您好! 欢迎来到菏馬智造

登录| 注册

4008-758-718

人工智能取代传统视觉检测会面临什么困难

2020-09-14
来源:菏馬智造
浏览数:749
添加收藏

视觉检测技术作为一项制造业质量检测应用广泛的技术,随着AI人工智能技术的不断发展,得到了新的发展。


在注塑领域,在非AI时代,视觉检测是利用提前建模好的模具信息来做到对产品的比对检测,通过在生产车间实现模具视觉监控和产品监控并进行对比来完成检测。但是,限制于建模水平和视觉技术等核心技术,对于产品的误判率较高,从而使得这项技术无法做到大规模的推广使用。


然而随着AI技术的发展,通过机器深度学习,AI能够结合大量的生产数据来对模板的检测和算法进行训练,从而能够使AI视觉检测的准确率大幅度提升。本文列举了人工智能视觉检测技术目前在制造业应用的四大障碍,并同时给出了解决方案,相信能够给AI技术在制造业的应用带来新的研究方向。


障碍之一:数据样本过少


人工智能的基础是海量的数据。制造业在生产过程中能够收集的数据,比起许多直接面向消费者的公司要少的多,而且整体的获取也需要大量的成本。另外,制造业企业会有意识的减少不良品的生产,使得整体生产趋于优质化、同质化。例如,在汽车制造业,精益生产推行的结果使得,大多数汽车制造商和一级供应商在争取每百万个零件少于三到四个缺陷的合格率。这大大削减了不良品样本的收集和分析


当缺少不良品用品时,人工智能模型无法通过对比不同质量产品的优劣来构建算法模型。这会使得公司无法推广使用或分辨由环境的自然差异所带来的不良。


解决方案


制造企业需要利用新的技术来克服数据样本过少的问题,包括合成数据、迁移学习和自监督学习。在合成数据中,GAN数据生成工具会检查检查员认为“正常”的图像,并合成缺陷图像。因此,一个罕见缺陷图像的小数据集就可以合成更多的缺陷图像,从而不断放大缺陷图像的数据集,从而帮助人工智能进行训练。



障碍之二:模糊检测


质量检测人员对于有些不良品的判定是不一样的,因为同样的缺陷会有不同的判定标准,识别一个缺陷可能是主观的,两个检查员在不良判定上存在分歧是很常见的。一个检查员可能认为划痕是有问题的,而另一个检查员则认为相同的划痕很小,可以忽略不计。


为了避免这种分歧,通常,制造企业会选择使用传统机器视觉的自动化方式(预先建模)来弥补人工检测的不足。不过由于传统机器视觉技术受限,为了提高检测质量,会迫使用户采用过高的误判率杜绝漏判。某些应用的误判率可能会高达40%,这迫使必须检查员在传统的机器视觉之后再人工检测一道,增加了检测成本。


解决方案


制造企业需要更为实用和客观工具,系统地帮助人类检查员识别清晰的缺陷产品,减少其模糊性。继续依赖人工检查员的工厂通常会遵从质量标准手册或“缺陷手册”,来判断产品是否合格。而人工智能平台应该能够支持缺陷手册的数字版本,该版本可以实时更新,以适应更短的产品周期和频繁的变化。



障碍之三:持续变化的环境和需求


制造业生产线所处的环境非常复杂,但很多视觉模型都是设定在固定的检测环境中进行检测。这就使得当所在检测环境发生变化时,人工智能系统的性能就会出现误差。假设一个人工智能系统正在检查智能手机是否有划痕。该系统必须能够快速响应变化,包括:季节性变化导致工厂的照明水平发生变化;以前是银色的划痕,但新的制造工艺会导致较暗的划痕出现;或相机镜头被污染导致获取的图像突然模糊等等。


解决方案


智能化人工智能系统在不断变化的环境中会更加宽容和灵活,一个稳健的人工智能平台可以简化并克服这些关键挑战。制造商需要确保内部和外部的环境的变化、质量要求变化、产品变化等不会损害检验操作流程和结果。为此,人工智能视觉检测平台需要执行以下几个关键任务:


监控并跟踪缓慢的变化,以便在变化加剧时及时提醒操作员。


持续收集数据,然后系统地组织数据,以确保人工审计和人工智能再培训的可访问性。


启用简单再训练,这样操作员就可以轻松触发人工智能系统根据最新数据重新学习,并确保其按照新规范执行。


在重新部署之前验证新模型,以减少扩展过程中失败的可能性。


检测任何突然的变化,并提醒相应的团队。例如,如果相机突然倾斜,产品的一部分不再可见,等等。



障碍之四:复杂性


为了充分发挥目视检查的潜力,制造商需要能够在许多不同的工厂和项目中部署解决方案。在扩展的过程中,项目的复杂性会带来很多的挑战。当试图将一个已经很复杂的人工智能项目应用于许多工作站、装配线和工厂时,复杂性会相互影响。例如,一家制造公司可能决定在100家工厂中实施人工智能视觉检测解决方案,以检查数百种产品,每个工厂可能有100个潜在缺陷。这很容易产生数千个独特的人工智能软件模型,每一个模型需要在10-1000个特定缺陷的图像上训练。


解决方案


建立人工智能软件平台有助于公司扩大规模,允许系统地开发、部署、跟踪、维护和监控每一个数据和每个软件组件。平台消除了工厂操作员在数十条生产线之间运行以发现问题的需要,使操作员能够汇总统计数据。这将使一家大型跨国公司的制造主管能够在办公桌上非常快捷地查看到全球所有部署的概况。


结论


制造业现代化意味着在不损害员工重要性的前提下,通过使用新工具来提高效率。创建能够准确检测缺陷的人工智能模型,让工人有更多的时间来解决缺陷的根本原因,从而使他们更有能力。在这里,工人增加了更多的价值,而公司则节省了成本,提高了效率。


虽然一个能够实现更好质量控制的端到端人工智能平台听起来好像解决了所有问题,但是,永远不要为了跟上潮流而实施人工智能。在没有完成必要的研究和准备的情况下加速数字化转型,往往会导致项目失败。人工智能并不能解决所有的质量问题;传统的机器视觉仍然是很多场合下的正确选择,而人工智能在外观检查、零件定位和装配验证方面表现更加出色。


(菏馬智造综合)

关键词: 人工智能 视觉检测
发表评论
文明上网理性发言,请遵守新闻评论服务协议
全部评论
0条评论
推荐文章
相比于国外的智能制造,我国起步较晚。在1990年4月,日本就已倡导“智能制造系统IMS”国际合作研究计划,当时的许多国家都参加了这个项目。而国内直到近些年因为制造业转型的原因,才开始重视起智能制造的布局。在2015年,我国正式开始布局智能制造,工业和信息化部在2015年公布的智能制造试点示范项目名单,共有46个项目入围,分布在21个省,覆盖了38个行业,涉及6个类别,覆盖面广,示范性强。
目前,福特公司使用了两台波士顿公司的智能机器人来进行工厂扫描,这两台机器人分别为Spot和Fluffy。波士顿动力公司进来推出了新的租赁计划,为有需要的客户提供机器人服务。而这次为福特公司进行的就是机器人服务目的则是为了对工厂进行数字化3D扫描,利用机器人使得这项工作更加节省成本和时间。
近年来,3D打印技术在我国的市场应用不断深化,无论是新兴科技产业还是传统制造业,3D打印技术都在其中扮演着重要角色。