机器视觉开始自己思考

机器视觉技术已被证明在食品加工和包装过程中的质量控制是无价的。在过去的20年里，机器视觉的应用有了显著的增长，巩固了该技术在食品制造中的重要地位。自动化和机器人的市场增长是机器视觉行业的关键驱动力，因为自动化技术严重依赖视觉和成像来有效地发挥作用。图像配准、计算机视觉、深度学习和其他人工智能(AI)技术的发展正开始使市场发生根本变化。

机器视觉技术的一个核心应用是质量保证(QA)，帮助确定食品或包装在出厂前是否有缺陷。食品加工公司可能会检查土豆产品的大小、形状和颜色，或者可能想要评估肉类产品中的脂肪含量。他们还将检查主要和次要包装是否有缺陷，任何标签都是正确的。监管机构和客户对质量的要求，以及日益增长的竞争压力，都增加了对质量保证经理的要求，以确保进行目视检查。

识别缺陷产品

食品加工最佳实践需要在机器视觉QA产品上进行投资，以识别有缺陷的产品或包装，并在可能的情况下，找出发生缺陷的原因。从历史上看，直到自动机器视觉系统的引入，该行业一直充满挑战。这是因为安装和设置解决方案复杂、耗时且昂贵。

传统上，机器视觉解决方案是复杂的，通常需要系统集成商来完成项目-从创建概念验证和测试计划，到选择组件，并将其作为生产线上的硬工程解决方案组合在一起。

另一个困扰该行业的挑战是机器视觉解决方案缺乏灵活性。这意味着对被检查产品的任何微小的环境变化或改变都需要集成商的返回。在许多情况下，原始的解决方案将完全过时，不适合新的应用程序，尽管实现它需要大量的投资。

为了克服这些挑战，并直接满足全球工业生产线上QA经理的真实需求，Inspekto开发了它认为是世界上第一个自主机器视觉系统，使食品企业在生产线上的任何一点都能受益于视觉QA，成本仅为十分之一，安装速度至少为1000倍。该系统适用于从手动到自动的任何处理方法，并可用于视觉质量检查和分类。

与传统机器视觉更复杂的组件形成鲜明对比的是，这种自主机器视觉解决方案由单一、独立的设备组成——集成软件和硬件，允许简单和低成本的安装，不需要系统集成商。

该系统主要由视觉传感器、臂部、安装适配器和控制器四部分组成。在任何生产线上安装它都需要一个简单的过程，只需不到一个小时。操作员必须首先选择视觉传感器的位置，使其捕捉到待检查部件的整个表面。接下来，必须选择一个靠近视觉传感器的安装点。然后，安装适配器可以组装到工厂的任何剖面上，伸缩臂可以组装并连接到视觉传感器上。

按照这些步骤，操作人员可以连接控制器，系统将自动启动。为了设置检查，操作员在待检查部件周围绘制多边形形成轮廓，选择感兴趣的区域和要排除的区域。整个过程，从产品从盒子里拿出来的那一刻起，不需要培训。

人工智能方法

一旦系统启动并运行，系统的整体AI方法就会开始发挥作用。为了确保获得最清晰、信息量最大的图像，人工智能算法优化了相机和物体和环境的照明设置。从这一点开始，算法可以检测和定位对象，而不需要任何操作符输入。而不是由机器视觉专家定义检测和定位算法，系统已经准备就绪。

最后一步是操作员验证一些好的参考样本，以使系统了解黄金标准产品是什么样的。它将使用尽可能少的参考来做到这一点，这取决于被检查的部件及其运动轮廓。然后可以开始检查过程。

每个新图像将与金标准参考进行比较，以验证形状公差和表面变化。由于系统不会搜索预先定义的缺陷或与有缺陷的部件进行比较，因此它将检测出制造商以前从未考虑过的缺陷。

由于系统的自适应能力，制造商可以在需要时轻松地将系统移动到生产线上的另一个点。此外，由于该系统简单且安装成本低廉，它可以实现全面的质量保证，其中机器视觉技术可以集成在生产线的任何一点，以跟踪每个步骤。它可以很容易地识别缺陷产品，从而确定产品为什么有缺陷。正如一位工厂经理所说:“向自动机器视觉系统的转变，不仅使工厂能够保护客户不受有缺陷的产品的影响，还能保护工厂不受废品和有缺陷的制造过程的影响。”

本文最初发表于控制工程欧洲网站．由制作编辑克里斯·瓦夫拉编辑，控制工程、《媒体,cvavra@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。