如何識(shí)別AI在機(jī)器視覺(jué)中的機(jī)會(huì)？

如何識(shí)別AI在機(jī)器視覺(jué)中的機(jī)會(huì)？人工智能(AI)正在被各行業(yè)采用，以利用數(shù)據(jù)的力量，并使用其來(lái)做出更明智的決策。

本文將介紹如何在機(jī)器視覺(jué)應(yīng)用程序中識(shí)別AI的機(jī)會(huì)。人工智能系統(tǒng)的業(yè)務(wù)需求管理期望AI方法有特定的用例。畢竟不是萬(wàn)能的解決方案，解決不了所有的問(wèn)題。有些應(yīng)用程序更適合傳統(tǒng)的計(jì)算機(jī)視覺(jué)，有些可能兩者都需要，而有些可能只需要人工智能。人工智能系統(tǒng)是昂貴的——無(wú)論是成本還是前期所需的資源。開(kāi)源工具需要大量的開(kāi)發(fā)時(shí)間，而外部工具往往很昂貴。此外，通常需要GPU才能在系統(tǒng)上實(shí)現(xiàn)足夠的性能。許多制造商往往沒(méi)有GPU或同等的處理能力。因此，重要的是要確定哪些應(yīng)用程序非常適合具有強(qiáng)大業(yè)務(wù)需求的人工智能。視覺(jué)系統(tǒng)設(shè)置的重要性在進(jìn)入AI之前，建議在視覺(jué)系統(tǒng)設(shè)置方面要有扎實(shí)的基礎(chǔ)。不過(guò)，這對(duì)人工智能來(lái)說(shuō)沒(méi)有那么重要，因?yàn)槠渫ǔ？梢蕴幚肀葌鹘y(tǒng)系統(tǒng)更糟糕的條件。所有常規(guī)的機(jī)器視覺(jué)系統(tǒng)規(guī)則都適用于此——良好的照明、相機(jī)分辨率、焦距等。如果這些因素中有任何一個(gè)沒(méi)有達(dá)到標(biāo)準(zhǔn)，那么在深入研究AI之前，有必要先回過(guò)頭來(lái)解決這些問(wèn)題。確保強(qiáng)大的視覺(jué)系統(tǒng)設(shè)置，以獲得最佳的結(jié)果。參考人類表現(xiàn)人工智能系統(tǒng)在人類表現(xiàn)強(qiáng)大的地方最為成功。一旦系統(tǒng)設(shè)置好，操作員可以輕松地用眼睛識(shí)別/分類圖像，這樣就可以確定其是否適合AI。然而，如果人類的表現(xiàn)不足，那么AI模型很可能表現(xiàn)不佳。將人類的表現(xiàn)作為AI模型能夠?qū)崿F(xiàn)的參考點(diǎn)，如果操作員識(shí)別圖像的正確率只有70%，那么人工智能的表現(xiàn)不太可能比這更好。因此，如果人類的性能對(duì)于應(yīng)用程序來(lái)說(shuō)不夠好，應(yīng)該首先解決該性能問(wèn)題，并將其提高到可接受的水平。一旦操作員達(dá)到了預(yù)期的性能，便可考慮AI。時(shí)間和資源收集圖像和訓(xùn)練模型需要付出相當(dāng)大的努力。通常，收集高質(zhì)量的圖像是最困難的部分，因?yàn)樵S多制造商的缺陷量非常低。如果缺少數(shù)據(jù)，可能很難訓(xùn)練有缺陷部件的模型。訓(xùn)練工具很有幫助，其提供了需要較少樣本進(jìn)行訓(xùn)練的預(yù)訓(xùn)練模型。訓(xùn)練是一個(gè)迭代過(guò)程，跨越多個(gè)步驟，找出理想?yún)?shù)，以使模型運(yùn)行。優(yōu)化模型通常需要時(shí)間和實(shí)驗(yàn)。此外，如果現(xiàn)場(chǎng)出現(xiàn)新數(shù)據(jù)，模型將需要再次訓(xùn)練和部署。人工智能應(yīng)用程序示例:

人工智能在機(jī)器視覺(jué)中的一個(gè)示例應(yīng)用是用于總裝檢測(cè)，另一個(gè)是印刷電路板或PCB檢測(cè)。

?總裝檢測(cè)：背景零件/產(chǎn)品或組件的最終檢查通常由操作人員、或傳統(tǒng)的機(jī)器視覺(jué)系統(tǒng)、或兩者兼而完成。這里將重點(diǎn)介紹Teledyne相機(jī)作為示例產(chǎn)品。最終檢查可能會(huì)檢查彎曲的大頭針、表面的劃痕、連接器的正確位置、貼紙的對(duì)齊、文本的正確打印以及機(jī)械裝置之間的距離等等?；旧?，需要找到在構(gòu)建過(guò)程中發(fā)生的任何異常。但這樣，需要快速查找的標(biāo)準(zhǔn)列表會(huì)變得很長(zhǎng)。傳統(tǒng)的基于規(guī)則的系統(tǒng)很難處理所有極端情況，且培訓(xùn)新的操作人員也很困難。為什么是AI?通常有太多的規(guī)則來(lái)確定什么是“通過(guò)”。這使得傳統(tǒng)的機(jī)器視覺(jué)系統(tǒng)難以實(shí)現(xiàn)良好的性能。另一種選擇是，對(duì)于許多公司來(lái)說(shuō)，人工檢查非常耗時(shí)，且對(duì)于新運(yùn)營(yíng)商來(lái)說(shuō)，很難做出一些模棱兩可的判斷。傳統(tǒng)的基于規(guī)則的系統(tǒng)往往沒(méi)有足夠的性能，制造商依賴運(yùn)營(yíng)商的判斷來(lái)提供幫助?？赡軙?huì)有不同的光照條件，以及缺陷位置、形狀和紋理的高度變化。通常，只需要一個(gè)簡(jiǎn)單的“好/壞”的定性輸出。但是，如果需要，這也可以與傳統(tǒng)的基于規(guī)則的算法相結(jié)合。好處有了AI，設(shè)置就容易多了。在收集了大量的圖像來(lái)訓(xùn)練模型之后，讓一個(gè)系統(tǒng)運(yùn)行通常比基于規(guī)則的系統(tǒng)，特別是使用AI工具，要少得多的開(kāi)發(fā)工作。使用適當(dāng)?shù)南到y(tǒng)，通常是使用GPU，檢查速度要快得多，檢查速度大約為毫秒。如果提供良好的數(shù)據(jù)，人工智能系統(tǒng)的表現(xiàn)也應(yīng)該比人類更可靠，并且是標(biāo)準(zhǔn)化檢查程序的好方法。該算法通常由多個(gè)操作人員提供的數(shù)據(jù)進(jìn)行訓(xùn)練，可以減少人為錯(cuò)誤。這有助于減輕單個(gè)操作員可能產(chǎn)生的人類偏見(jiàn)或疲勞。在這個(gè)例子中，AI可以幫助制造商減少開(kāi)箱即用的故障，并提高檢測(cè)質(zhì)量和吞吐量。

?PCB檢測(cè)：背景PCB制造商需要檢查其電路板是否存在任何缺陷?？赡苁呛更c(diǎn)不良、短路或其他的異常情況。通常會(huì)使用AOI(自動(dòng)光學(xué)檢查)機(jī)器。然而，由于缺陷的變化太多，很難處理所有的邊緣情況。且基于規(guī)則的系統(tǒng)的性能不夠準(zhǔn)確，制造商會(huì)請(qǐng)操作人員進(jìn)行人工檢查，這既費(fèi)時(shí)又昂貴。為什么是AI?傳統(tǒng)的AOI系統(tǒng)很難識(shí)別缺陷。其要么過(guò)沖或低于性能，導(dǎo)致有缺陷的PCB通過(guò)或良好的PCB失敗。與其他情況類似，有太多的規(guī)則來(lái)確定一個(gè)“好電路板”。根據(jù)應(yīng)用的不同，這里可以使用AI對(duì)尺寸和形狀差異很大的缺陷進(jìn)行分類，像短路、開(kāi)路、錯(cuò)誤元件、焊接缺陷等。好處借助人工智能，制造商可以提高檢測(cè)的準(zhǔn)確性和質(zhì)量。這有助于減少通過(guò)檢查的有缺陷PCB的數(shù)量。同時(shí)，還可以節(jié)省任何人工輔助檢查的時(shí)間和人力成本，并通過(guò)自動(dòng)化，完成操作人員需要更長(zhǎng)時(shí)間完成的工作來(lái)提高吞吐量。

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書(shū)面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。