账号:
密码:
最新动态
产业快讯
CTIMES / 文章 /
机器视觉走入AI世代 后势发展深具潜力
 

【作者: 王明德】2019年10月01日 星期二

浏览人次:【8251】

机器视觉近年来发展加速,应用领域也快速拓展,相较于人眼,机器视觉对环境的适应力更佳,包括高温、寒冷,甚至是真空等人类难以适应的恶劣环境,机器视觉都可正常运作,再加上现在产线移动速度越来越快,产品体积渐趋精细,人眼已难分辨细小瑕疵。



图1 : AI已是机器视觉的既定趋势,多数软硬体厂商都已投入研发,新产品也不断问世,未来发展值得期待。 (source: Electronics Sourcing)
图1 : AI已是机器视觉的既定趋势,多数软硬体厂商都已投入研发,新产品也不断问世,未来发展值得期待。 (source: Electronics Sourcing)

在此情况下,在科技、食品…等制造业中,机器视觉已逐渐取代人力,成为品管检测的主要技术,近年来智慧化成为全球制造业的重要趋势,机器视觉也迅速与AI结合,提供业者更快速、精准且具弹性的视觉检测方案。


从应用面来看,机器视觉在制程上包括检视(Inspection)、导引(Guidance)、控制(Control)、识别(Identification)和物料搬送(Material Handling)等四大应用面向方面,其族群则为产业机器设备制造商、系统整合商与企业用户。


工业4.0驱动市场改变

至于产品类型则有分别是PC-Based以及单机两种架构,PC-Based的使用者大多需要具备程式能力,前段影像撷取的部份可由硬体工程师进行整合,软体的部份需具有程式能力的软体工程是进行系统的开发与设计,其开发时程较长,适用于有独特需求、并具备软体开发能力的使用者。


至于单机式架构则诉求简易操作、快速上手,上述的三大使用族群各有不同的技术背景与需求,如企业用户多要求简单易操作、多功能合一的单机型设备,较不熟稔专业程式设计的影像工程师,只需要对机器视觉有一定程度的概念与实务经验,即可透过套装软体完成单机型设备参数的设定。换句话说,因应不同的需求,机器视觉有不同的作法以及客户群,各有其优势与特点来满足多元的应用。



图2 : 在科技、食品…等制造业中,机器视觉已逐渐取代人力,成为品管检测的主要技术。 (source: Applied Controls)
图2 : 在科技、食品…等制造业中,机器视觉已逐渐取代人力,成为品管检测的主要技术。 (source: Applied Controls)

不过,尽管架构不同,但在近年来的AI化趋势下,机器视觉的软体平台都必须走向高专业与精简设计,以利于制造业者提高生产线效率,并缩短人才的培育时间。


就如前文所叙述,过去常用的人力检测已难因应现在产线需求,人眼除了会因工作时间的拉长导致品质下降外,越来越快的生产速度与部分小体积产品,人眼也难以负荷,因此AOI现已成为产线检测主流技术,透过高解析工业相机与高效能影像软体,强化制程的检测效率。


过去消费市场主要为少样多量的型态,因此产线均设计为大批量生产,在建置前阶段就将所有的环节紧密嵌合在一起,以最小的变动设计出最精简的制程,以最快速生产模式创造出最大效益,不过工业4.0趋势到来,彻底颠覆了制造思维。工业4.0是终端市场的需求为导向,透过客制化生产快速满足市场需求,其最终目标是即便产线只生产一件产品也能获利,因此弹性化成为新世代产线必须,包括AOI在内的产线设备都面临变革。


在过去的产线中,AOI检测的导入虽然繁复,不过只要在产线设置前期设定完成,后期即便需要更动频率也不高,因此对制造业者而言负担并不沉重,不过在多样化生产需求浮现后,弹性化成为新世代产线必要的设计,可快速设定并有自我学习能力的AI逐渐被应用在产线视觉检测。


AI解决方案不断问世

相较于其他应用,影像是目前AI发展最快的领域,透过机器学习演算法快速识别影像的做法,已被广泛应用于交通、建筑系统,其辨识率更可达到95%,此辨识率在上述领域虽已足够,但在产线辨识仍然不足。


现在手机上的Face ID或门禁系统的脸孔辨识,其辨识影像数据量庞大且被辨识物的背景单纯,设备要辨识相对容易,而且使用者对失败的容许度较高。产线辨识则会直接影响出货良率,对错误容许度极低,而且被辨识的物件影像数据少、其背景复杂,因此其AI演算法不能一体适用,必须重新设计。



图3 : 相较於其他应用,影像是目前AI发展最快的领域。(source: SEMI)
图3 : 相较於其他应用,影像是目前AI发展最快的领域。(source: SEMI)

除了演算法之外,硬体成本是另一个问题。现在AI的主要运算单元是GPU,一般产线上的检测,必须拍摄到物件的上下左右共六个面向,因此其系统必须架设六组工业相机,而每组工业相机又都需要搭配一张GPU显示卡作为运算,加总起来的设备成本非常高昂。此外,现在市面上的GPU多为消费性产品所设计,其产品供货期偏短,难以满足需要长期使用的工业系统,一旦GPU供应商断货,关键零组件就难以为继,原有零组件一旦故障,设备就有可能必须因此停摆,造成庞大的损失。


为解决此问题,机器视觉厂商必须选用符合工规标准的GPU产品,现已有厂商推出长期供货的GPU,解决后续的维修问题。至于多GPU问题,NVIDIA也有可以外接型态运作的产品,可在一部工业电脑上外接六组GPU,其效能与过去的 六部电脑一致,不但大幅降低了设备的购置成本,也有效缩减产线空间并提升设备维修效率,且效率大幅增加,过去需要数天的前端AI训练,导入后仅需数小时,效益提升了30倍以上,实际上线后,也将原来一秒多的运算时间最快缩短到5毫秒。


整体而言,AI已是机器视觉的既定趋势,虽然目前软硬体技术都已堪使用,不过制造现场的环境复杂,且各制造业者的需求不一,因此在实际应用时仍需不断调校。至于在供应面,由于AI机器视觉的市场庞大且需求明确,因此多数软硬体厂商都已投入研发,新产品也不断问世,未来发展值得期待。


相关文章
开启边缘智能新时代 ST引领AI开发潮流
NVIDIA人工智慧专家看2024年
你的下一个运动教练可能是人工智慧
机器视觉+自动化系统捡选优质柠檬
以Wi-Fi无线通讯设备增进仓储物流效率与安全
comments powered by Disqus
相关讨论
  相关新闻
» RIN国际研发高峰会手举行 金属中心展出亮眼成果
» 西门子工具机软硬体解决方案 构建数位制造核心应用
» TPCA展??2024台湾PCB产值 有??复苏达8,182亿新台币
» 洛克威尔自动化携手NVIDIA 扩大AI在制造业的应用规模
» 台达子公司泰达8厂及研发中心开幕 扩大电动车研发及产能布局


刊登廣告 新聞信箱 读者信箱 著作權聲明 隱私權聲明 本站介紹

Copyright ©1999-2024 远播信息股份有限公司版权所有 Powered by O3  v3.20.1.HK83SE8L016STACUK7
地址:台北数位产业园区(digiBlock Taipei) 103台北市大同区承德路三段287-2号A栋204室
电话 (02)2585-5526 #0 转接至总机 /  E-Mail: webmaster@ctimes.com.tw