0510-68585289
banner2


新聞資訊

當前位置:主頁 > 新聞資訊 >

機器視覺與機器學習融合將加速智能工廠的發

發布時間:2018/02/06 點擊量:

進行技術整合將提高機器視覺效率
麵向智能製造的全球競爭正在推動使用先進的自動化技術,如機器視覺(MV),因為它具有高效的通信網絡和傳感器、設備和機器之間的智能信息交換的特性,機器視覺正迅速成為工業4.0啟用智能工廠基礎設施建設的關鍵,是智能工廠的一個重要組成部分,機器視覺已成為製造和質量控製的關鍵技術。事實證明,機器視覺技術能夠在製造業中對產品進行檢測、測量、掃描進行檢查,以提高產品一致性、生產率和總體質量。
機器視覺係統提供了不同程度的精度和魯棒性的目標識別能力。照明、相機分辨率、視覺算法和工件取向是影響機器視覺解決方案的準確性和魯棒性的所有因素。然而,一個潛在的限製是應用程序編程,它通常被開發為在執行視覺檢查或視覺引導應用時處理有限數量的情況。今天的MV係統不具備在應用程序不預期工件中的變化時進行訓練的能力。
機器學習與機器視覺
機器學習現在正被用來增強MV係統以將適應性融入部署係統中。機器學習與MV的集成對於使MV係統能夠自適應地適應製造變化變得越來越重要。這提高了MV的價值主張,通過提高運營效率,加速生產過程的部署,並加強生產優化。
機器學習與MV技術的結合已經表明,它可以通過產生大數據來提高工業自動化和檢查過程。大數據分析對於改善生產運作是至關重要的,因為製造商向智能連接工廠過渡,並在工廠、工廠和供應鏈上擴展物聯網工業生態網絡。基於雲和基於邊緣的機器學習算法的高級分析可以幫助分析大量的MV生產記錄,以識別區分通過檢查的組件和失敗的組件的模式。機器學習算法通過直接在視覺係統上更新識別算法而無需人為幹預來增強程序化的MV係統。這些類型的閉環係統將驅動真實的和可操作的連續過程改進,並且在應用領域如電子、食品和飲料和汽車中是有益的,其中機器學習算法用於識別肉眼和E不可見的微小缺陷。NELE自動移除有缺陷的零件。
機器人驅動MV的采用
隨著MV係統變得更加高效和穩健,驅動MV采用的關鍵增長市場之一是機器人技術。機器人的需求在更廣泛的行業範圍內多樣化。機器人解決方案解決了當今製造業似乎無法滿足的需求,以增加靈活性、提高生產率,並僅在人力資源操作員能夠增加最有價值的任務中使用人力操作員。MV係統的使用在機器人製導應用中被廣泛地尋求。MV係統應用於機器人進行製導和目標識別。單攝像機視覺引導解決方案正在市場上出現,特別是協作機器人。隨著3D MV係統在較低入口點成本上的需求增加,將加速在更廣泛的應用範圍內采用機器人解決方案。預計未來幾年機器人解決方案的需求將加速,在預測期間進一步擴大MV係統的銷售。


地址:江蘇省無錫市新吳區江大創業園   電話:0510-68585289    Copyright © 2014-2018 AG8亚洲国际智能 版權所有     ICP備案編號: