康耐视博客

推动工业自动化的三个趋势

machinevisiontrends large

自 1980 年代开始后,机器视觉就一直在做两件事:改进技术’的力量和功能,以及使其更易于使用。现在,机器视觉采用了更高分辨率且更智能的相机,使车间内外都可以使用新的自动化解决方案 — 全部使用智能手机一样的简单操作方式,大幅降低了工程要求和相关成本。

而且,与因大数据、云、人工智能 (AI) 和移动等技术的迅速发展而受益的其他行业一样,制造商、物流运营和其他企业也会因自动化机器视觉的三个主要进步而受益。

迅速改进传感器技术

虽然 1、2 和 5 百万像素 (MP) 相机仍然是机器视觉相机的主流,但我们’已经看到了人们对最高 12 MP 的更高分辨率智能相机的巨大兴趣。高分辨率传感器意味着一个检测汽车发动机的智能相机可以在保持高精度检测的情况下完成多个较低分辨率智能相机的工作。

康耐视’正在申请专利的高动态范围 Plus (HDR+) 图像处理技术可提供比典型 HDR 更高的图像逼真度。它可帮助智能相机检测大型物体上照明均匀度不甚理想的多个区域。过去,照明差异会被误认为是缺陷或无法看到特征。现在,HDR+ 可帮助减少照明差异造成的影响,实现了仅仅几年前机器视觉技术还无法胜任的挑战性环境下的应用。

使用在现场可编程门阵列 (FPGA) 上运行 HDR+ 技术的高级智能相机提高以帧速率拍摄图像质量的同时,还使用了飞行时间 (ToF) 传感器等补偿传感器技术实现“根据距离动态聚焦”。使用距离测量和高速液态镜头技术的新大功率集成手电筒 (HPIT) 成像系统也通过实现帧速率的动态自动聚焦造成相应的影响。如果包装和产品大小有很大差异,需要相机快速调整不同的焦距范围,最新的读码器内置 HPIT 功能,可以应对高速通道分选和仓储管理等应用。

集成深度学习

与 AI’ 对其他行业的影响一样,工厂自动化的深度学习视觉软件可以自动化完成之前只能手动完成的检测,或者更有效率地解决对于传统规则式机器视觉来说繁琐且费时的复杂检测挑战。

投资于深度学习的最大推动力就是在很多情况下可以将成百上千的人类检测员替换为深度学习检测系统。这是制造商们首次得到可以媲美人类效果的检测解决方案。

深度学习使企业受益的其中一个实例就是缺陷检测。所有制造商都希望在制造过程中尽早地、尽量多地避免工业缺陷,从而减少对下游的影响,以节省时间和金钱。

缺陷检测非常有难度,这是因为几乎没有办法能考虑到导致缺陷的所有因素,以及哪些异常可能在可接受的范围内。因此,很多制造商在生产过程的最后会使用人类检测员对不可接受的产品缺陷进行最终检查。使用深度学习后,质量工程师可以通过一系列参考图像培训机器视觉系统学习哪些是可接受的或不可接受的缺陷,而不是编程视觉系统去应对成千上万种缺陷可能性。

物联网

一项驱动工业 4.0 的智能相机视觉系统的重要发展就是开放平台通信统一架构 (OPC UA)。在全世界的所有主要机器视觉贸易协会的共同努力下,OPC UA 已成为机器间通信的工业互操作性标准。

结合深度学习等高级传感器技术和趋势,OPC UA 可将机器视觉技术从点解决方案转换为连接工厂内部的工业环境和工厂外部的物理环境之间的桥梁。现在,视觉系统和读码器已成为现代企业的主要数据来源。

要了解配备最新技术的康耐视’机器视觉系统如何为您的企业提供帮助,请下载我们的机器视觉解决方案指南

更多帖子

关于康耐视基于图像的条码读码器的更多信息:

获得更多产品支持与培训

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