機械視覚の工業生産における利点と制限

この記事を読むのに必要な時間は約 9 分です。

【原创】机器视觉在工业生产中的优势与限制

工业4.0 2019-07-03 09:02:14

【文/千千】伴随着工业发展进程及工业4.0时代的到来，机器智能化也逐渐成为现实。特别是近期工业自动化中机器视觉技术的发展，视觉技术的不断更新迭代，使得其在智能制造中的地位也是日渐突显，也推动了工业自动化、人工智能、智能制造等行业的进步，为各个领域都带来更强劲的发展动力。

机器视觉发展到今天已经有二十多年的历史了，它实质上是计算机学科中一个重要的分支。在起初的20世纪50年代，研究的是简单的二维图像统计模式识别；到了60年代，则开始研究三维机器视觉；70年代中期到80年代初期，机器视觉开始在全球范围内大范围开启研究，同时MIT人工智能实验室开启“机器视觉”课程，机器视觉在这个时期得到了蓬勃的发展。

画像引用元：http://www.gg-robot.com/art-66977.html

其快速成长的优势条件

首先在于其可实现可靠性更高的产品质量检测及实时监控，有效的避免了人工检测过程中的主观性和个体差异；

检测精度可达到亚微米级别，突破了人眼的物理限制，在全生命产品周期内对产品进行外形、标签、完整度等方面的缺陷检测；

数字图像处理和计算机视觉算法不断优化，在软件系统层面上提供更广泛及高效的检测功能，补充机器视觉硬件系统的检测能力；

避免检测人员与被检测物件直接接触，防止物件被人为损坏，避免了检测系统机械部件的消耗程度以及维护成本；防止物件免受污染；

使用机器视觉技术的机器人或者机械臂可以根据机器视觉系统提供的位置和方向信息，对工件进行智能抓取，广泛应用于食品，医疗制药和包装等行业，拓展了生产制造的柔性；

在安全上减少人在现场操作的时间，有效的避免了操作人员的听力损害、身体机能下降等情况，保证了操作人员人身。

目前技术所带来的局限性

但就其目前的整体技术水平，还是存在一些问题，将来有望一一解决。首先其容易受到环境光源的约束：不同的光源将造成不同的成像质量和效果，直接干扰检测算法的检测，可能造成产品的误判；单一的视觉引导技术不能保证路径中障碍物检测的精度，决策控制层往往需要融合多种传感器采集的信息。

受到硬件设备性能的限制：摄像头的镜头畸变矫正、标定差异性、视角范围有限；安装条件及场地限制，对传感器融合方案的要求；每个像素的暗电流不同，对光子响应不一致，会造成摄像机中空间及模式噪声；CCD线阵相机的参数设置的局限性。

受到端上计算资源的限制：工业产品大规模复杂的模型架构需要依赖强大计算能力，当设备终端上内存难以满足时需要采用模型云端离线训练再部署到设备终端；图像数据传输时仍需要对特定的任务目标进行模型的参数调整、优化，会产生额外的工程开销，且实时性较差。

受到检测对象多样性的限制：物体表面缺陷种类繁多、缺陷产生机理不明、缺陷描述不充分；机器视觉系统难以从数据中提取特征。

受到成本和收益经济性的限制：视觉传感器等工业相机核心零部件和底层视觉软件的开发需较大投入成本。

機械視覚の工業生産における利点と制限

工業4.0 2019-07-03 09:02:14

【文/千千】工業の発展や工業4.0時代の到来に伴い，機械のスマート化が現実化されるようになってきている。特に最近の工業自動化における機械視覚技術の発展は、視覚技術の継続的な更新と繰り返しにより、スマート製造における地位も日に日に明らかになり、工業自動化、人工知能、スマート製造などの業界の進歩を推進し、各分野に更に強力な発展動力をもたらした。

機械視覚は現在まですでに二十数年の歴史があり、それは実質的にコンピュータ学科の一つの重要な分枝である。最初の1950年代には単純な2D画像の統計パターンの認識が研究されていたが，60年代になると、3D機械視覚の研究が開始され，70年代半ばから80年代初期には機械視覚について世界的に広く研究が開始されるようになり，同時にMIT人工知能実験室では「機械視覚」という授業が開始され，機械視覚がこの時期に盛んに発展した。

画像引用元：http://www.gg-robot.com/art-66977.html

その急速な成長の優位条件

まずそれが更に信頼性の高い製品品質の検査・測定とリアルタイムの監視を実現でき、有効的に人工検査・測定過程の主観と個人差を避ける。

検査・測定の精度はサブミクロンレベルに達し、人の目の物理的な制限を突破して、製品の全ライフサイクル内で外形、ラベル、完全度などの方面の欠陥検査・測定を行う。

デジタル画像処理とコンピュータの視覚アルゴリズムは最適化され、ソフトウェアシステムのレベルで更に広範かつ効率的な検査機能を提供し、機械視覚ハードウェアシステムの検出能力を補充する。

検査員と被検対象物が直接接触することを避け、対象物が人為的に損傷されないように防止し、検出システムの機械部品の消耗程度とメンテナンスコストを回避して、製品が汚染されることを防止する。

機械視覚技術を使用するロボットあるいはロボットアームは機械視覚システムが提供する位置と方向の情報に基づいて、加工品をスマートにつかみ取ることができ、食品、医療製薬と包装などの業界に広範に応用して、生産製造の柔軟性を開拓する。

安全面上、人が現場で作業する時間を減らし、作業員の聴覚障害、身体機能の低下などを回避し、作業員の人身を保証する。

現在の技術がもたらす限界

現在の全体技術レベルについては、まだいくつかの問題が存在しており、将来一つ一つ解決されることが期待されている。まず、環境光源に拘束されやすい：異なる光源は異なる画質と効果をもたらし、直接検出アルゴリズムの検出を攪乱させ、製品の誤判をもたらす可能性がある。単一の視覚誘導技術は経路中の障害物検出の精度を保証することができず、コンソールは多くのセンサが収集した情報を融合する必要がある。

ハードウェアの性能の制限を受ける：カメラのレンズ歪みの矯正、差異性の標定、視野角の範囲は限られている；設置条件と場所制限、センサ融合方案に対する要求。各画素の暗電流が異なって、光子に対する応答が一致しないと、カメラ内の空間とパターンノイズを引き起こすことがある。CCDラインアレイカメラのパラメータ設定の制限性がある。

端上の計算資源の制限を受ける：工業製品の大規模で複雑なパターン構造は強大な計算能力に依存して、設備の端末上のメモリが十分になりにくい場合にはパターンクラウドオフライン訓練を採用してから設備端末に配備する必要がある。画像データの転送時にもまだ特定のタスク目標に対してパターンのパラメータ調整、最適化を行う必要があり、余分なオーバーヘッドが発生して、しかもリアルタイム性が悪い。

検出対象の多様性の制限を受ける：物体表面の欠陥の種類が多く、欠陥の発生メカニズムが不明であり、欠陥の記述が不十分である。機械視覚システムはデータから特徴を抽出することが困難である。

コストと収益の経済性の制限を受ける：視覚センサなどの工業カメラのコア部品と底層の視覚ソフトウェアの開発は大きい投入コストが必要である。

記事引用元：http://www.gg-robot.com/art-66977.html

Follow me!