机器视觉开始自我思考
当前位置:首页 > 行业资讯 > 机器视觉开始自我思考

机器视觉开始自我思考

小施 2020-12-01 9182


43535.png

机器视觉的发展,例如图像配准,计算机视觉,深度学习和其他人工智能(AI)技术,正在开始实现根本的市场变革。 

事实证明,机器视觉技术对于食品加工和包装过程中的质量控制具有不可估量的价值。在过去的20年中,机器视觉的应用显着增长,巩固了该技术在食品制造中至关重要的地位。自动化和机器人技术的市场增长是机器视觉行业的主要驱动力,因为自动化技术严重依赖视觉和成像来有效地发挥作用。图像配准,计算机视觉,深度学习和其他人工智能(AI)技术的发展正在开始带来根本的市场变化。


机器视觉技术的核心应用是质量保证,以帮助确定食品或包装在出厂前是否存在缺陷。食品加工公司可能会检查马铃薯产品的尺寸,形状和颜色,或者评估肉类产品中的脂肪含量。他们还将检查初级和次级包装是否完好无损,以及所有标签是否正确。监管和客户对质量的要求,再加上日益增加的竞争压力,都增加了质量保证经理对确保执行目视检查的要求。

识别有缺陷的产品

食品加工的最佳实践要求对机器视觉质量检查产品进行投资,以识别有缺陷的产品或包装以及可能的原因。从历史上看,在没有引入自主机器视觉系统之前,该行业一直充满挑战。这是因为解决方案复杂,耗时且安装和设置相当昂贵。


传统上,机器视觉解决方案非常复杂,通常需要系统集成商来完成该项目-从创建概念验证和测试计划,到选择组件并将其作为生产线上的精心设计的解决方案组合在一起。困扰整个行业的另一个挑战是机器视觉解决方案缺乏灵活性。这意味着对被检查产品的任何细微的环境变化或改动都需要积分器返回。在许多情况下,尽管实施该解决方案需要投入大量资金,但原始解决方案肯定要过时并不适合新应用。

人工智能方法

一旦系统启动并运行,系统就会采用整体AI方法。为确保获得最清晰,最有用的图像,AI算法会针对对象和环境优化相机和照明设置。从这一点来看,该算法无需操作员的任何输入即可检测和定位对象。系统无需机器视觉专家重新定义检测和算法,就可以直接使用。最后一步是让操作员验证一些良好的样品作为参考,让系统了解标准产品的外观。是否需要多少标准产品的数据库,具体取决于要检查的零件和运动曲线。然后再开始检查过程。


每个新图像将与黄金标准参考进行比较,以验证形状公差和表面变化。因为系统不是在搜索预定义的缺陷或与缺陷零件进行比较,所以它将检测出制造商以前从未考虑过的缺陷。


由于系统具有自适应功能,因此制造商可以在需要时轻松地将系统移至生产线上的另一点。此外,由于该系统简单易行且安装成本低廉,因此可以实现全面的质量保证,可以在生产线的任何位置采用机器视觉技术来跟踪每个步骤。这样可以很容易地识别出已引入缺陷的有缺陷的产品,从而确定产品有缺陷的原因。正如一位工厂经理所说的那样:“向自动机器视觉系统过渡,工厂不仅可以保护客户免受不良产品的侵害,而且还可以保护工厂免受废品和制造工艺缺陷的影响。”



立即定制视觉方案