工業視覺新方向-機器（qì）人-數（shù）控機床市場網

您現在的位置：機器人> 企業動態>工業視覺新方向

工業視覺新方向

2020-5-18 來源：-- 作（zuò）者（zhě）：-

在人口紅利減弱，產業升級和效率提升的背景下，工（gōng）業及自動化產業趨勢向好（hǎo），本次疫情突發，短期對整個製造業（yè）有較大影響，中長期來看，機器換人的優勢會不斷凸顯，也將推動自動化行業發（fā）展。

從工業的角度看待視覺（jiào）

機器視覺是（shì）實現工業自動化，工廠智慧化的關鍵零部件之一。一是工（gōng）業4.0浪潮席卷（juàn）全球，製造智（zhì）能（néng）化（huà）必然帶來生產設（shè）備（bèi）的升級;二是我國人口紅利優勢逐（zhú）漸弱化，很多廠家傾向於（yú）機器代人，減（jiǎn）少人工成本;三是消費水平的升級，消費者對產品的品質提出更高的要求（qiú），使得廠家加大質量把控。三者環環（huán）相扣，為機器視覺的市場，在智能製造領（lǐng）域帶（dài）來新的發展契機。

在工業領域，機器視覺充當生產設備“眼睛”的（de）功能，解（jiě）決人眼無法識別（bié）、檢測（cè）的工作，實現（xiàn）效率好、成本低的經濟效益，是視覺技術發展的出發點和落腳（jiǎo）點。那麽，對（duì）於客戶使（shǐ）用角度看，更傾向高精度、高準確率，大視野自動變焦檢測，以及軟件的快速導入等方麵。對此，勃肯特已將傳統口罩機升級，融入視覺和機器（qì）人，大大（dà）提高了生產效率（lǜ）和準確率，節約（yuē）人力。

首先是檢測的高精（jīng）度，高準（zhǔn）確率。這個是機（jī）器（qì）代替人眼最基礎的，也（yě）是最（zuì）直接（jiē）的目的。人工檢測容易產生（shēng）疲態，導致工作質量不佳（jiā），並且精（jīng）密製造領域，機器視覺比人眼有著絕對的優勢。目（mù）前來看，機器視覺（jiào）的測（cè）量和判斷，已經非常成熟。

機器視覺是一項綜合技術（shù），其（qí）主（zhǔ）要的市場分布在電子製（zhì）造（zào）業、汽車製造、製藥（yào）、食品與（yǔ）包裝機械等領（lǐng）域。根（gēn）據前瞻研究院報告數據顯示（shì），電子製造業在機（jī）器視覺市場占（zhàn）比46.57%，汽車產業次之，占比為（wéi）31.02%。此外，物流、食品、包裝、印（yìn）刷等行業的（de）滲透率也逐年（nián）的提高。

從機器視（shì）覺的具（jù）體應用看，電子（zǐ）製造（zào）業應用具體在PCB印刷（shuā）電路、電子封（fēng）裝、絲網印刷、SMMT表麵貼（tiē）裝、半導體及集（jí）成電路、回流和波峰（fēng）焊，以及智（zhì）能手（shǒu）機、平（píng）板電腦等消費類產品。汽車製造業的主要應用於麵板印刷質（zhì）量檢測、精密測量等。食藥和包裝機械（xiè）主要集中（zhōng）在封裝缺陷檢測、生產日期檢測、顏色識別、分揀等方麵。印刷機械則是（shì）在於印刷（shuā）質量檢測、印刷字符檢測、條碼識別等。

勃肯特結（jié）合視覺和並聯（lián）機器人，實（shí）現了100多種PCB板種類識別分揀，該係統由BKT-VISION2.0視覺係（xì）統軟件，配合D-1200三加一軸並（bìng）聯機器人，完成PCB印刷電路生產線。

工業視覺新方向

危中有（yǒu）機，疫情（qíng）也能（néng）夠在很大程度上為製造業向無人化、智（zhì）能化的轉型升（shēng）級提供（gòng）啟示與展望。多數製造業企業已認識到，在生產環節上，要拋棄落後產能，擺（bǎi）脫傳（chuán）統（tǒng）人力手工對產（chǎn）能和效率的束縛，極大降低對人力的（de）依賴，確保（bǎo）企業的生產（chǎn）和運作也不會輕易受到疫（yì）情（qíng）、事故、人員變動的影響。同時，在係統調度上，要能夠最大限度的保證靈活性和準確率。

BKT-VISION2.0視覺係統檢測方法是一種基於圖像處理技術的在線自（zì）動檢測技術（shù），該視（shì）覺檢測技術主要包（bāo）括：實時（shí）監控、相機標定、物體定位、顏色識（shí）別、實時通信、錯誤報警、狀態顯示，且封（fēng）裝了3D視覺檢測、深度學習模塊。該（gāi）視覺檢測係統裝置是（shì）由工業攝像機（包含工業鏡頭）、相機電源線、機器視覺光源、光（guāng）源電源線、光源控（kòng）製（zhì）器、網絡傳輸線、勃肯（kěn）特自主研發的視覺控製（zhì）器等主要部件組成。

1）3D視覺的發展

我國智能製造裝備產業結構轉型和技術提升的市場空間巨大，機（jī）器視覺行業將受益。隨（suí）著（zhe）智能化生產技術的不斷完善，3D機器視覺也開始（shǐ）進（jìn）入人們的視野。目前3D機器視覺大多用於水果和蔬菜、木材（cái）、化妝品、烘焙食品、電（diàn）子組件（jiàn）和醫藥產品的檢測。它可以提高合格產品的生產能力，在生產過程的早期就報廢劣質產品，從而減少了浪費節約成本。這（zhè）種（zhǒng）功能（néng）非常適合用於高度、形（xíng）狀、數量甚至色彩等產品（pǐn）屬性的成像。

2）深度學習帶來的突破

傳統的機器（qì）學習（xí）在特征提（tí）取上主要依（yī）靠人來分析和建立邏（luó）輯，而深度學習則通過（guò）多層感知（zhī）機模擬（nǐ）大腦工作，構（gòu）建深度神經（jīng）網絡來（lái）學習簡單特征、建立複雜特征、學（xué）習（xí）映射並輸出，訓練過程中所有層級都會被不斷優化。

基於深度學習，勃肯特研究院技（jì）術人員已開（kāi）發了垃（lā）圾分類係統。該係統基於GPU，由（yóu）100多萬張圖片訓練形成，分類準確率可達95%以上。針（zhēn）對作業環境為（wéi）分揀（jiǎn）對象具有種類較多，形（xíng）狀不規則，不易分辨等特點。

（來源：勃肯特）

投稿箱：
如果您有機床行業、企業相關新聞稿件發表（biǎo），或進行資訊合作（zuò），歡迎聯係本網編輯部，郵箱：skjcsc@vip.sina.com

更多相關信息

名企（qǐ）推薦

業界視點

| 更多

行業數據

| 更多

博文選萃

| 更多

數控機床