康耐視部落格

推動工業自動化的三項趨勢

machinevisiontrends large

自 1980 年代問世起,機器視覺本身有兩項考量:須改善技術的供電與功能,以及變得更為簡單易用。現今,機器視覺轉變為解析度較高且具備更優異智慧的攝影機,能在工廠現場內外提供全新自動化解決方案,操作上完全就像智慧手機般簡單,大幅降低工程需求與相關成本。

此外,就像受益於迅速發展的大數據、雲端、人工智慧 (AI) 及行動等技術的其他產業一樣,製造廠商、物流營運及其他企業同樣可受益於機器視覺在自動化方面的三項主要進展。

迅速改善感測器技術

雖然 1、2 及 5 百萬像素 (MP) 攝影機在機器視覺相機的出貨量裡仍占大宗,但我們發覺,對最高達 12 MP 之類解析度較高的智慧攝影機感興趣者也相當多。高解析度感測器表示,原本需要數部解析度較低的智慧攝影機才能完成的汽車引擎檢測工作,現在只要單部智慧攝影機即可完成,同時可一直相當精準地進行檢測。

康耐視專利申請中的高動態範圍 Plus (HDR+) 圖像處理技術能比一般的 HDR,提供更出色的圖像逼真度。在照明均勻度不甚理想之處,協助智慧攝影機檢測大型物件的多個區域。過去可能會誤將照明變化視為缺陷,或甚至因而無法看到特徵。現在,HDR+ 可協助降低照明變化造成的影響,在嚴峻的環境下使用應用,這是數年前的機器視覺技術能力所不及。

雖然先進的智慧攝影機在現場可程式閘陣列 (FPGA) 執行 HDR+ 技術,以改善按照畫格率速度採集的圖像品質,但還加上像是飛行時間 (ToF) 感測器的互補式感測器技術,以提供「基於距離的動態對焦」功能。使用 ToF 距離測量與高速液態鏡頭技術的全新高功率照明燈 (HPIT) 成像系統,也能按照畫格率動態自動對焦。最新的讀碼器結合 HPIT 功能,讓高速通道分類與倉儲管理方面的應用能夠處理包裝與產品尺寸差異很大,卻又需要攝影機迅速適應不同焦距範圍的情況。

與深度學習整合

就像 AI 在其他產業造成的影響,工廠自動化的深度學習視覺軟體可讓企業將先前只能以人工完成的檢測工作自動化,或更有效率地解決以基於規則的傳統機器視覺處理既麻煩又耗時的複雜檢測難題。

推動投資深度學習的最大用途,在大部分情況下,可能就是重新分派數百名人類檢測人員,改用深度學習檢測系統。製造廠商以擁有的技術提供的檢測解決方案,其所能達成的性能,首次可與人類比擬。

其中一個可看出深度學習能讓企業獲益的範例,就是缺陷探測檢測。每家製造廠商都希望盡可能在製造流程中,盡早排除工業缺陷,以減少對下游產生耗費時間與金錢的影響。

缺陷探測並不容易,原因是構成缺陷的變化,或落入可接受變化範圍內的異常變化,數量相當龐大,幾乎不可能一一分辨。因此,許多製造廠商在流程尾聲利用人類檢測人員進行最終檢查,找出不可接受的產品缺陷。採用深度學習,品質工程師能訓練機器視覺系統,從一組參考圖片資料來學習可接受或不可接受的缺陷,而不是設計視覺系統程式,以分辨成千上萬種缺陷可能性。

物聯網

為智慧攝影機視覺系統促成工業 4.0 計劃的一項重要開發,就是開放平台通訊統一架構 (OPC UA)。世界各地所有主要的機器視覺商業團體群策群力,開發 OPC UA 這項工業互通性標準,協助機器對機器通訊。

結合先進的感測器技術與深度學習之類的趨勢,OPC UA 將協助機器視覺技術從重點解決方案,轉型成工廠內的工業世界與廠外實際世界的銜接橋梁。現今,視覺系統與讀碼器是現代企業的主要資料來源。

如需深入瞭解配備這項最新技術的康耐視機器視覺系統能如何協助 貴企業,請下載機器視覺解決方案指南

其他文章

取得產品支援與訓練等等

加入 MyCognex

是否有任何疑问?

世界各地的康耐视代表可以随时为您提供支持,满足您的视觉和工业读码需求。

聯絡我們
Loading...