机器视觉和 IIoT 提升下一波物流效率
第四代工业革命即工业 4.0，为物流领域带来了数不尽的创新。机器视觉技术是驾驭这些创新的核心。
工业 4.0 经常被称为工业物联网 (IIoT)，其形貌是：复杂的传感器网络将大量的数字数据输入到学习算法中，从而提高整个生产环境的生产力、灵活性和盈利能力。在物流领域，机器视觉系统展现了联网传感器改变工业流程的潜力。
物流运营商在数字商务的激增中首当其冲，这让该行业有强烈的动力去使用简化业务流程和提高客户满意度的技术。因此，物流业中没有任何人敢忽视工业 4.0 的潜力。
工业和技术的演变：简单回顾
开始讨论机器视觉在工业 4.0 中的前景之前，我们先简单地看一下前三个阶段：
1.0：蒸汽动力。约 1760 到 1840 年间，第一次工业革命利用蒸汽动力使生产过程标准化，拉开了农业社会向工业社会转变的序幕。
2.0：大规模生产。19 世纪后期，流水线使制造商能够大量销售复杂的产品。Henry Ford 的汽车工厂是工业 2.0 的典范。
3.0：数字化。从 20 世纪 50 年代到 70 年代，集成电路、网络和数据处理应用迎来了工业 3.0，为第四次工业革命奠定了基础。
现在我们来看看工业 4.0 的潜力。
机器视觉如何为物流带来工业 4.0
传感器、网络和学习算法使人们能更容易地理解和分析任何环境下的工业生产运作，例如汽车厂或炼油厂。储存和运送产品的物流系统展示了工业 4.0 的潜力。
物流链的枢纽是配送中心，它有四个主要功能：
工业相机使这一切成为可能，因为它们：
- 引导机器人拾取产品
- 识别产品包装
- 在配送中心中跟踪包装
- 为质量控制检测包装
- 测量物品以便进行智能分拣和装车优化
物流业进入新时代后，这些值得信赖的成像工具也会变得更加重要。
做工作：机器视觉数据推动工业 4.0 的价值
几十年来，条形码扫描仪一直是物流的重要组成部分，但之前主要使用激光技术，缺少成像相机可以提供的丰富数据。随着最近机器视觉读码器的采用，供应链中开始采集和使用数据丰富的图像，但是我们现在才看到公司调查视觉检测以用于物流质量控制。在工业 4.0 中，图像读码器可以帮助物流企业从整体上规划运营情况，利用数据和软件让所有工作变得更好。以下是所采用的方法：
数据科学和深度学习。工业视觉系统生成数字图像，可以实时显示配送中心中所有东西的关键特征。学习算法分析培训图像后，将产品的最优外观告诉配送中心的自动化系统。
产品经过配送中心时，机器视觉相机将数字图像发给深度学习应用并标记出与培训图像的偏差。算法经过优化，随着系统使用新图像集重新培训，也会变得越来越准确。
质量控制。深度学习应用可以帮助配送中心更准确地分拣产品和完成订单，这是因为相机会持续观察标签损坏、标签缺失、包装损坏以及其他影响客户体验的问题。
预测性维护和故障排除。支持深度学习的视觉系统也可以通过编程来检测生产线上的部件是否有磨损的痕迹。随着时间的推移，这些算法可以准确地预测零件出现故障的时间。与因突发故障而使一切陷入停顿相比，在预定的维护时间内关闭输送线进行维修的成本要低得多。
在未来几年，随着越来越多的商业活动转移到网上，订单全年 (24/7/365) 无休，配送中心的容错空间也会大幅减小。这给物流运营商带来了更大的压力，他们需要进行深入的故障分析，以确定问题，优化维护，并限制时间密集型故障的可能性。
先进的机器人。工业机器人可以让制造商实现半导体制造等精细工艺的自动化。这些机器人依靠机器视觉相机以精确的精度对准部件。同样，在物流领域，读码器和机器视觉相机帮助机器人将成品箱搬到货盘上，减少出库物流对人力的依赖。学习算法可帮助它们不断提高精度和处理量。
有一个领域仍然需要投入人工：在订单履行过程中挑选产品并将其放入送货纸箱。到目前为止，机器人还不能超过人类的眼睛、大脑和手指的功能，但这在未来几年内很可能会改变。创业公司正致力于复制人手动作，以及大脑及其视觉中枢的学习功能。他们早晚会想到如何将拣货流程自动化，这只是一个时间问题。
康耐视为物流业的工业 4.0 清除障碍
在深度学习软件的支持下，机器视觉相机和传感器将成为配送中心下一代机器人技术演变不可或缺的一部分。此外，5G 无线网络和边缘计算设备的进步将降低网络延迟，使配送中心运营商进一步提高其自动化系统的效率。
但是，如果没有像康耐视数十年来不断完善的工业自动化视觉系统那样值得信赖的“眼睛”，这些工作都将无法实现。我们易于使用的深度学习软件和坚固可靠的工业视觉系统，以及结合了 Edge Intelligence 软件的图像读码器，在业界是无与伦比的。
