AI+機器視覺引領智能檢測新風口

2021-01-09 電子發燒友
AI+機器視覺引領智能檢測新風口

歌者 發表於 2021-01-07 10:19:19

 

12月22日，在2020高工機器人&高工移動機器人年會應用向新專場上，科瑞技術研發副總Dr. KK.Chang以「AI+機器視覺，引領智能檢測新風口」為主題發表了演講。

 

科瑞技術研發副總Dr. KK.Chang

Dr. KK.Chang首先介紹了作為精密檢測設備——AOI的發展歷程：上世紀50年代，關於2D圖像識別的研究正式開啟；歷經幾十年的技術迭代發展，1982年世界領先的SMT AOI設備廠商——以色列奧寶科技，開發了第一臺裸板PCB AOI；90年代，國外廠商率先在3C電子、半導體等領域應用AOI；在國內，AOI則進入實驗室研發階段；2001年，歐姆龍全3D AOI——VT530被用於PCB板檢測；自此，視覺檢測與AI深度融合成為智能檢測新風口。

隨著電子產品的小型化以及低能耗化，其產品元器件趨於微型化，組件在裝配過程中越來越不可能採用人工檢視的方式，必須採用自動檢測設備；另一方面，隨著用工成本越來越高，電子製造企業出於對產品質量和成本控制的需求，將加速AOI檢測設備替代人工的進程。在這種環境下，全球及中國自動光學檢測設備迎來高速發展期。

AOI的市場壁壘

但與其它高端設備一樣，AOI市場長期由外資品牌把持，國產AOI發展良莠不齊。Dr. KK.Chang指出，目前國產AOI設備大部分面臨著技術壁壘不強、核心人才缺失等問題。首先，在技術壁壘方面，AOI集成多學科技術，包括圖像傳感技術、光源技術、數據處理技術、運動控制技術等，以承擔起產品生產過程中的精密測量、檢測、識別和引導等一系列任務。

 

正是AOI技術準入門檻高，導致其研發費用佔比較高。Dr.KK.Chang表示，AOI核心技術在於算法，包括平衡算法開發和算法應用；同時還涉及到大數據管理、光譜/打光、自適應運動等技術難題，都需要設備廠商進行大量研發投入才能一一攻克。

而核心人才的缺失則進一步限制了關鍵技術的迭代與更新，因此企業需要在內部建立良好的管理、優秀的企業文化、合適的人才選拔培養機制和技術引導分享機制等，培養公司核心人才。

在產品市場化的過程中，Dr. KK.Chang認為，品牌優勢欠缺、客戶資源短缺，是國產AOI廠商明顯的短板。在品牌優勢的構建上，進一步表現為質量和服務保證優勢、品牌粘性、參與國際項目等；客戶資源欠缺，主要是視覺檢測的終端目標不明確、對AOI缺乏正確認知、AOI深層需求挖掘不充分，廠商更注重單純應用而非自主創造等產業上下遊存在的系列問題共同導致的。

 

科瑞技術AOI的核心技術優勢

目前，科瑞技術在AOI系統平臺上，已經徹底打通了從核心技術到市場應用的關鍵鏈路。在技術層面上，科瑞技術掌握了包括光譜科學、打光技術、自適應運動&自動調整、Eigen算法& 深度學習、大數據應用(MES/FIS/Data Ctr/etc)等多項核心技術。

事實上，AOI圖像採集過程中照明系統非常重要，選擇最佳光源的目的，是保證被檢測物體的特徵區別於其他背景，其中涉及到光源的光譜特性、光源顏色、色溫特性。高效率、長壽命、高亮度且均勻的光源，是達到高精密檢測的首要條件，高亮度、均勻性好的光源可提高信噪比，而長壽命、高效率則可以提高設備穩定性，降低工作負荷。

Dr. KK.Chang介紹，關於光譜科學，目前主要以可見光為主，紅外光和紫外光為輔，例如一些特殊材料在可見光範圍內吸收差別不大、灰階變化不明顯時，可以考慮採用特殊波長光源。所檢測的缺陷越精密，就越能準確排查掉誤差。因此，視覺檢測不能單純依靠軟體升級，還需要環境支持，這就涉及到光譜學。

而打光技術目的則是均勻照射物體表面，光越均勻，看得越清楚，檢測結果越精確。目前打光技術主要以反光科學為主，它在光譜裡面分成兩種光，一種是特殊光譜學，另一種則是色溫光譜。

「當我們應用吸光光譜學時，其實看到的是反射光，而反射光中既有可能存在單波吸光光譜，也有可能出現多波吸光光譜；因此在檢測部分物體的顏色、質量、材料時，如何正確檢測到被檢物體發出來的是單波光還是多波光，發揮關鍵作用的就是打光技術。」Dr.KK.Chang進一步解釋道。

系統補償層面，在材料及設計上，如果只採用Cpk，就只能控制某個部件的精度，而評判一個系統的穩定性和操作能力，重點在於整個部件合成體的情況，因此基本以GRR、P/T為主，或者是性能比為主。另外關於系統補償的精準性、穩定性問題，在整個設備層面，涉及到機械運動的六軸、運輸模組、光相模組、晶片選擇、系統補充、電氣控制等各個層面，如何配合機械與運動合成一體，決定設備的整體性能。

科瑞技術自主開發的軟體算法一般被稱之為一種特徵算法，Dr.KK.Chang表示，檢測中圖像因顏色不同，呈現的高斯變化也是不一樣的，科瑞技術可以根據圖像反射出來的光轉化成數碼、數據，從而提取二維高斯變化；通過二維轉換為多維線性回歸；最後進行相關性分析，也就是對比性，從原材料與待測材料的對比性，可以最終實現缺陷識別，並在進行位置確認後顯示出來。

 

接下來是深度學習的應用。深度學習目前已經被廣泛應用在汽車、自動駕駛，個人電動車、無人餐廳、醫療護理等場合，Dr.KK.Chang認為，深度學習的應用後期將會深入發展為仿生時代。但深度學習的準確性取決於訓練模型，當缺少訓練模型或模型不準確時，特徵算法能保證檢測結果的正確輸出。

科瑞技術以精準的特徵算法為主，深度學習為輔，形成了科瑞技術的AOI測試系統，兼顧了高速和高精度。

最後是大數據，每個系統都存在著海量數據，獲得大數據中每個缺陷的關聯性，才是大數據能夠真正發揮作用的關鍵。舉例來說，在做精加工時，存在一個固定定位，當這個定位點到達某一個精加工點時，它是固定的，一旦它的定位有所偏移，那麼它所造成的缺陷，在視覺裡就不一定能被看到，而藉助科瑞技術的特徵值算法，則完全可以獲知在什麼定位點出現了怎樣的問題。

目前，科瑞技術AOI已經在鋰電製造裝備、3C測試及製造裝配、醫藥食品製造裝配、製造數位化解決方案、精密零部件及夾模具、智能物流、精密機械製造等七大行業中廣泛應用，未來，科瑞技術將在立足以上行業的基礎上，開拓更多新市場。

 

展望未來技術發展，Dr.KK.Chang表示，科瑞技術已建立未來十年的智能發展路線圖。到2022年，以多輸送系統、智能傳感技術為主，到2024年，以數據分析、傳感+監控、結構健康檢測、SHM為主，直至2030年進入前仿生時代。

原文標題：【KHGEARS鈞興諧波 | 高工年會】科瑞技術Dr.KK.Chang：AI+機器視覺，引領智能檢測新風口

文章出處：【微信公眾號：高工機器人】歡迎添加關注！文章轉載請註明出處。

責任編輯：haq

打開APP閱讀更多精彩內容

聲明：本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人，不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用，如有內容圖片侵權或者其他問題，請聯繫本站作侵刪。 侵權投訴

相關焦點

  • 基於機器視覺的汽車智能駕駛系統
    在汽車的自動駕駛發麵，一個前提性的問題就是路況識別和車輛、障礙物的距離、速度檢測，解決了這個問題才可能去控制汽車的駕駛。而機器視覺技術融合三維測量和圖像識別技術於一身。　　目前，機器視覺在智慧機器人領域的研究熱火朝天：Klaus Fleischer等人提出的基於機器視覺的城外公路基礎設施固定對象的檢測與跟蹤;D.
  • 智能圖像處理 讓機器視覺及其應用更智能高效
    編者按：無論是「中國製造2025」還是「工業4.0」都離不開人工智慧，離不開計算機視覺，而智能圖像處理是機器視覺的核心技術，隨著圖像處理水平的不斷提高，一定會有力地推動機器視覺的迅速發展。
  • 智能安防不再「安」與「防」 國內機器視覺市場步入洗牌期
    因此他們最終選擇了華為好望高空拋物智能預警解決方案。水清木華園小區的高空拋物案例也讓機器視覺這個新領域揭開了神秘的面紗。據了解，機器視覺是人工智慧正在快速發展的一個分支，其通過使用光學非接觸式感應設備，自動接收大量真實場景圖像數據並進行智能化分析處理，獲得信息以控制機器或流程。
  • 機器視覺和智能圖像處理技術之間的關係
    人工智慧、機器視覺和智能圖像處理技術之間的關係如圖1所示。90年代以後，隨著計算機和半導體技術的飛速發展，機器視覺的理論和應用得到進一步發展。 進入21世紀後，機器視覺技術的發展速度更快，已經大規模地應用於多個領域，如智能製造、智能交通、醫療衛生、安防監控等領域。目前，隨著人工智慧浪潮的興起，機器視覺技術正處於不斷突破、走向成熟的新階段。 在中國，機器視覺的研究和應用開始於20世紀90年代。
  • 機器之心「AI00」十一月最新榜單:兩家國內公司新上榜
    DLFP平臺為農業提供數據分析和預測的解決方案三輪融資共 828 萬美元商湯科技中國計算機視覺和深度學習人臉識別、危險品識別、行為檢測、車輛檢測等的安防監控系統B 輪：數千萬美元曠視科技中國計算機視覺和深度學習
  • 機器視覺實現逆襲,視覺系統有望貫穿AI全產業鏈
    而隨著科技業新技能迭出，視覺系統的應用範疇新窗口還在被一一翻開。從工業機器設備人、安防監控和工業檢驗再到虛擬實境、全自動駕駛汽車、機器設備人、智能都市和物聯網等，視覺系統在應用範疇的存在感越發增強。這使得視覺系統技能不只重回與機器設備人齊頭並進的高尖水平，還儼然成了一項中心關鍵技能。而全球網際網路巨頭加快布局無疑正是看中了該行業無限寬廣的應用前景。
  • 人眼還是機器「眼」?機器視覺在工業檢測領域大有可為
    此外，通過對機器視覺的產業鏈情況進行分析，對行業進行梳理，有助於關注該領域的業內人士對機器視覺的未來趨勢作出預判。機器視覺在工業檢測中的應用歷史與發展機器視覺在工業上應用領域廣闊，核心功能包括：測量、檢測、識別、定位等。
  • 機器視覺人臉識別技術在智能商業中的應用
    人工智慧領域主要分布在機器學習(通用)、機器學習(應用)、計算機視覺(通用)、智慧機器人、虛擬個人助理、自然語言處理(語音識別)、自然語言處理(通用)、實時語音翻譯、情境感知計算、手勢控制、推薦引擎及協同過濾、視頻內容自動識別等。
  • 機器視覺技術在啤酒生產行業的檢測環節中大有作為
    打開APP 機器視覺技術在啤酒生產行業的檢測環節中大有作為 視覺檢測 發表於 2020-12-04 11:57:44 啤酒罐底噴碼，在啤酒的生產環節中必不可少，而罐底噴碼的字符檢測，也是至關重要的一個環節。 機器視覺技術優於人工檢測，機器視覺設備是匹配高速生產線的必須設備，機器視覺技術在飲料行業的應用更為專業，在啤酒飲料生產行業的檢測環節大有作為。 您的啤酒生產與前方的智能製造，距離有多遠？
  • 機器視覺檢測的分類和應用主要有哪些?
    我們大多數人都知道機器視覺檢測，它是目前應用在產品外觀缺陷檢測和質量檢測中的最為先進的檢測技術，隨著工業的不斷發展和科技的進步，機器視覺在智能製造和自動化領域中的作用越來越重要。機器視覺檢測技術的應用可以更大程度地把關，提高產品質量並降低生產成本，受到越來越多的企業青睞，應用範圍也在不斷擴大。那麼機器視覺檢測的分類和應用主要有哪些呢？下面瑞科智能為大家一一道來！一、機器視覺檢測的分類目前可從這三大類來分：安裝載體，功能作用和檢測技術。
  • 矩子科技楊勇:憑「工匠精神」通關機器視覺檢測
    楊勇告訴記者，3D是機器視覺檢測的發展方向，正是看好這個趨勢，矩子科技從5年前開始介入3D AOI的研發，也是國內首家實現批量出貨的供應商。創業三年摘了「蘋果」矩子科技是最早進入機器視覺檢測領域的國產設備商。上世紀90年代末，日本開始出現機器視覺檢測設備，最終發展成為這個領域的「王者」。2000年時，楊勇進入日本Saki Corporation株式會社（即賽凱智能）工作，開始接觸機器視覺檢測設備的研發。
  • 機器視覺系統與機器視覺檢測最常見的技術應用分析
    在機器視覺領域，最熱門的關鍵字就是機器視覺系統，機器視覺檢測以及機器視覺招聘了。因為它涉及到CCD視覺定位等視覺識別系統。在視覺測量方面，視覺識別系統還可以應用於在線檢測，這種在線檢測設備，是視覺測量技術中比較核心的技術，也是視覺系統供應商比較注重的領域，如康耐視就是機器視覺行業比較有影響力的機器視覺檢測公司之一。在視覺檢測及視覺檢測系統中，視覺檢測圖是用來分析機器視覺系統以及視覺檢測設備的功能的非常重要的分析方式。
  • 康耐視的新校準3D機器視覺檢測
    (上海，2013年03月19日)康耐視公司（納斯達克：CGNX），世界領先的機器視覺系統供應商，宣布推出新的DS10003D雷射剖面系統。該系統可以校準無法通過傳統二維機器視覺執行的按實際單位測量的檢測。
  • 機器視覺的定義!機器視覺的優勢究竟有哪些?
    發表於 2019-05-08 13:43:50 隨著工業4.0時代的到來，機器視覺在智能製造業領域的作用越來越重要，機器視覺技術是如何工作的、它為什麼是實現流程自動化和質量改進的正確選擇等。
  • 勁拓股份:目前公司主要的智能機器視覺檢測設備包括AOI和3D-SPI
    投資者問：請問董秘，公司在機器視覺上有什麼新的研發和技術儲備嗎？ 勁拓股份(300400)：目前公司主要的智能機器視覺檢測設備包括AOI和3D-SPI，均已實現批量生產和銷售，主要應用於焊接工藝過程中的焊接良率檢測，公司會持續提升該類設備檢測性能、檢測效率及精準度，謝謝!
  • 機器視覺檢測系統優勢有哪些方面
    隨著工業4.0時代的到來，機器視覺在智能製造業領域的作用越來越重要，機器視覺技術是如何工作的、它為什麼是實現流程自動化和質量改進的正確選擇呢。其實機器視覺技術，是一門涉及人工智慧、神經生物學、心理物理學、計算機科學、圖像處理、模式識別等諸多領域的交叉學科。
  • 創科視覺:開創國內3D機器視覺新高度
    在3C電子行業，機器視覺的應用越來越普遍，無論是零部件的檢測還是整機產品的檢測，機器視覺都起到了重要作用。而作為自動化設備的「眼睛」，機器視覺對企業進行智能化轉型升級也尤為重要。而作為國內最早投身視覺軟體開發的企業之一，創科在機器視覺領域可謂積累深厚。
  • 「十三五」安防領域機器視覺發展回顧與展望
    一、機器視覺技術發展與應用遠超規劃預期 「十三五」規劃在發展目標中提出「深入研究和應用人工智慧、機器視覺等前沿技術並取得若干突破」；在措施與建議中提出要推動「機器視覺、語音識別、生物特徵識別、安保機器人等關鍵技術的突破，提升智能技術在安防各領域的實戰應用和效能」和視頻結構化等智能化應用。
  • 深度學習技術和卷積神經網絡(CNN)讓機器視覺識別更智能
    隨著人工智慧技術的進步，深度學習技術（DL）和卷積神經網絡技術(CNN)領域的人工智慧（AI）被引入到機器視覺圖像處理系統的應用中來,從而幫助機器學習和機器檢測缺陷更加高效，使機器視覺識別的過程更加精確。也讓使用這些技術的企業可以從智能化中獲得更高的生產經營效益。
  • 通信行業:工業機器視覺,5G+AI 加持,國產化替代進程加速
    機器視覺概念1.1. 機器視覺基本概念及產業鏈機器視覺技術主要採用適合被測物體的多角度光源（可見光、紅外光、 X 射線等）及傳感器（攝像機等）獲取檢測對象的圖像，通過計算機從圖像中提取信息，進行分析、處理，最終用於實際檢測和控制。機器視覺技術涉及機械、電子、光學、自動控制、人工智慧、計算機科學、圖像處理和模式識別等諸多領域。