在传统的工业和制造环境中，监控工人安全、提高操作员效率和改进质量检查都是手动任务。如今，基于人工智能的机器视觉技术取代了许多低效、劳动密集型的操作，并提高了可靠性、安全性和效率。本文将探讨如何通过部署AI摄像头进一步提高性能，因为用于启用AI机器视觉的数据来自摄像头本身。AI-enabledMachineVision根据IoTAnalytics报告，2020年制造业和工业中AI驱动的机器视觉市场规模约为41亿美元，预计到2025年将增至152亿美元，年复合增长率(GAGR)为30%，而传统机器视觉部署的复合年增长率仅为6.5%。如此高的复合年增长率是由于下一代实时边缘人工智能机器视觉的应用不仅限于质量保证和产品检测应用。工人安全是制造业和工业的重中之重，支持AI的智能摄像头可以帮助在这些环境中实现自动化监控和检测。必须确保在危险机械和危险材料等潜在不安全环境中工作的员工、承包商和其他第三方操作员的安全。行为和位置(POSE)检测生成的信息可以表明机器操作员是否处于危险之中、是否遵循标准操作程序(SOP)或以提高生产力和效率的方式工作。最后，自动光学检测(AOI)可以提高质量控制的速度和准确性，即使对于隐形眼镜等难以看到的产品也是如此。人工智能使聪明的工人能够保持工业环境安全而造成的死亡人数在全球范围内并非闻所未闻。在评估工人安全时，设施还必须考虑非致命工伤。除了情感创伤意外之外，通常还有经济和其他因素需要考虑。工业和制造业通常采用人工监督和光幕来确保工人安全。但人类不可能无处不在、无所不能，因此存在失误的危险，安全光幕也有其局限性。电子围栏在现代智能工厂中，人们经常在具有潜在危险的设备周围工作，例如机械臂。安全光幕通过在机器接入点及其周围形成感应屏来保护人员免受伤害。但是，它们占用地面空间大，部署困难，缺乏灵活性。在某些情况下，安全光幕有限的响应时间会产生其他问题。传统的机器视觉解决方案采用灵活易部署的IP摄像头和人工智能模块，但时延还是比较高，不适合需要即时响应的应用场景。图1：安全光幕占用地面空间，难以部署，缺乏灵活性，有时响应能力有限。AI摄像头最大限度地减少延迟，减少部署空间和带宽要求，并且易于部署和维护。凌华科技的NEON-2000系列一体机AI摄像机可以解决延迟问题。它捕获图像并执行所有与AI相关的操作，然后将结果和指令发送到相关设备（例如机械臂）（见图1）。与光幕和传统机器视觉设施相比，使用一体化智能相机可以最大限度地减少延迟，减少部署空间和带宽要求，并且易于安装和维护。实时机器视觉AI通过提醒工人注意不安全区域并记录该信息以对工人进行再培训，从而提高工人的安全性。记录过去随时间变化的数据在未来也可能有用。例如，如果工人接近危险区域，机械臂不需要完全关闭，而是进入功能安全的过程循环。诸如此类的常规程序不仅可以提高工人的安全，还可以提高工厂运营的效率。智能加油当加油车到达制造工厂时，可能会带来诸多安全隐患，而这些问题都可以通过智能人工智能视觉轻松解决。首先，如果刹车不正确或失灵，可能会导致车辆翻车。人工智能驱动的机器视觉系统经过训练可以监控车辆的运动，并可以在其状态发生变化时立即发出警报。设施还必须考虑加油期间操作员的位置，因为存在不同类型的分区违规行为。确保现场所有工人都意识到存在的安全风险已变得至关重要。例如，需要在车辆的四个角放置路锥，并确保为车辆加油的操作人员佩戴适当的个人防护装备——AI视觉可以执行所有安全检查，以确认所有过程都是正确的.（参见图2）图2：虽然主管在现场可以加强安全流程的执行，但这并不总是可行的。如果有人擅自闯入危险区域，人工智能机器视觉可以立即发出警报。来自AI机器视觉系统的即时警报可以警告操作员安全漏洞并防止受伤。它还建立了问责制；如果有人在没有穿戴个人防护装备的情况下进入不安全区域，则记录的图像可以标记错误并教育工作人员防止将来发生错误。行为和位置检测对于制造业来说，“周期时间”是生产效率的关键性能指标。它表示团队在产品准备好发货之前或之前花费在生产项目上的时间。使用AI摄像头技术监控员工行为和位置有助于实施标准化流程（SOP）并提高员工效率并缩短周期时间。图3：电子生产线上的行为和位置检测有助于提高生产率并改善订单、数量和生产线之间的平衡。实时视频的行为和位置检测将在模拟世界之上叠加数字内容和信息方面发挥重要作用。行为和位置使用一组骨骼标志（例如手、肘或肩膀）来描述身体的位置和运动。人工智能驱动的机器视觉让工厂操作员和工人能够专注于身体姿势如何影响他们的工作。行为和位置数据是一个很好的培训工具，可以帮助操作员调整手臂和手的位置，以更符合人体工程学和更高效地工作；它还可以改善人们的姿势，这是另一个显着优势。（参见图3）跟踪操作员是否在生产线上的工作站也可以自动化并验证计划。监督他们积极遵守标准流程，确保质量管理和生产线平衡。AISmartAOI基于AI的智能AOI采用人工检测产品质量，耗时长或短，最终会导致生产线出现瓶颈。传统的AOI（AutomatedOpticalInspection）机器视觉，以其超高的精度和高效率，能够比专业的质量控制人员更快地检测出容易发现的产品缺陷。但是当缺陷难以检测时，例如在隐形眼镜上发现的缺陷，这些机器视觉系统在准确性和一致性方面就达不到要求。虽然大多数制造商使用随机抽样来测试产品是否存在缺陷，但这种方法在隐形眼镜生产线上并不实用，因为每个镜片都需要检查。质量控制人员每班最多只能检查4,000个镜片，造成生产瓶颈。此外，误检和漏检在所难免。由于隐形眼镜是透明的，因此使用机器数据进行检测历来是该行业面临的主要挑战。传统的AOI依靠固定的几何算法来寻找缺陷，但难以从透明物体上获得高质量的图像，这使得检测性能让客户无法接受。使用基于人工智能的智能相机采集数据训练人工智能算法，不断迭代检测性能，提供更好的解决方案。基于人工智能的智能系统可以识别毛刺、气泡、边缘粗糙度、颗粒、划痕等常见缺陷（见图4），同时保留检测日志供客户参考。图4：基于AI的智能AOI甚至可以检测出透明隐形眼镜中微小的缺陷，检测效率相较于以往人工质量控制流程有显着提升。与人工目视检测相比，每台基于AI的智能摄像头可检测隐形眼镜数量的50倍以上，检测准确率从30%提升至95%。结论使用源自AI机器视觉技术的强大实时数据，制造商可以从延长正常运行时间、获得预防性维护的能力、提高生产率和工人安全等方面受益。
