从制表师的单片眼镜到用于促进绘画的所谓“Lucida相机”，工匠们对使用光学来增强感官技能感兴趣，制作商品或艺术品并不陌生。然而，随着工业革命以及从手工工艺向机器驱动的大规模生产的不可避免转变，我们创造事物的方式已经完全改变。结果，所有以前旨在增强人类视觉的光学设备都已被可以提供某种视觉感知的新型高科技工具所取代。这就是计算机视觉发挥作用的地方。什么是制造业中的计算机视觉？制造业中的计算机视觉专注于创建能够捕获、处理并理解来自物理世界（主要是工厂和其他工业场所）的视觉输入的人工系统，以引发适当的响应并协助人类完成各种与生产相关的任务。无论是在制造业还是在其他地方，计算机视觉的最原始化身都可以识别特定对象并根据基于规则的原则触发警报——通过识别捕获图像中的某些特征并验证它们是否与给定参数相匹配。但是，这种方法容易出现大量误报，并且在处理图像或视频等非结构化数据源时通常效率低下（当出现细微差别和变化时）。人工智能、机器学习(ML)和深度神经网络的最新进展正在帮助解决这些问题，使制造公司能够通过自我改进算法来增强其计算机视觉系统，这些算法可以识别重复出现的视觉模式并与某些项目相关联。事实上，机器学习驱动的计算机视觉解决方案可以用数百万张图像进行训练，以自主发现每个物体的典型特征，学习识别它们，甚至随着时间的推移微调它们的性能。这导致更高的精度、更好的上下文理解、更大的灵活性以及对新视觉元素的响应，而无需事先编程。如今，制造业中的计算机视觉通常用于：在自动化产品装配上引导机器人执行质量控制和检查任务优化仓库管理和供应链在探索这些用例之前，让我们先看看投资计算机视觉服务的好处，以及采用的一些潜在障碍和克服这些障碍的最佳做法。计算机视觉在制造业中的好处在过去两年中，COVID-19大流行造成的运营和物流中断给制造业带来了巨大压力。寻求获得新动力并使行业在高度动荡的情况下更具弹性的需求一直是制造业数字化转型的巨大催化剂，即实施新的尖端技术，从而过渡到工业4.0。计算机视觉在工业过程中的日益普及无疑代表了这种转变的主要方面之一，因为它在以下方面极大地促进了制造业的发展：提高生产力：根据德勤和MAPI的2019年智能工厂报告，部署机器人和其他由计算机视觉驱动的24/7全天候运行的自动化系统加快了制造周期，从而使劳动生产率提高了12%，总产量提高了10%。成本优化：通过自动化和基于计算机视觉的维护提高生产率，同时减少机器停机时间（据麦肯锡估计最多可减少50%），这也转化为运营成本的整体降低。提高质量：正如麦肯锡所指出的，由计算机视觉驱动的机器人以外科手术般的精度运行，确保了更好的产品质量，并将QA运营成本总体降低了10-20%。劳动力安全：制造业中的计算机视觉还可用于识别可能危及工厂人员安全的故障，并监控工人的状况以检测疲劳或不适迹象。计算机视觉市场洞察大多数行业分析报告似乎都证实了计算机视觉对制造业的积极影响。根据GrandViewResearch的《2021年计算机视觉市场规模、份额和趋势分析报告》，由于该技术在装配线自动化和预测性维护中的广泛应用，制造业领域在2020年引领了全球计算机视觉市场。此外，根据IBM的2021年数字化转型评估报告，计算机视觉是帮助制造商实现其业务目标的主要技术之一（77%的受访公司）。另一方面，IBM的研究也揭示了在制造业中采用新技术的一些最常见的障碍。采用障碍和最佳实践使我们能够更好地解决上述问题，并定义一些可能有助于解决制造场景中计算机视觉部署挑战的通用指南：技术生态系统：人工智能驱动的计算机视觉需要数据和底层技术基础设施来收集数据，因为通常为标准过程监控收集的数据集可能不适合机器学习算法，最终会适得其反。升级制造工厂的网络和系统需要适当的投资和专业知识。投资支持：在投资方面，高层管理人员和利益相关者可能不愿意将大部分预算花在计算机视觉和相关技术上。一个可能的解决方案是制定一个增量实施计划，以确保小的、短期的收益。这些成就应该有助于让投资者和管理层相信数字化的潜在好处。员工培训：要说服的其他人是员工，因为任何促进自动化的技术都会对他们的职业生涯产生重大影响。在这方面，考虑通过有针对性的培训计划提高员工的技能，以更好地使用计算机视觉工具，并聘请具有扎实技术专长的新专业人员与他们一起工作。流程调整：新技术可能无法与现有业务流程完美契合。我们的建议是再次逐步实施计算机视觉，以正确调整制造工作流程并让员工熟悉这些技术。另一个主要因素是建立卓越中心来监督这些解决方案的采用。用例识别：许多组织甚至没有越过第一个障碍，即选择合适的用例。这里的规则是遵循金钱原则，即选择最能从计算机视觉中获益的应用领域，例如选择那些充满瓶颈的流程，无论是质量检测还是产品跟踪。4制造业中的计算机视觉用例以下是该技术在制造业中的关键应用和成功案例的简要概述。1、视觉引导机器人系统工业机器人对于21世纪的人类来说是理所当然的事情。如今，计算机视觉引导机器人是任何装配线的基石。他们可以使用机械臂轻松识别和拾取物体，或绘制周围环境地图以在制造工厂中导航，这一事实使它们成为增加产量和简化仓库管理和物流的宝贵工具。以下是由计算机视觉驱动的机器人执行的一些典型任务：产品加工和组装码垛、包装和分拣清洁重型设备为产品贴标签以及跟踪仓库监控以进行补货。这种技术在车间的例子不胜枚举。其中包括总部位于田纳西州的塑料注塑成型公司Tennplasco部署的多用途机械臂SawyerRobot，还有BluePrintAutomation的机器人装箱系统，该系统使用计算机视觉抓取箱子。另一方面，奥地利汽车制造商麦格纳斯太尔使用智能无人机扫描标签以促进库存操作。2.质量保证由计算机视觉驱动的机器人非常精确，但生产链中的某些地方总是会出错。幸运的是，还可以部署计算机视觉系统来双重检查产品质量。这种先进的自动化视觉检查涉及使用高分辨率相机扫描成品，并使用机器学习算法处理数据以识别异常，确保每件物品（包括其包装）符合所有必要的质量标准。对此，不妨看看沃尔沃汽车的解决方案。其名为Atlas的计算机视觉系统使用20多个摄像头扫描每辆车的表面缺陷，与人工检查相比，它可以发现多达40%的异常。3.资产维护无论是识别制造缺陷还是工业资产异常，细节都是关键。好消息是计算机视觉系统，通过机器学习增强异常检测，可以很好地处理更精细的细节。事实上，这些工具可以使用摄像头、热成像和其他类型的传感器探测工业机械，以发现可能是故障迹象的任何偏差（例如异常温度和振动），并在故障实际发生之前预测即将发生的故障。例如，通用汽车公司采用计算机视觉解决方案来分析安装在装配机器人上的摄像头的图像，并检测影响其组件的故障。4.人类安全计算机视觉可以成为机器的守护神，更重要的是，它可以成为人类的守护神，因为预测性维护允许制造公司提前修复机器，从而避免危险情况。此外，它还可用于持续监控各种工业环境中的复杂制造操作。英国建筑设备制造商小松有限公司正在采取类似的方法，与NVIDIA合作采用基于人工智能和视频分析的计算机视觉解决方案。该平台可以监控甚至预测工人和设备的移动，以提醒潜在的碰撞或其他危险情况。总结与工业过程数字化中涉及的许多其他技术一样，计算机视觉已被证明是制造公司的宝贵盟友，可显着降低成本、提高产量和质量、提高精度并提高工人安全性。显然，组织不应该对计算机视觉的采用掉以轻心，因为它的实际部署可能比预期的更棘手。然而，通过适当的投资、再培训计划、工作流程协调计划和用例识别，计算机视觉驱动的机器将推动工业制造，就像过去几个世纪以来对美的热爱鼓励工匠们创造他们的手工制品一样。不同之处在于，与爱情不同，机器不是盲目的。
