用于监控制造业和工业环境的人工智能视觉

制造商可以通过增加正常运行时间、利用预防性维护等从人工智能机器视觉技术中受益。

通过Chia-Wei杨 2021年10月6日

礼貌:Adlink

学习目标

利用实时人工智能机器视觉数据的制造商可以在许多方面改善制造运营。
这些任务过去是手工完成的，但现在可以自动完成。
人工智能视觉系统可以提高工人的安全，并向工人提供潜在危险或危险的警报。

在传统的工业和制造环境中，监测工人安全、提高操作效率和改进质量检查都是体力活。如今，人工智能支持的机器视觉技术取代了许多效率低下、劳动密集型的操作，提高了可靠性、安全性和效率。通过部署AI智能相机，可以进一步提高性能，因为用于增强AI机器视觉的数据来自相机本身。

人工智能机器视觉

2020年，制造业和工业环境的人工智能机器视觉市场规模为41亿美元物联网分析报告预计到2025年，美国的销售额将增长至152亿美元。这是30%的复合年增长率(CAGR)，而传统机器视觉部署的CAGR为6.5%。如此高的CAGR是因为下一代实时边缘AI机器视觉不仅限于质量保证和产品检验应用。

工人安全是制造业和工业环境中的首要任务，支持人工智能的智能摄像头有助于在这些环境中自动监控和检查。确保在潜在不安全环境(如危险机械设备或危险材料)中工作的员工、承包商和其他第三方操作人员受到保护至关重要。行为和位置(POSE)检测产生的信息表明机器操作员是否处于危险之中，是否遵循标准操作程序(SOP)，或是否以提高生产力和效率的方式工作。自动化光学检测(AOI)也提高了质量控制的速度和准确性。

智能工人安全的人工智能

工业环境中的死亡事件并非闻所未闻。在评估工人安全时，工厂还必须考虑非致命的工伤。除了情感创伤，通常还有经济上的考虑。

工业和制造场所传统上使用人力监督和窗帘来确保工人的安全。然而，人类监督者不可能无处不在，看到一切，这是不可靠的，安全光幕也有其固有的局限性。

地理防御

在现代智能工厂中，人们经常使用机械臂等危险设备在具有潜在危险的区域工作。安全光幕通过创建一个感应屏幕来保护机器接入点和周边，保护人员免受伤害。然而，它们占用大量的空间，难以部署，缺乏灵活性。在某些情况下，安全光幕有限的响应时间可能会产生额外的问题。

传统的机器视觉解决方案使用灵活且易于部署的IP摄像头和AI模块，但存在相当大的延迟，因此不适用于需要立即响应的情况。

一体化的AI智能相机可以解决这个延迟问题。它捕获图像并执行所有与ai相关的操作，然后将结果和指令发送给相关设备，如机械臂[图1]。与光幕和传统的机器视觉实现相比，使用一体机智能摄像头可以最大限度地减少延迟，减少空间和带宽要求，并且易于安装和维护。

图1:安全光幕占用空间，难以展开，缺乏灵活性;有些已经达到了响应能力的极限。Adlink Neon-2000系列等多功能人工智能(AI)智能相机在将结果和指令发送给机械臂等相关设备之前，通过捕捉图像和执行人工智能相关操作来减少延迟。这将最大限度地减少延迟，减少空间和带宽要求，并且相机易于部署和维护。礼貌:Adlink

实时机器视觉人工智能提供了额外的好处，可以在用户进入不安全区域时提醒他们，并记录这些信息用于再培训，从而增强工人的安全。记录过去事件的数据在将来会很有帮助。例如，如果一名工人接近危险区域，机械臂不会完全关闭，而是会进入功能安全流程循环。这些可以帮助改善工人的安全以及提高工厂的运营效率。

人工智能视觉智能加油

当燃油车到达制造工厂时，智能人工智能视觉可能会解决多个安全问题。首先，如果刹车不正确或失灵，卡车可能会发生侧倾。训练AI机器视觉系统监控卡车的运动，使其能够在状态发生变化时立即发出警报。

在加油过程中，设施还必须考虑运营商的位置，因为存在不同类型的分区违规。确保所有现场工作人员都了解存在安全风险是至关重要的。例如，有必要在卡车的四个角落放置交通锥，并确保为卡车加油的操作人员佩戴适当的个人防护装备(PPE) - AI智能视觉可以执行所有安全检查，以确认正确满足程序[图2]。

图2:虽然主管可以在场加强安全程序，但并不总是可能的。如果有人闯入危险区域，AI智能机器视觉可以立即发出警报。礼貌:Adlink

来自人工智能机器视觉系统的即时警报可以警告操作员安全漏洞，防止受伤。它还创造了问责制;如果有人进入不安全区域而没有适当的个人防护装备，记录的图像可以标记错误，并教育员工防止未来的错误。

姿态检测教导避免重复伤害

对于制造业来说，“周期时间”是衡量生产效率的关键绩效指标。它表示团队在产品准备好发货之前生产一个项目所花费的时间。利用AI智能摄像头技术监控员工的行为和位置，有助于执行SOP，提高员工效率。

来自实时视频的姿态检测起着至关重要的作用，使数字内容和信息覆盖在模拟世界之上。POSE用一组骨骼地标点(如手、肘或肩膀)来描述身体的位置和运动。

人工智能机器视觉使工厂操作员和工人能够专注于物理位置如何影响他们的工作。POSE数据可以帮助训练操作员了解手臂和手的位置，从而更符合人体工程学和更有效地工作[图3]。

图3:电子生产线上的姿态检测可以帮助提高生产率，以及改善订单、数量和生产线平衡。礼貌:Adlink

跟踪操作员是否在生产线上的工作站上，还可以自动化和验证时间表。确保他们遵守SOP有助于确保质量控制和生产线平衡。

AI智能AOI隐形眼镜检查

手工产品质量检验费时、前后不一致，还会造成生产线瓶颈。传统的AOI机器视觉由于其卓越的准确性和效率，可以比专业的质量控制人员更快地检测出易于发现的缺陷。然而，当故障难以检测时，例如隐形眼镜上的缺陷，这些机器视觉系统就会达到其精度和一致性的极限。

虽然大多数制造商随机抽检产品的缺陷，但这在隐形眼镜生产线上是不可能的，因为每一个镜片都需要检查。质量控制人员每班最多只能查看4000个镜头，这造成了生产瓶颈。错误的发现率和漏检也是不可避免的。

由于隐形眼镜是透明的，实现基于机器视觉的检测一直是制造商的挑战。传统的AOI依赖于固定的几何算法来发现缺陷，但从透明物体中获取高质量的图像具有挑战性，这导致检测性能不可接受。

使用AI智能摄像头收集数据，训练AI算法并迭代检测性能增益，提供了更有利的解决方案。AI智能系统可以识别最常见的缺陷，包括毛刺、气泡、边缘、颗粒、划痕等[图4]，并维护检查日志供客户参考。

图4:AI智能AOI可以检测出透明隐形眼镜的微小缺陷，与之前使用的人工质量控制流程相比，检出率显著提高。礼貌:Adlink

每个AI智能相机可以检测比人工视觉检测多50倍的镜头，精度从30%提高到95%。

人工智能的机器视觉提高了正常运行时间和安全性

利用来自人工智能机器视觉技术的强大实时数据的制造商可以增加正常运行时间，利用预防性维护提高生产力和工人安全，以及许多其他工作场所的好处。

AI机器视觉应用需要深度学习的AI算法。开发AI算法的软件专家需要一个智能、可靠的平台来执行AI模型推理。预装边缘视觉分析(EVA)软件的AI智能摄像头可以解决传统AI视觉系统常见的许多问题，提高兼容性，加快安装速度，并最大限度地减少维护问题。

为了成功部署一个人工智能视觉项目，工程师可能需要长达12周的时间来进行概念验证。这需要相当长的时间来克服选择优化的摄像机和AI推理引擎、重新训练AI模型和优化视频流的学习曲线。EVA软件通过其管道结构简化了这些步骤，并将PoC时间缩短至2周，是启动AI视觉项目的绝佳起点。

Chia-Wei杨，物联网解决方案与技术事业部业务与产品中心总监，Adlink．由网页内容经理克里斯·瓦夫拉编辑，控制工程， CFE媒体与技术，cvavra@cfemedia.com．