使用人工智能机器视觉进行质量检测的 3 项关键技术

在竞争激烈的领域,质量检查至关重要。制造和分销企业可能在其品牌推广、达成交易和快速有效地履行订单的能力方面领先于市场,但如果产品质量缺乏或不一致,客户满意度、忠诚度以及未来合同和收入的数量——会暴跌。   

尽管质量检查在成功运营中起着至关重要的作用,但找到执行它们的有效方法可能是一个挑战。手动检查非常耗时,并且通常将检查限制在运行的一小部分。此外,检查员可能不会每次都始终如一地执行检查。他们可能会被全天出现的问题分心,或者他们可能会重新开始轮班,但随着时间的推移最终会遗漏更小的缺陷。  

一些制造商已升级到带有执行表面检查的摄像头的自动化系统。然而,这些系统并非旨在执行全面的质量检查,特别是对于生产小型、精细产品的制造商,例如用于电子电路的电阻器、电感器和电容器等无源元件。仅执行粗略检查的手动方法或系统通常无法检测到由于这些制造过程中的温度、湿度或振动变化而导致的低于标准的产品质量。  

此外,整个供应链的质量检查对于客户满意度和忠诚度与在生产线上进行的检查同等重要。配送中心必须确保产品正确包装、必要时进行序列化、正确贴标签并运送到正确的托盘进行运输,以便客户收到准确、准时的货物。  

如何让质量检验更简单、更高级 

机器视觉使机器、机器人和自主设备能够自动查看、检测和分析图像,这可以提供从制造车间到仓库履行再到配送中心的自动化产品质量检查。现代机器视觉系统利用三种技术来执行更好、更快和更具成本效益的质量检测。 

  1. 智能相机

工业、AI 智能相机,如我们屡获殊荣的 霓虹智能相机,通过将硬件与预装的软件环境相结合,将 AI 功能直接集成到相机本身中。  

图像传感器模块、GPU 或 VPU 模块、电缆、工业丰富的 I/O、协议通信和分析的多合一集成提高了兼容性,加快了安装速度并最大限度地减少了维护问题,是各种质量检测应用的理想选择。 

图 1:预装 Edge Vision Analytics 的 NEON AI 智能相机
  1. 人工智能 (AI) 

人工智能为质量检查增加了一个新维度。人工智能驱动的机器视觉系统不仅可以发现缺陷或确认正确的包装和标签,还可以根据上下文做出决策。结果可能是戏剧性的;麦肯锡公司的一项研究发现,企业实现 90% 高位检测 和 50% 通过 AI 提高生产力。  

标准机器视觉是基于规则的,机器视觉 AI 系统会随着使用更多图像而变得更加智能。许多工厂和生产线已经在使用标准机器视觉,它能够检测出什么时候出现问题,但这些系统无法告诉我们究竟出了什么问题(分类),也无法在收到信息后指导系统采取行动。 

图 2:部署在第三方物流公司 Evans Distribution 的 AI 机器视觉系统,确保准确执行订单。

自动化质量检测系统使用 机器视觉人工智能软件 可以对他们看到的内容进行分类,随着时间的推移变得更加智能,还可以创建自动化工作流程。例如,将缺陷归类为折痕并向传送带控制器发送消息以减慢速度。机器视觉 AI 软件为机器视觉专家提供了更快地构建、测试和部署 AI 模型的工具,同时为自动化/物联网团队提供了连接、流式传输和自动化(操作化)机器视觉工作的工具。 

将 AI 添加到机器视觉硬件中,开发人员和系统集成商可以轻松地直接在智能相机中运行不同的 AI 模型,以解决许多非基于规则的检查挑战。例如在不同的照明、不同的位置,或在产品透明或高反光时有效地发现缺陷或错误,以达到更高的精度,提高生产力。  

  1. 边缘计算 

边缘计算是利用机器视觉 AI 技术实现全价值改进质量检测的关键。作为边缘计算的领导者,我们的机器视觉 AI 技术允许在数据产生时进行实时快速计算和 AI 推理 事物 例如一条生产线或一台机器。  

边缘智能使系统能够处理大量数据而无需将其发送到云端,从而减少延迟并提高效率。在凌华科技,我们的智能相机是边缘设备。因此,以 NEON-1000-MDX 为例,它可以利用诸如 凌华科技Edge™ 软件平台或 边缘视觉分析 处理、分析数据并立即采取行动,以便现场解决缺陷或错误。 

成功的故事 

有许多示例说明智能相机、人工智能和边缘计算如何共同创建机器视觉人工智能系统,以实现高效、准确的质量检查。例如:  

3PL公司 埃文斯配电系统 使用凌华科技 Edge 智能托盘解决方案,包括两个 GigE 摄像头、一个 Edge AI 网关和凌华科技 Edge™ 软件。该系统包括一个用 VMLINK 训练的模型,在包裹通过生产线时记录和分类包裹的内容,并与 Evans 的仓库管理系统共享数据,提供自动质量评估。该系统比 99% 更准确,让员工可以在其他运营领域使用他们的技能。  

约翰迪尔正在使用 机器人电弧焊的自动缺陷检测解决方案.该系统是利用凌华科技 EOS-i6000-M 系列视觉系统的 AI 机器视觉解决方案,配备第 9 代英特尔® 酷睿™ i7-9700E 处理器、4 个英特尔® Movidius™ Myriad™ X VPU 和英特尔® Distribution of OpenVINO™ 工具包.该系统在识别出焊接孔隙缺陷时实时发送停止命令,准确度为 97%。  

图 3:用于隐形眼镜质量检测的边缘 AI 机器视觉系统

无源元件工厂正受益于我们的单闩锁激活多点比较检测系统。它允许单个传感器触发多个摄像头,从而消除了多传感器系统所需的成本和维护时间。该系统只需要一个进给传感器来记录初始元件位置,然后当元件到达下一个检测点时,它会自动触发下一个摄像头。该系统的投资回报率包括实时可见性、更低的成本以及更有效地利用劳动力和资源。  

对您运送的产品有信心 

制造颜色和履行中心的产品质量和准确性是争夺市场地位的公司的赌注。提供表面检查功能的手动流程和遗留系统仅提供有限的能力来确认产品和包装没有缺陷或错误。使用结合了智能相机、人工智能和边缘计算的机器视觉系统,可以自动执行彻底的质量检查过程,并毫无疑问地确认您满足客户的期望。  

作者:杨佳伟
作者:杨佳伟

凌华科技边缘人工智能视觉与物联网产品负责人

6 条评论

  1. Ich überlege Qualitätsprüfungen von Machine Vision durchführen zu lassen。 Interessant, dass Machine Vision autonomen Geräten die Möglichkeit gibt die Bilder automatisch zu erkennen und zu analysieren。 Da dies jeden Produktionsschritt begleitet, wäre das das sicher gut für mein Produkt。

  2. 感谢您分享这个精彩的博客。这是一个非常有用且信息丰富的博客。继续分享技术和信息内容。我们也来自同一个域。我们在加拿大提供自动质量检测系统。

发表回复

您的电子邮箱地址不会被公开。