在模态形象。

各种规模的制造商都在努力应对产品质量差的成本,无论是导致生产放缓、利润下降还是不必要的浪费。更糟糕的是,劣质会对品牌声誉造成不可逆转的损害。在食品饮料市场,20%的消费者表示,如果某品牌产品被召回,他们将不再购买。

虽然人工智能(AI)作为解决质量问题的方法越来越受欢迎,但它也带来了一些新的、有时令人困惑的术语。作为第一步,许多制造商会问“什么是人工智能?”


理解机器视觉和人工智能

机器视觉是当今制造业的支柱,这要归功于程序员能够不断训练检测系统,使其做出自动化决策。为了获得准确的结果,机器视觉系统包含了足够的智能,可以将训练数据与实际物体进行比较。

机器视觉基于规则的算法在一致性方面表现出色,无论是类型的缺陷还是被检查的材料。当参数发生变化时,需要手动更新算法。基于规则的编程在检查各种表面(如玻璃、金属或纹理材料)时尤其困难。

人工智能的前景是消除传统编程的一些“硬编码”限制,使检测系统可以更加通用。这是特别有价值的消费者偏好倾向于定制和组织制造短期产品的不同包装和分级要求。人工智能的另一个关键领域是减少基于规则的检查产生的假阳性和假阴性的能力,这种检查需要昂贵和耗时的二次审查。

广义上说,人工智能是一种以我们认为的智能方式解决问题的机器。机器学习是人工智能的一个分支,它向计算机提供一组数据来学习如何解决特定的问题。人工智能系统可以使用好的和坏的图像来重新训练自己,而不是重新编码一个硬线算法。值得注意的是,人类仍然参与人工智能;我们需要提供初始数据,这样人工智能算法才能从这些数据中学习。

然后,深度学习将机器学习方法扩展到强大的神经网络,这些神经网络受到了我们大脑运作方式的启发。通过培训和标签,用户教会系统如何根据结果的好坏做出决定。然后神经网络开始分析数据并做出自己的决定。

图1:经典的计算机视觉

图1:人工智能的分支导致基于机器的决策。图片来源:Pleora(按图片放大)


“无代码”算法和边缘处理

对于大多数评估人工智能的制造商来说,他们主要关注的是设计和部署的成本和复杂性。

人们有一种误解,认为人工智能算法的培训和开发很复杂,引入新员工或外部专业知识会增加成本。“无代码”算法设计打破了这些概念。新的“拖放”开发平台意味着任何人都可以在几小时内开发、训练和测试人工智能算法。高级用户可以利用这些平台来混合人工智能和机器视觉算法,或定制广泛可用的开源模型。此外,用于常见检查任务的插件提供了一个框架,可以很容易地根据用户的独特数据进行训练,以构建自定义算法。

在简化算法开发的同时,嵌入式技术的功耗、性能和成本的提高使得为检测应用程序添加高级功能变得更加容易。

在翻新升级中,边缘处理解决方案可以拦截现有的视频,并应用人工智能技能。在这些应用中,高性能和低功耗边缘平台允许制造商添加先进的人工智能检测技能,而不破坏内联基础设施和流程。在人工检测中,基于边缘处理的新系统可以让操作员利用人工智能的能力实现流程自动化,并帮助做出决策。

边缘处理也在改变决策可能发生的地方。传统的机器视觉系统依赖于网络设备将数据发送到集中处理。嵌入式愿景采用了集中的处理能力,并将其置于需要做出本地决策的位置。对于复杂的机器人和工业物联网(IIoT)系统应用,小型智能嵌入式传感器和人工智能的结合,可以在网络系统的不同点实现自动决策。


混合人工智能和在线检测

混合人工智能将基于规则的最佳机器视觉与更灵活的人工智能能力相结合,在不增加部署复杂性和基础设施成本的情况下,帮助提高现有系统的准确性。

利用嵌入处理和混合架构,人工智能可以与现有的传统机器视觉检测系统一起部署。在这种部署策略中,嵌入式设备作为摄像机和主机之间的中间设备。

该嵌入式设备“模仿”了现有应用中的摄像头,并自动获取图像,并在摄像头feed上应用人工智能算法。处理后的数据通过GigE Vision发送给检测应用程序,后者接收数据时,就像它仍然直接连接到摄像头一样。这允许重用现有的摄像机、控制器和终端用户应用程序。该嵌入式设备可编程保存传入图像,以进行连续离线训练,以提高检测结果。

混合人工智能非常适合已经投资机器视觉质量检测的制造商。在现有机器视觉流程之上分层人工智能能力可以减少假阳性,即使是几个百分点的改进也可以显著减少产品浪费,降低与二次筛选相关的成本,并增加生产正常运行时间。人工智能也有利于海关的“短期”检验要求,因为产品有不同的门槛要求。

图2:内联检查

图2:经典的计算机视觉需要人工输入和算法微调来满足不同的需求。相比之下,“无代码”AI软件培训包简化了算法开发和部署,具有更灵活、适应性更强的检测能力。图片来源:Pleora(按图片放大)


人工智能和人工检查

人工智能的一个新兴领域是对人工检查进行自动化或增加决策支持,制造商报告的错误率高达30%。人类非常适合执行检查任务,但当我们累了或分心时,人工智能是一个强大的工具,可以提醒我们问题并指导我们的决策。自动化人工检测加快了检测速度,提高了端到端的产品质量,并提供了更多的定性产品评估,以确保制造过程的可重复性和可追溯性。

新的人工检测系统利用无代码算法设计和边缘处理部署,以及摄像头、照明和显示软件。即插即用系统很容易根据制造商的独特数据进行培训,以实现端到端质量检查和工作流程,而不需要软件编码技能。直观的用户显示器指导操作人员通过制造过程,并自动识别和视觉突出差异和偏差。

图3:自动手动检查

图3:易于编程的人工智能算法和边缘处理的结合,使交钥匙检查系统能够自动手动检查。图片来源:Pleora(按图片放大)


人工智能、工业4.0和云

对于考虑更全面的监控和全面的工厂分析的组织来说,云是一个非常一致的讨论话题,也是一个令人困惑的话题。质量检查驱动大量数据,这些数据可以进一步深入了解流程和工作流效率、机器运行状况等。作为第一步,云可以成为一个重要的分析数据仓库,这样制造商就可以评估流程和跟踪产品故障。各组织也在评估云技术,将其作为在全球制造站点共享算法的一种方式,以确保一致的产品质量和协作。


AI无需复杂

尽管有了新的术语和技术,但最终,人工智能是一种工具,制造商可以用它来解决昂贵、耗时和损害品牌的错误。通过混合方法、简化训练和新的边缘处理技术,可以相对直接地将人工智能添加到现有的检测应用程序中,或开始自动化手动任务。