AI赋能智能制造| 机器视觉加持，从此慧眼如炬

　　什么是智能制造？是自动化流水线，遍布工厂的机械臂，还是空无一人的工厂？都不是，这是自动化，而非“智能制造”。若离开在制造过程中进行的智能活动，如分析、推理、判断、构思和决策等，智能制造将如无根之水，而助力工业智能从“感知”到“认知”，赋能制造业从“制造”到“智造”的，正是人工智能技术。

　　人工智能（AI，ArtificialIntelligence）自20世纪50年代被提出，当前AI已不仅仅是一个概念，随着算力、大数据和算法等技术突破，基于神经网络的深度学习等AI技术已在各行各业飞速渗透。制造业无疑是AI融合创新主要场景之一。推动承载AI技术的智能制造进程势在必行。

　　林阳智能视觉提出“AI赋能智能制造”，意在逐步将深度学习等人工智能技术、物联网技术落地应用智能制造领域，从完成多维感知、数据采集和处理的机器视觉系统，到实现智慧内物流的移动机器人系统，持续推动机器智能化、服务智能化、生产智能化。

　　“推动智能化不是一个点也不是一个平台，而是要通过一个体系实现”

　　冠以“智能”之名的智能制造领域，人工智能技术能为其提供什么样的帮助？

　　本期主讲AI赋能智能制造系列之机器视觉

　　人类在感知外界环境的过程中，80%以上的信息来自于视觉。在工业制造领域，机器视觉产品是机械设备的“慧眼”，实现了对外界环境的观察、识别以及判断等功能。工业环节的人工智能应用，多数都与机器视觉技术有关。

　　机器视觉产品处于边缘节点圈层，完成了多维感知数据的采集和前端智能处理。将AI算力注入边缘，赋能边缘智能是大势所趋。

　　01更便捷的缺陷检测应用

　　传统的视觉系统面对复杂多变的缺陷类型，需要根据实际的场景搭建不同的算法模块， 繁琐，而借助AI深度学习，只要通过缺陷样本的训练，得到训练模型，利用模型就可以进行缺陷检测。

　　对于混杂在被检测物中的划痕，首先要对其进行分割识别。如下图，深度学习分割算法可对图片进行标记训练，得到每个像素点是缺陷的概率图，在概率图基础上结合分析的工具，实现表面缺陷检测。无论划痕的形状、位置如何变化，AI加持的视觉系统都能即刻做出正确判断。

　　02更 的字符识别应用

　　借助基于神经网络的深度学习算法对已知类型的数字、字母类字符进行标记训练，在生产过程中可以识别画面中是否存在类似字符，并输出准确的结果，让机器在没有人的帮助下自己读懂字符概念。

　　如下图所示，工业相机在进行字符识别应用时，蓝框所选字符处于背景有脏污、干扰的环境中，人眼难以准确读取，但借助基于神经网络的深度学习算法，视觉系统能够 识别，并输出结果（绿色字符所示）。

　　基于AI深度学习的字符识别应用对点阵、粘连、变形、低对比度、复杂背景等均有较高识别率，完成了传统视觉系统无法实现的功能，且单一模型兼容多种字体及包装形式，在下图所示的乳制品灌装线上，结合AI的视觉系统可满足流水线上的高速检测需求，识别率达到99.98%以上。

　　03更 的目标定位应用

　　在没有固定定位特征的场景下、且目标位置随机变化时，传统视觉系统无法实现目标定位。这种情况下借助AI深度学习目标定位应用，则可轻松锁定目标，再也不用“众里寻他千百度”。

　　如下图所示的包裹面单，无论如何放置包裹，借助深度学习目标定位算法，相机都能 读取条码信息。

　　这种技术在各大快递分拣中心已落地应用，面对双11、618的天量包裹，也能让你下单的宝贝更快到家。

　　04更多维的视觉感知方式

　　过去，2D相机无法采集物体深度、体积等信息，搭载2D相机的机械臂不能对有高度差混料和无序摆放的物体做抓取。3D感知技术加持后，则可实现上述功能。从无到有，更智能的定位引导和体积测量应用不再“高深莫测”。

　　AI赋能智能制造

　　机器视觉系统的特点是提高生产的柔性和自动化程度，运用在人工视觉难以满足要求的场合。AI是制造业转型升级的变革力量，机器视觉之于AI等同于视觉之于人类。林阳智能深耕多维感知、深度学习等多项AI关键技术，海康机器人助推AI与生产制造业的智慧碰撞，让工业设备“慧眼如炬”，用AI赋能智能制造。

　　目前，林阳智能机器视觉已为3C、食药品、新能源、汽车及零配件、纺织、电子半导体、物流等行业赋能。