Industrial Camera and SmartVision Controller Vision Solutions
工業相機和 SmartVision 控制器視覺解決方案
YouTube：https://www.youtube.com/channel/UCPTvhfoVaqhdReICP2wT7IA ；或 YouTube 搜尋「台灣區電信工程工業同業公會」
臉書：台灣區電信工程工業同業公會社團：https://www.facebook.com/groups/222211902749335；或臉書搜尋「台灣區電信工程工業同業公會」
 |
| AdLink 的 Neon-2000 系列 AI 智慧攝影機。 |
人工智慧 (AI) 在自動化技術中的應用，已經涵蓋了廣泛的領域，儘管該技術仍處於早期階段。從引導自主移動機器人和顯著改善品質檢查到邏輯控制、食品安全和預測性維護，很明顯，在可預見的未來，人工智慧將在自動化中發揮關鍵作用。
AdLink 物聯網解決方案和技術業務部業務和產品中心總監楊嘉偉。
如果你還沒有開始將 AI 應用到你的任何操作中，智慧攝影機可能是開始使用支持 AI 的自動化的好方法。AdLink是一家從邊緣運算和工業 PC 到機器視覺和網路設備的自動化技術供應商，其物聯網解決方案和技術業務部業務和產品中心總監楊嘉偉（人名英文轉譯）提出了人工智慧支持智慧的三個關鍵應用攝影機：安全、操作員效率和品質。
安全
談到工業環境中的工人安全，光幕是最常用的技術之一。這些設備透過創建保護機器訪問點和周邊的感應螢幕來保護人員免受傷害。
安全光幕佔用地面空間，佈署困難，缺乏靈活性；有些還達到了響應能力的局限性。AI 智慧攝影機最大限度地減少延遲，減少空間和頻寬要求，並且易於佈署和維護。
然而，它們佔用大量地面空間，難以佈署，並且缺乏靈活性，楊說。「而且，在某些情況下，安全光幕的有限響應時間，可能會產生其他問題。 」
使用 IP 攝影機和 AI 模組的傳統機器視覺系統，通常也存在相當大的延遲問題，這使得它們在需要立即響應的應用中不太理想。
AdLink 的 Neon-2000 系列 AI 智慧攝影機目的在解決此延遲問題。「它會捕捉圖像並執行所有與人工智慧相關的操作，然後將結果和指令發送到相關設備，例如機械臂，」楊說。「Neon-2000 系列的即時機器視覺，AI 透過在用戶進入不安全區域時向用戶發出警報，並記錄該資訊以進行再培訓，從而提供額外的好處，以提高工人的安全性。例如，如果工人接近危險區域，而不是機械臂完全關閉，它可能會進入功能安全流程循環。諸如此類的例行程序不僅可以提高工人的安全性，還可以提高工廠的營運效率。」
 | 觀看此影片，了解更多有關自動化技術中人工智慧使用爆炸式成長的資訊。 |
操作員效率
在製造中，週期時間是生產效率的一個關鍵方面，因為它代表了生產產品直到產品準備發貨所花費的時間。
楊說，使用人工智慧攝影機技術監控員工行為和位置，有助於執行標準操作程序並提高員工效率，從而縮短週期時間。該術語通常被稱為「姿勢追踪」或「姿勢檢測」，它用一組骨骼標誌點（例如手、肘或肩）描述身體位置和運動的符號。
電子製造線上的姿勢檢測有助於提高生產力，並改善訂單、數量和生產線平衡。
「來自即時影像的姿勢檢測可以在類比世界之上疊加數字內容和資訊，」楊說。「人工智慧機器視覺使工廠操作員和工人能夠專注於身體位置如何影響他們的工作。姿勢數據是一種很好的訓練工具，可以指導操 作員將手臂和手放在哪裡，以便更符合人體工程學和更高效地工作。」
他補充說，跟踪操作員是否在生產線上的工作站，也可以自動化和驗證時間表。「監控他們是否積極遵循標準操作程序可確保質量控制和生產線平衡，」楊指出。
品質控制
手動產品質檢查耗時且經常不一致，最終會在生產線中造成瓶頸。傳統的自動光學檢測 (AOI) 機器視覺，可以比人類更快地檢測到易於發現的缺陷，但是當難以檢測的故障（例如隱形眼鏡上的缺陷）時，這些機器視覺系統在術語和準確性方面達到了極限和一致性，楊說。
自動光學檢測甚至可以檢測透明隱形眼鏡中的微小缺陷，與以前使用的手動品質控制流程相比，顯著提高了檢測率。
「由於隱形眼鏡是透明的，實施基於機器視覺的檢測歷來是該行業面臨的挑戰，」他解釋道。「傳統的 AOI 依賴固定的幾何算法來發現缺陷，但從透明物體中獲取高品質的圖像具有挑戰性，這導致檢測性能不可接受。使用 AI 智慧攝影機收集數據，來訓練 AI 算法並迭代檢測性能提升是一種更好的方法。AI 智慧系統可以辨識最常見的缺陷，包括毛刺、氣泡、邊緣、顆粒、划痕等，並保留檢查日誌以供客戶參考。」
Yang 指出，AI 智慧攝影機可以檢測比手動視覺檢測多 50 倍的鏡頭，準確度提高了 30% 到 95%。
視覺分析
據楊說，他上面提到的人工智慧機器視覺應用，需要人工智慧算法進行深度學習。「開發人工智慧算法的軟件專家需要一個智慧、可靠的平台來執行人工智慧模型推理，」他說。「預裝邊緣視覺分析 (EVA) 軟體的 AI 智慧攝影機解決了傳統 AI 視覺系統常見的許多問題，提高了相容性，加快了安裝速度，並最大限度地減少了維護問題。」
他補充說，EVA 還有助於縮短智慧攝影機的佈署時間。
「工程師可能需要長達 12 週的時間為 AI 視覺項目進行概念驗證 (PoC)，因為需要花費大量時間，來克服選擇優化攝影機和要使用的 AI 推理引擎、重新訓練 AI 的學習曲線模型，並優化影像串流，」他說。「然而，EVA 軟體透過其流水線結構簡化了這些步驟，並將 PoC 時間縮短了多達 2 週。」
沒有留言:
張貼留言