制造業正在經歷一場重大的數字化轉型。傳統模式正在演變為工業4.0。隨著包括像成像技術;CMOS傳感器;嵌入式視覺;機器和深度學習;機器人接口;數據傳輸標準和圖像處理能力在內的不同領域的迅速發展，計算機視覺技術可以使制造業在不同層次上受益。新的成像技術提供了新的應用機會。計算機視覺技術的發展提高了制造業的性能、集成度和自動化程度。讓我們深入了解一下計算機視覺在制造的不同階段的各種用例，但在此之前，先讓我們了解下什么是計算機視覺？

　　計算機視覺

　　它是人工智能和計算機科學的一個領域，旨在為計算機提供對世界的視覺理解。計算機視覺的目標是利用數字圖像并通過三個主要的處理組件來模擬人類視覺：

　　1.圖像采集

　　2.圖像處理

　　3.圖像分析

　　現在，讓我們來了解一下它在制造業中的五大應用。

　　預測性維護

　　預測性維護是一種防止昂貴制造設備故障的方法，通過分析在整個生產過程中的數據，提前查明異常行為，以確保可以采取適當的措施來避免長時間的生產停機。

　　使用物聯網進行更好的預測性維護可將設備停機時間減少50%，并將設備資本投資減少3%-5%……在制造業，這些節省的成本在2025年每年將產生近6300億美元的潛在經濟影響。--麥肯錫

　　試想一下，如果你能在故障即將發生前收到手機應用程序的警告。聽起來很有趣，對吧？多虧了預測性維護，它可以告訴我們何時需要更換部件，減少計劃內的停機時間，并使產品在最佳時間內運行。這將有助于減少不必要的維修費用。

　　預測性維護技術

　　有各種各樣的監測裝置和技術可以用來有效地預測故障，并為維修提供預警。讓我們來了解一下它們的類型：

　　1.振動分析--它可以通過設備內置的手持分析器或實時傳感器來監測機器的振動，其預測潛在故障的能力使其成為了計劃維護、提高資產性能的有用工具，有助于防止計劃外的停機。

　　2.紅外熱成像——它有助于使用紅外攝像機來檢測高溫（熱點）。通過識別熱點，紅外線可以幫助避免昂貴的維修和停機時間。聯邦能源管理計劃（FEMP）表示，對于僅采用反應性維護計劃的設備，就可節省30%至40%的能源。

　　3.超聲波分析--這項技術可以使用聲音來識別失敗的資產。可用于泄漏檢測、機械檢測、電氣檢測、電弧閃光檢測、疏水閥檢修、閥門檢測等。

　　4.聲學監測--這項技術有助于在聲波或超聲波水平上檢測設備中的氣體、液體或真空泄漏。這些相對來說都會比超聲波要便宜。

　　讀取條形碼：條形碼是用于產品、包裝或部件的機器可讀圖樣。它們可用于在產品的整個生命周期中提供信息和跟蹤產品。識別和處理成千上萬的條形碼是一項需要人工執行的繁瑣任務，它需要將掃描儀操作員放置在條形碼附近，以便獲得正確的結果。然而，通過計算機視覺掃描，產品通過傳送帶時不一定需要對準基于攝像頭的掃描儀就可以正確地檢測條形碼。智能產業也正在整合OCR（光學字符識別）技術，使圖像中的信息可由機器讀取和使用。一些技術，如條形碼識別（OBR）、智能字符識別（ICR）和光學標記識別（OMR）都可以用來擴展現有的功能。

　　OCR用于識別掃描文檔或屏幕截圖中的文本。

　　ICR用于從手寫表格中讀取文本，例如。調查問卷

　　OMR用于識別調查或表單中的復選框

　　OBR用于識別傳統的一維和二維條碼，用于在生產線上自動布線零件

　　缺陷識別：對于任何制造公司來說，清點大量的貨物和產品是一項相當麻煩的任務。計算機視覺可以提供從捕獲的圖像獲取實時信息分析，以執行復雜的檢查任務。它提供了一個計數機制系統，可以幫助驗證每個容器中是否包含了正確的項目數量。如果產品總數不正確，或者一個集裝箱被標記為有缺陷，并且該容器到達了生產線的末端，則包含任何缺陷件的任何容器都將被拒收。這將有助于消除包裝和運輸任何缺陷產品的風險。

　　產品和部件的裝配：計算機視覺可以確保產品和部件的裝配能夠嚴格的按照標準進行。嚴格的評估標準減少了產品召回事件，并提高生產率。例如，一個生產大量乳制品的乳制品生產公司可以利用計算機視覺技術來確保正確的包裝。它也有助于檢查包裝瓶的其他關鍵特征，如瓶蓋密封，位置，標簽等等。

　　機器和深度學習：有難以想象的數量的感官數據，其中包含了多種格式，結構和語義。深度學習技術使人們能夠自動從這些數據中學習，發現模式，并據此做出決策。它能夠區分不同級別的數據分析，包括預測性維護、規范性分析、診斷分析和描述性分析。以下是它們在制造業中的應用。

　　預測分析使用統計模型來預測未來生產和設備退化的可能性。

　　規范性分析提供了多種場景來執行任何操作。

　　診斷分析旨在報告設備故障的原因。

　　描述性分析有助于分析產品的操作參數、環境和條件。

　　進入工業4.0

　　很明顯，計算機視覺將在制造業掀起一場風暴。制造業和分銷業的變化也導致了智能產品和創新性制造模式的出現。以圖像和語音識別的形式出現的自動化，也提高了生產率和準確性。智能工廠正在經歷在意外停機時間的大幅削減和更好的產品設計、效率的提高、過渡時間的縮短以及更好的整體產品質量和工人安全。
責任編輯人：CC