具有挑战性的人力质量检验

自动化机器系统正在提高制造商所能完成的工作的质量和效率，但对人类来说，它们并不总是完美的模拟。Kitov美洲副总裁Corey Merchant表示，自动化系统难以复制人类效率的一个主要领域是视觉检测领域。ai，在自动化前进的演示“挑战人类质量检测与现代人工智能和深度学习技术”，anA3在线会议和展览将于3月22日当周举行。

据估计，80%以上的视觉检查仍然是由人类完成的，Merchant说。但是人工检查也有它的缺点——人工成本高、不稳定且容易出错。

目测:小体积，高混合应用

“有人说，人工检查真的是制造业的阿喀琉斯之踵，”Merchant说。“所以，如果这是致命的弱点，为什么不用机器人或其他自动化来代替人类呢?”事实证明，人类实际上非常擅长人工检查，尤其是在小批量、高混合的操作中。”

归根结底，与传统机器系统相比，人类仍然具有许多优势。人类非常善于适应新产品，他们是产品不可知论者，他们有3D视觉，他们有手眼协调能力，他们从经验中学习，而且，也许最重要的是，他们可以处理变化。

变化一直是机器的大问题。Merchant将其比作检查一辆汽车。你有轮胎，油漆工作，玻璃，内饰和更多。每一种都有不同的检查挑战。一辆汽车发动机有多少个零件和检查点?此外，缺陷的种类也有可变性。那是油漆上的划痕还是人的头发?机器仍然在与这类差异作斗争。

人类的眼睛和大脑是一个强大的图像系统。人类提供了3D视觉、视觉记忆、上下文理解、泛化和概念化等优势。他们可以接受训练，能够适应各种情况。但它们也有机器可以抵消的局限性——情绪、不一致和无法管理大量数据。

机器视觉正在从三个方面迎头赶上

那么，创建能够复制人类在许多最终产品检查方面所做的自动化系统涉及到什么呢?根据Merchant的说法，有许多不同的因素，从一个简单、直观的设置开始。这包括快速和语义教学方法，不同产品之间的自动切换，3D查看和不同产品尺寸的优化检查。

1.灵活多变的机器视觉

“当被问及自动化最重要的是什么时，我们从本周来自不同制造业部门的大量演讲和演示中听到的一件事是:灵活性，”Merchant说。“灵活性和可变性，处理这些问题。这一点我们怎么强调都不为过。您可以构建一些适合今天的东西，但是它会适应您的过程吗?这就是问题所在。”

2.更智能的机器视觉逻辑

制造商需要的第二件事是一个强大而强大的检测引擎。这必须符合所有的检查要求，为广泛的缺陷提供补充算法，并能够处理各种材料和纹理。

3.机器视觉和机器学习

最后，Merchant说，机器必须有学习能力，这通常需要大量的数据。这意味着他们需要适应制造的可变性，只需要很少的样品，并适应动态的生产环境。

Merchant说，解决方案是一个混合模型，包括深度学习和人工智能的2D和3D经典计算机视觉。这都是为了提高产量。这真的是每个人都在追求的。那么，您如何在阻止幻影缺陷的同时阻止有缺陷的部件呢?麦钱特说，这就是该系统将发挥作用的地方，但这也是事情变得困难的地方。

深度学习的挑战在于它需要大量的数据。Merchant表示，每10个事件可以学习一个预测变量，这意味着制造商必须收集大量事件。

Merchant说，为了找到系统加速所需的时间，你必须使用这种混合方法来结合技术。当积累了足够的数据时，自动化系统实际上会比人工检查更好。检测精度应处于较高水平，系统可以随着时间的推移而改进。

“你可以想象自动驾驶现在如此流行;你是在教汽车如何自动驾驶，”Merchant说。“这不是一个二元决策路径。不全是1和0。这不是“是”或“否”或“黑与白”的问题。它实际上是基于历史上广泛存在的例子。然后这些被用来不断地适应和提高表现。”

加里•科恩CFE媒体与技术资深编辑，gcohen@cfemedia.com。

您是否具有本内容中提到的主题的经验和专业知识?你应该考虑为我们的CFE媒体编辑团队做出贡献，并获得你和你的公司应得的认可。点击在这里开始这个过程。