公司資訊

每一個(gè)新動(dòng)態(tài)都是我們向前邁進(jìn)的新腳步

深度學(xué)習與傳統機器視覺(jué)有什么不同
2021-03-20

在基礎水平上,機器視覺(jué)系統依賴(lài)于工業(yè)相機內受保護的數字傳感器以及用于拍攝圖像的專(zhuān)用光學(xué)元件。然后這些圖像被傳送到計算機以使用專(zhuān)業(yè)軟件處理、分析和測量各種特征以便做出決定。

但是在工廠(chǎng)自動(dòng)化環(huán)境中,這些系統的應用范圍非常嚴格且狹窄。傳統的機器視覺(jué)系統在處理一致且制造精良的部件時(shí)能夠可靠地運行。其逐步篩選并使用規則算法,這比人工檢測更有成本效益。

在一條生產(chǎn)線(xiàn)上,基于規則的機器視覺(jué)系統每分鐘可以檢測成百甚至上千個(gè)零件。但是此類(lèi)視覺(jué)數據的輸出仍然是按照程序化、基于規則的方式解決檢測問(wèn)題,因此此類(lèi)機器視覺(jué)適合:

引導:定位零件的位置和方向,然后將其與規定的公差進(jìn)行對比,并確保它位于正確的角度以便準確地驗證裝配??蔀槠渌麢C器視覺(jué)工具定位零件的重要特征。

識別:讀取條碼(1維)、數據矩陣代碼(2維)、直接部件標識 (DPM) 和零件、標簽與包裝上印刷的字符。另外可以根據顏色、形狀或大小識別物品。

測量:計算測量對象上兩個(gè)或更多個(gè)點(diǎn)或幾何位置之間的距離以確定這些測量是否符合規格。

檢驗:查找產(chǎn)品缺陷或異常,例如標簽粘貼是否正確,或是否有安全密封、蓋等。

深度學(xué)習使用基于示例的方式而不是基于規則的方式來(lái)解決某些工廠(chǎng)自動(dòng)化挑戰。例如,深度學(xué)習利用神經(jīng)網(wǎng)絡(luò )根據一組標記的示例讓計算機學(xué)習什么是好的圖像后,即可分析缺陷、定位和分類(lèi)物體、以及讀取印刷的標記。

在實(shí)際應用中,這意味著(zhù)公司可以在電子設備屏幕上查找劃痕、碎片或其他缺陷。這些缺陷大小、范圍、位置均不相同,也可能在屏幕上呈現不同的背景。深度學(xué)習可以在考慮這些預期差異的同時(shí)分辨合格零件和缺陷零件之間的差異。另外,訓練網(wǎng)絡(luò )學(xué)習新目標時(shí),例如另一種屏幕,也與拍攝一組新參照圖片一樣簡(jiǎn)單。 

因此深度學(xué)習特別適合:

§解決使用規則算法難以編程的視覺(jué)應用問(wèn)題

§處理容易混淆的背景和零件外觀(guān)上的差異

§維護應用并在工廠(chǎng)車(chē)間重新培訓學(xué)習新圖像

§無(wú)需重新編程核心網(wǎng)絡(luò )即可適應新示例

深度學(xué)習現在已被用于以往一般需手動(dòng)執行的檢查中,例如最終裝配檢查。這些任務(wù)曾經(jīng)被認為難以自動(dòng)化。借助深度學(xué)習這樣的工具,現在可以直接在生產(chǎn)線(xiàn)上使用視覺(jué)系統更加一致、更加可靠、且更快地完成這些任務(wù)。

人類(lèi)擅長(cháng)分類(lèi)不同但相似的東西。我們幾秒內就能理解某一組物體間的差異。在這個(gè)意義上,深度學(xué)習將人類(lèi)進(jìn)化的智能和基于規則的傳統機器視覺(jué)的一致性、可重復性和可擴展性這兩種優(yōu)勢結合在一起。

企業(yè)要開(kāi)始工廠(chǎng)自動(dòng)化之旅,就必須先理解這些差異。因為理解這些差異是判斷在工廠(chǎng)自動(dòng)化應用中應如何選擇彼此的關(guān)鍵。

雖然傳統的機器視覺(jué)系統在處理一致且制造精良的部件時(shí)能夠可靠地運行,但隨著(zhù)例外和缺陷庫的增大,算法也會(huì )變得越來(lái)越有挑戰性。換句話(huà)說(shuō),到了特定的時(shí)候,工廠(chǎng)自動(dòng)化中需要的某些應用將無(wú)法再依靠基于規則的機器視覺(jué)。

復雜的表面紋理和零件外觀(guān)上的差異都會(huì )給檢測帶來(lái)高難度挑戰?;谝巹t的機器視覺(jué)系統難以鑒別視覺(jué)上相似的部件之間的差異和偏差。影響部件用途的“功能”異常會(huì )導致廢件,但外觀(guān)異??赡懿粫?huì ),這取決于制造商的需要和偏好。最大的問(wèn)題是,傳統的機器視覺(jué)系統難以區分這些缺陷。

某些傳統的機器視覺(jué)檢測,例如缺陷探測,因為有許多不易被機器識別的變量,所以編程較困難,例如:照明、顏色變化、曲面、或視野。

雖然我們都知道深度學(xué)習正在改變工廠(chǎng)自動(dòng)化,但它仍然只是操作員完成工作的另一種工具而已。傳統的基于規則的機器視覺(jué)對于特定工作類(lèi)型非常有效。但對于既需要人類(lèi)視覺(jué)也需要計算機的速度與可靠性的復雜情況來(lái)說(shuō),深度學(xué)習將被證明是真正改變游戲規則的選項。