康耐视博客

机器视觉和深度学习如何实现工厂自动化

factoryautomationlarge
在过去十年中,技术’变革的步伐在人类历史上几乎是前所未有的,并且在未来的几年中它只会变得更加惊人:’区块链、机器人技术、边缘计算、人工智能 (AI)、大数据、3D 打印、传感器、机器视觉、物联网,这些只是行业前沿的大量技术变革中的一部分。 

战略性地计划使用其中的部分或全部技术对制造业是有重要意义的。在美国,制造业在年度经济活动中的比重达 2.17 万亿美元,但 McKinsey 预测,到只剩五年时间的 –2025– 年“智能工厂”会产生高达 3.7 万亿美元的价值。换句话说,能够快速将工厂变成智能自动化中心的公司将成为这些投资的长远赢家。 

“如果您’坚持使用旧方式并且’无法数字化制造流程,您的成本就会升高,您的产品会延期上市,而您为客户提供独特的增值功能的能力会衰退,”信息技术和创新基金会全球创新政策专家 Stephen Ezell 在 Intel 的一份关于制造业 AI 未来的报告中这样说。

在工厂或制造业环境下,这些技术已经不是锦上添花的东西,而是业务的关键。根据 Forbes Insights 最近的一份研究报告,汽车和制造领域有 93% 的被调查者将 AI 分类为‘高度重要’或‘绝对是成功的关键’。尽管如此,其中只有 56% 的被调查者计划提高人工智能的投资,而且提高不到 10%。 

认识新技术可以实现更高程度的工厂自动化的重要性和投资意愿之间的关系将决定着公司未来的成败。未积极投资 AI 等技术也可能是因为对其 ROI、功能或真实世界用途理解不充分导致的。毕竟行业分析公司 Gartner, Inc. 将太多的 AI’ 应用“提升到了夸大的程度。” 

但是 AI,特别是深度学习或基于示例的机器视觉,结合传统的规则式机器视觉,可为制造工厂及其团队赋予超能力。例如现代智能手机或其他消费电子产品的复杂装配。基于规则的机器视觉和深度学习相结合,可以帮助自动装配机器识别正确的零件、发现螺丝丢失或外壳未对准等差异、帮助检测零件是否存在或装配到了产品上的其他位置等,并快速判断这些是不是问题。而且它们能够在难以置信的规模上做到这一点。 

机器视觉和深度学习的结合为公司采用更智能的技术提供了便利,这将为他们带来新一代的规模、精度、效率和财务增长。但是理解传统机器视觉和深度学习之间的细微差异,以及它们的相互补充而非替代作用,是最大化这些投资的关键。  

要了解机器视觉和深度学习之间的补充与差异,请下载我们的电子书深度学习与机器视觉

更多帖子

获取产品支持和培训以及更多

加入 MyCognex

是否有任何疑问?

世界各地的康耐视代表可以随时为您提供支持,满足您的视觉和工业读码需求。

联系我们
Loading...