顆粒、劃痕等等（見圖4），同時會保留檢查日志以供客戶參考。

圖 4：基于人工智能的智能AOI甚至可以檢測透明隱形眼鏡中的微小缺陷，與之前使用人工的質(zhì)量控制流程相比，檢測效率得以顯著提升

相比人工視覺檢測，每個基于人工智能的智能相機可以檢測50 多倍數(shù)量的隱形眼鏡，而且檢測精度從 30% 提高到 95%。

結(jié)論

利用源自人工智能機器視覺技術(shù)所產(chǎn)生的強大且實時的數(shù)據(jù)，制造商可以獲得更多的正常運行時間、獲得預(yù)防性維護的能力、提高生產(chǎn)力和確保工人安全等等諸多受益。

本文重點提及的人工智能機器視覺應(yīng)用，需要人工智能算法進行深度學習。開發(fā)人工智能算法的軟件專家需要一個智能的、可靠的平臺來執(zhí)行人工智能模型推理。預(yù)裝EVA（Edge Vision AnalyTIcs，邊緣視覺分析）軟件的人工智能相機解決了傳統(tǒng)人工智能視覺系統(tǒng)常見的許多問題，提高了兼容性、加快了安裝速度，并最大限度地減少了維護工作。

想要成功部署人工智能視覺項目，工程師可能需要長達12周的時間來進行概念驗證（PoC）。選擇經(jīng)過優(yōu)化的相機和人工智能推理引擎、重新訓練人工智能模型、優(yōu)化視頻流等都需要較長的學習時間。然而，EVA軟件憑借其流水線的結(jié)構(gòu)優(yōu)勢，簡化了所有的步驟，并將PoC的時間縮短到2周以內(nèi)，這也成為啟動人工智能視覺項目的理想起點。