尹陸

摘 要：我們要深入把握新一代人工智能發(fā)展的特點(diǎn)，加強(qiáng)人工智能和產(chǎn)業(yè)發(fā)展融合，為高質(zhì)量發(fā)展提供新動(dòng)能。”近年來(lái)，各主要工業(yè)國(guó)家陸續(xù)發(fā)布相關(guān)的戰(zhàn)略和政策措施，以此爭(zhēng)先搶占未來(lái)先進(jìn)制造技術(shù)和能力的制高點(diǎn)。在產(chǎn)業(yè)界，人工智能技術(shù)的研究和應(yīng)用，也在如火如荼地探索和實(shí)踐中。在制造業(yè)行業(yè)，不少學(xué)者圍繞智能制造開(kāi)展相關(guān)研究。生產(chǎn)制造是制造業(yè)全生命周期中最重要的環(huán)節(jié)之一，該環(huán)節(jié)的工業(yè)場(chǎng)景最豐富，智能化改造需求最多。而對(duì)于制造業(yè)企業(yè)特別是屬于多品種量多生產(chǎn)方式的制造企業(yè)，現(xiàn)有文獻(xiàn)提及較少。由于制造業(yè)相當(dāng)復(fù)雜，多品種量多生產(chǎn)方式的電子制造企業(yè)尤為如此。目前它們絕大多數(shù)是通過(guò)傳統(tǒng)的人工和部分軟件系統(tǒng)的指導(dǎo)實(shí)現(xiàn)各產(chǎn)品品種間的生產(chǎn)換線，換線效率低且容易出錯(cuò)，在傳統(tǒng)的信息化能力不足情況下，智能化改造尤為重要且難度較大。因此，為了實(shí)現(xiàn)減少人工、快速換線和柔性生產(chǎn)的目的，以滿足市場(chǎng)對(duì)個(gè)性化產(chǎn)品的需求，采用人工智能技術(shù)來(lái)提升企業(yè)的信息化能力，從而提高企業(yè)的整體智能制造水平，就顯得特別有必要。基于此，本篇文章對(duì)基于深度學(xué)習(xí)的機(jī)器視覺(jué)在制造業(yè)質(zhì)量檢測(cè)中的應(yīng)用進(jìn)行研究，以供參考。

關(guān)鍵詞：基于深度學(xué)習(xí);機(jī)器視覺(jué);制造業(yè)質(zhì)量檢測(cè);應(yīng)用分析

引言

隨著“德國(guó)工業(yè)4.0”、“中國(guó)制造2025”等戰(zhàn)略的出臺(tái)，傳統(tǒng)制造業(yè)正逐步進(jìn)入智能制造時(shí)代，其中“中國(guó)制造2025”明確指出我國(guó)制造業(yè)要向智能化、自動(dòng)化方向發(fā)展。近年來(lái)，機(jī)器視覺(jué)技術(shù)快速發(fā)展，已廣泛應(yīng)用于各個(gè)領(lǐng)域，將機(jī)器視覺(jué)引入制造業(yè)質(zhì)量檢測(cè)系統(tǒng)可以充當(dāng)人的眼睛，提高人感知外界環(huán)境變化的能力。人有了感知能力后，需根據(jù)焊接對(duì)象的變化自主實(shí)現(xiàn)路徑規(guī)劃，以滿足多樣化小批量生產(chǎn)的要求。

1機(jī)器視覺(jué)技術(shù)

機(jī)器視覺(jué)技術(shù)使用機(jī)器代替人眼進(jìn)行測(cè)量和判斷，它利用成像設(shè)備及處理單元來(lái)模擬人眼和大腦，從外界客觀事物中獲取信息，并對(duì)其進(jìn)行處置和解析以進(jìn)行實(shí)際檢測(cè)。具體包括以下過(guò)程：（1）圖像采集。利用照明光源對(duì)目標(biāo)物體或環(huán)境實(shí)行光照處理，再利用光學(xué)平面成像系統(tǒng)攝取圖像，然后通過(guò)工業(yè)相機(jī)、圖像采集卡將光學(xué)圖像轉(zhuǎn)換為數(shù)字圖像，這些被獲取的信息就是機(jī)器視覺(jué)系統(tǒng)的前端資源出處。（2）圖像處理和分析。計(jì)算機(jī)對(duì)于目標(biāo)圖像的處理需要通過(guò)機(jī)器視覺(jué)軟件來(lái)實(shí)現(xiàn)，解析并獲取所需的實(shí)用信息。如汽車燈泡是否有外殼破碎、臟污污染、端部開(kāi)裂這樣的外部瑕疵，這是整個(gè)機(jī)器視覺(jué)系統(tǒng)的核心部分。（3）判斷和控制。經(jīng)過(guò)圖像處理所能得到的信息用作對(duì)于目標(biāo)事物的決策，接著產(chǎn)生相應(yīng)的操縱指令，再將指令發(fā)送給相應(yīng)的儀器。如采集的燈泡圖像中，長(zhǎng)度、外徑、厚薄等尺寸是否符合標(biāo)準(zhǔn)，若不符合就提出警告，進(jìn)行標(biāo)識(shí)處理或進(jìn)行剔除操作。

2機(jī)器視覺(jué)技術(shù)發(fā)展現(xiàn)狀

機(jī)器視覺(jué)在中國(guó)的發(fā)展較晚，在20世紀(jì)90年代才有少數(shù)的機(jī)器視覺(jué)技術(shù)公司成立，但是在較長(zhǎng)的時(shí)間內(nèi)，機(jī)器視覺(jué)技術(shù)在很多行業(yè)尚未普及，開(kāi)發(fā)出的機(jī)器視覺(jué)系統(tǒng)例如表面缺陷檢測(cè)、車牌識(shí)別等也存在著功能單一、準(zhǔn)確性不足等問(wèn)題。目前，機(jī)器視覺(jué)技術(shù)在歐美、日本等發(fā)達(dá)國(guó)家的發(fā)展較為成熟，應(yīng)用也較為廣泛，主要應(yīng)用于半導(dǎo)體行業(yè)和電子行業(yè)，比如PCB印刷電路、電子封裝技術(shù)與應(yīng)用等領(lǐng)域。而我國(guó)此類行業(yè)還屬于新型產(chǎn)業(yè)，機(jī)器視覺(jué)技術(shù)的應(yīng)用較外國(guó)相比具有一定差距。但近年來(lái)，隨著相關(guān)政策的支持與理論實(shí)踐積累，我國(guó)已經(jīng)取得了一定的成果并進(jìn)入到機(jī)器視覺(jué)發(fā)展的高速階段。機(jī)器視覺(jué)技術(shù)已經(jīng)慢慢融入國(guó)內(nèi)的半導(dǎo)體、電子制造、印刷、新能源、汽車制造等領(lǐng)域，但現(xiàn)階段應(yīng)用的場(chǎng)合仍十分有限，需要進(jìn)行更多的嘗試與開(kāi)發(fā)。

3基于深度學(xué)習(xí)的機(jī)器視覺(jué)在制造業(yè)質(zhì)量檢測(cè)中的應(yīng)用分析

3.1系統(tǒng)模塊數(shù)據(jù)及服務(wù)流程

機(jī)器視覺(jué)質(zhì)檢系統(tǒng)包括產(chǎn)線上的成像、運(yùn)動(dòng)、顯示等前端模塊;部署在工控機(jī)上的控制模塊;部署在機(jī)房GPU服務(wù)器集群上的推理及訓(xùn)練服務(wù)模塊。進(jìn)行檢測(cè)任務(wù)之前，產(chǎn)線工人首先需要通過(guò)配置前端對(duì)產(chǎn)線進(jìn)行配置，確定檢測(cè)的產(chǎn)品種類和業(yè)務(wù)信息。開(kāi)始檢測(cè)后，系統(tǒng)通過(guò)成像模塊采集圖像信息，在工控機(jī)上通過(guò)簡(jiǎn)單的預(yù)處理，將圖像通過(guò)5G網(wǎng)絡(luò)傳輸至GPU服務(wù)器集群，調(diào)用推理服務(wù)得到缺陷檢測(cè)結(jié)果，工控機(jī)的控制模塊對(duì)缺陷推理服務(wù)返回的結(jié)果進(jìn)行處理后，根據(jù)良品、待判、嚴(yán)重不良三種類型通過(guò)機(jī)械結(jié)構(gòu)對(duì)產(chǎn)品進(jìn)行處理。同時(shí)，采集到的圖像信息會(huì)以一定策略通過(guò)分布式的對(duì)象存儲(chǔ)服務(wù)進(jìn)行留存，供訓(xùn)練服務(wù)調(diào)用，從而對(duì)模型進(jìn)行持續(xù)優(yōu)化迭代。訓(xùn)練服務(wù)同樣部署在GPU計(jì)算集群上。通過(guò)前端可視化工具可以對(duì)模型和采集的圖像進(jìn)行管理，對(duì)產(chǎn)品模板和判定規(guī)則進(jìn)行配置，同時(shí)還可以在瀏覽器上對(duì)新采集的樣本像進(jìn)行標(biāo)注，用于模型的優(yōu)化迭代和更新。

3.2部署方案

基于深度學(xué)習(xí)的機(jī)器視覺(jué)質(zhì)檢系統(tǒng)主要由成像模塊、機(jī)械模塊、產(chǎn)線交互模塊、一臺(tái)工控機(jī)、一臺(tái)質(zhì)檢GPU服務(wù)器和可視化前端構(gòu)成。工控機(jī)負(fù)責(zé)調(diào)度成像模組和機(jī)構(gòu)完成圖片的拍攝，并將圖片上傳至GPU服務(wù)器，調(diào)用部署在服務(wù)器上的算法模型和規(guī)則處理程序?qū)θ毕葸M(jìn)行識(shí)別和判定，最終根據(jù)服務(wù)返回的識(shí)別結(jié)果發(fā)送給運(yùn)動(dòng)機(jī)構(gòu)對(duì)應(yīng)的控制信號(hào)。產(chǎn)線交互模塊內(nèi)置不同產(chǎn)品種類對(duì)應(yīng)的運(yùn)動(dòng)參數(shù)，在換線時(shí)用戶可通過(guò)HMI屏或其他顯示設(shè)備選擇不同的產(chǎn)品進(jìn)行配置，并將信息同步至工控機(jī)和GPU服務(wù)器。前端可視化模塊采用B/S架構(gòu)，質(zhì)檢人員在對(duì)待判產(chǎn)品進(jìn)行復(fù)判時(shí)，可在瀏覽器界面通過(guò)產(chǎn)品ID等信息查詢識(shí)別結(jié)果、缺陷位置圖片、產(chǎn)線缺陷統(tǒng)計(jì)數(shù)據(jù)。

結(jié)束語(yǔ)

總而言之，未來(lái)完整的機(jī)器視覺(jué)系統(tǒng)在工業(yè)中的使用集成化更高，處理速度更快;通用性能更強(qiáng)，能夠適應(yīng)不同的工作環(huán)境;擁有更加完善的數(shù)據(jù)庫(kù)，能夠更加準(zhǔn)確地進(jìn)行識(shí)別;與不同傳感器的信息能夠更好的貼合，穩(wěn)定性更強(qiáng);在圖像捕獲和處理方面基于三維圖像上探究。此外，與人工智能的融合可以更好地提高其智能性和學(xué)習(xí)能力。

參考文獻(xiàn)：

[1]肖剛，葛屨.基于深度學(xué)習(xí)的機(jī)器視覺(jué)在制造業(yè)質(zhì)量檢測(cè)中的應(yīng)用研究[J].數(shù)據(jù)，2019（12）：56-60.

[2]孫建國(guó).機(jī)器視覺(jué)識(shí)別檢測(cè)技術(shù)在發(fā)動(dòng)機(jī)生產(chǎn)制造中的應(yīng)用研究[C]//2019中國(guó)汽車工程學(xué)會(huì)年會(huì)論文集（5）.，2019：357-362.

[3]趙守君，于洋，秦羽舟，楊放青，徐巍巍.基于深度學(xué)習(xí)的機(jī)器視覺(jué)技術(shù)在造船中的應(yīng)用[J].船舶工程，2019，43（06）：12-15.