如何識別AI在機器視覺中的機會？人工智能(AI)正在被各行業(yè)采用，以利用數(shù)據(jù)的力量，并使用其來做出更明智的決策。

本文將介紹如何在機器視覺應用程序中識別AI的機會。人工智能系統(tǒng)的業(yè)務需求管理期望AI方法有特定的用例。畢竟不是萬能的解決方案，解決不了所有的問題。有些應用程序更適合傳統(tǒng)的計算機視覺，有些可能兩者都需要，而有些可能只需要人工智能。人工智能系統(tǒng)是昂貴的——無論是成本還是前期所需的資源。開源工具需要大量的開發(fā)時間，而外部工具往往很昂貴。此外，通常需要GPU才能在系統(tǒng)上實現(xiàn)足夠的性能。許多制造商往往沒有GPU或同等的處理能力。因此，重要的是要確定哪些應用程序非常適合具有強大業(yè)務需求的人工智能。視覺系統(tǒng)設置的重要性在進入AI之前，建議在視覺系統(tǒng)設置方面要有扎實的基礎。不過，這對人工智能來說沒有那么重要，因為其通常可以處理比傳統(tǒng)系統(tǒng)更糟糕的條件。所有常規(guī)的機器視覺系統(tǒng)規(guī)則都適用于此——良好的照明、相機分辨率、焦距等。如果這些因素中有任何一個沒有達到標準，那么在深入研究AI之前，有必要先回過頭來解決這些問題。確保強大的視覺系統(tǒng)設置，以獲得最佳的結果。參考人類表現(xiàn)人工智能系統(tǒng)在人類表現(xiàn)強大的地方最為成功。一旦系統(tǒng)設置好，操作員可以輕松地用眼睛識別/分類圖像，這樣就可以確定其是否適合AI。然而，如果人類的表現(xiàn)不足，那么AI模型很可能表現(xiàn)不佳。將人類的表現(xiàn)作為AI模型能夠?qū)崿F(xiàn)的參考點，如果操作員識別圖像的正確率只有70%，那么人工智能的表現(xiàn)不太可能比這更好。因此，如果人類的性能對于應用程序來說不夠好，應該首先解決該性能問題，并將其提高到可接受的水平。一旦操作員達到了預期的性能，便可考慮AI。時間和資源收集圖像和訓練模型需要付出相當大的努力。通常，收集高質(zhì)量的圖像是最困難的部分，因為許多制造商的缺陷量非常低。如果缺少數(shù)據(jù)，可能很難訓練有缺陷部件的模型。訓練工具很有幫助，其提供了需要較少樣本進行訓練的預訓練模型。訓練是一個迭代過程，跨越多個步驟，找出理想?yún)?shù)，以使模型運行。優(yōu)化模型通常需要時間和實驗。此外，如果現(xiàn)場出現(xiàn)新數(shù)據(jù)，模型將需要再次訓練和部署。人工智能應用程序示例:

人工智能在機器視覺中的一個示例應用是用于總裝檢測，另一個是印刷電路板或PCB檢測。

?總裝檢測：背景零件/產(chǎn)品或組件的最終檢查通常由操作人員、或傳統(tǒng)的機器視覺系統(tǒng)、或兩者兼而完成。這里將重點介紹Teledyne相機作為示例產(chǎn)品。最終檢查可能會檢查彎曲的大頭針、表面的劃痕、連接器的正確位置、貼紙的對齊、文本的正確打印以及機械裝置之間的距離等等?；旧?，需要找到在構建過程中發(fā)生的任何異常。但這樣，需要快速查找的標準列表會變得很長。傳統(tǒng)的基于規(guī)則的系統(tǒng)很難處理所有極端情況，且培訓新的操作人員也很困難。為什么是AI?通常有太多的規(guī)則來確定什么是“通過”。這使得傳統(tǒng)的機器視覺系統(tǒng)難以實現(xiàn)良好的性能。另一種選擇是，對于許多公司來說，人工檢查非常耗時，且對于新運營商來說，很難做出一些模棱兩可的判斷。傳統(tǒng)的基于規(guī)則的系統(tǒng)往往沒有足夠的性能，制造商依賴運營商的判斷來提供幫助?？赡軙胁煌墓庹諚l件，以及缺陷位置、形狀和紋理的高度變化。通常，只需要一個簡單的“好/壞”的定性輸出。但是，如果需要，這也可以與傳統(tǒng)的基于規(guī)則的算法相結合。好處有了AI，設置就容易多了。在收集了大量的圖像來訓練模型之后，讓一個系統(tǒng)運行通常比基于規(guī)則的系統(tǒng)，特別是使用AI工具，要少得多的開發(fā)工作。使用適當?shù)南到y(tǒng)，通常是使用GPU，檢查速度要快得多，檢查速度大約為毫秒。如果提供良好的數(shù)據(jù)，人工智能系統(tǒng)的表現(xiàn)也應該比人類更可靠，并且是標準化檢查程序的好方法。該算法通常由多個操作人員提供的數(shù)據(jù)進行訓練，可以減少人為錯誤。這有助于減輕單個操作員可能產(chǎn)生的人類偏見或疲勞。在這個例子中，AI可以幫助制造商減少開箱即用的故障，并提高檢測質(zhì)量和吞吐量。

?PCB檢測：背景PCB制造商需要檢查其電路板是否存在任何缺陷?？赡苁呛更c不良、短路或其他的異常情況。通常會使用AOI(自動光學檢查)機器。然而，由于缺陷的變化太多，很難處理所有的邊緣情況。且基于規(guī)則的系統(tǒng)的性能不夠準確，制造商會請操作人員進行人工檢查，這既費時又昂貴。為什么是AI?傳統(tǒng)的AOI系統(tǒng)很難識別缺陷。其要么過沖或低于性能，導致有缺陷的PCB通過或良好的PCB失敗。與其他情況類似，有太多的規(guī)則來確定一個“好電路板”。根據(jù)應用的不同，這里可以使用AI對尺寸和形狀差異很大的缺陷進行分類，像短路、開路、錯誤元件、焊接缺陷等。好處借助人工智能，制造商可以提高檢測的準確性和質(zhì)量。這有助于減少通過檢查的有缺陷PCB的數(shù)量。同時，還可以節(jié)省任何人工輔助檢查的時間和人力成本，并通過自動化，完成操作人員需要更長時間完成的工作來提高吞吐量。

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。