什么是智能制造？是自動(dòng)化流水線(xiàn)，遍布工廠(chǎng)的機械臂，還是空無(wú)一人的工廠(chǎng)？都不是，這是自動(dòng)化，而非“智能制造”。若離開(kāi)在制造過(guò)程中進(jìn)行的智能活動(dòng)，如分析、推理、判斷、構思和決策等，智能制造將如無(wú)根之水，而助力工業(yè)智能從“感知”到“認知”，賦能制造業(yè)從“制造”到“智造”的，正是人工智能技術(shù)。

人工智能（AI，Artificial Intelligence）自20世紀50年代被提出，當前AI已不僅僅是一個(gè)概念，隨著(zhù)算力、大數據和算法等技術(shù)突破，基于神經(jīng)網(wǎng)絡(luò )的深度學(xué)習等AI技術(shù)已在各行各業(yè)飛速滲透。制造業(yè)無(wú)疑是AI融合創(chuàng )新主要場(chǎng)景之一。推動(dòng)承載AI技術(shù)的智能制造進(jìn)程勢在必行。

2019 ?？低旳I Cloud生態(tài)大會(huì )“智能制造協(xié)同發(fā)展”行業(yè)論壇上，?？禉C器人總裁賈永華首次提出“AI賦能智能制造”，意在逐步將深度學(xué)習等人工智能技術(shù)、物聯(lián)網(wǎng)技術(shù)落地應用智能制造領(lǐng)域，從完成多維感知、數據采集和處理的機器視覺(jué)系統，到實(shí)現智慧內物流的移動(dòng)機器人系統，持續推動(dòng)機器智能化、服務(wù)智能化、生產(chǎn)智能化。

“推動(dòng)智能化不是一個(gè)點(diǎn)也不是一個(gè)平臺，而是要通過(guò)一個(gè)體系實(shí)現”

?？禉C器人依托?？低旳I Cloud體系逐步推動(dòng)“AI+智能制造”落地。?？低旳I Cloud由“邊緣節點(diǎn)、邊緣域、云中心”三層架構組成。邊緣節點(diǎn)側重多維感知數據的采集和前端智能處理；邊緣域側重感知數據的匯聚、存儲、處理和智能化應用；云中心側重包括物聯(lián)網(wǎng)數據在內的多維數據的融合及基于大數據的多維分析應用。

?？低旳I Cloud架構

冠以“智能”之名的智能制造領(lǐng)域，人工智能技術(shù)能為其提供什么樣的幫助？

“AI賦能智能制造”專(zhuān)題將通過(guò)系列文章逐步解讀，從囊括機器視覺(jué)、移動(dòng)機器人產(chǎn)品的邊緣節點(diǎn)，到不限于RCS\TPS\WCS系統、VM算法平臺等的邊緣域，以及云中心、數據如何賦能智能工廠(chǎng)運維。我們將立足?？禉C器人核心技術(shù)、產(chǎn)品與服務(wù)，以小見(jiàn)大，與您探討智造的未來(lái)。

本期主講AI賦能智能制造系列之機器視覺(jué)

人類(lèi)在感知外界環(huán)境的過(guò)程中，80%以上的信息來(lái)自于視覺(jué)。在工業(yè)制造領(lǐng)域，機器視覺(jué)產(chǎn)品是機械設備的“慧眼”，實(shí)現了對外界環(huán)境的觀(guān)察、識別以及判斷等功能。工業(yè)環(huán)節的人工智能應用，多數都與機器視覺(jué)技術(shù)有關(guān)。

AI Cloud架構中，機器視覺(jué)產(chǎn)品處于邊緣節點(diǎn)圈層，完成了多維感知數據的采集和前端智能處理。將AI算力注入邊緣，賦能邊緣智能是大勢所趨。

01 更便捷的缺陷檢測應用

傳統的視覺(jué)系統面對復雜多變的缺陷類(lèi)型，需要根據實(shí)際的場(chǎng)景搭建不同的算法模塊，非常繁瑣，而借助AI深度學(xué)習，只要通過(guò)缺陷樣本的訓練，得到訓練模型，利用模型就可以進(jìn)行缺陷檢測。

對于混雜在被檢測物中的劃痕，首先要對其進(jìn)行分割識別。如下圖，深度學(xué)習分割算法可對圖片進(jìn)行標記訓練，得到每個(gè)像素點(diǎn)是缺陷的概率圖，在概率圖基礎上結合Blob分析的工具，實(shí)現表面缺陷檢測。無(wú)論劃痕的形狀、位置如何變化，AI加持的視覺(jué)系統都能即刻做出正確判斷。

02 更精準的字符識別應用

借助基于神經(jīng)網(wǎng)絡(luò )的深度學(xué)習算法對已知類(lèi)型的數字、字母類(lèi)字符進(jìn)行標記訓練，在生產(chǎn)過(guò)程中可以識別畫(huà)面中是否存在類(lèi)似字符，并輸出準確的結果，讓機器在沒(méi)有人的幫助下自己讀懂字符概念。

如下圖所示，工業(yè)相機在進(jìn)行字符識別應用時(shí)，藍框所選字符處于背景有臟污、干擾的環(huán)境中，人眼難以準確讀取，但借助基于神經(jīng)網(wǎng)絡(luò )的深度學(xué)習算法，視覺(jué)系統能夠高效識別，并輸出結果（綠色字符所示）。

基于A(yíng)I深度學(xué)習的字符識別應用對點(diǎn)陣、粘連、變形、低對比度、復雜背景等均有較高識別率，完成了傳統視覺(jué)系統無(wú)法實(shí)現的功能，且單一模型兼容多種字體及包裝形式，在下圖所示的乳制品灌裝線(xiàn)上，結合AI的視覺(jué)系統可滿(mǎn)足流水線(xiàn)上的高速檢測需求，識別率達到99.98%以上。

03 更高效的目標定位應用

在沒(méi)有固定定位特征的場(chǎng)景下、且目標位置隨機變化時(shí)，傳統視覺(jué)系統無(wú)法實(shí)現目標定位。這種情況下借助AI深度學(xué)習目標定位應用，則可輕松鎖定目標，再也不用“眾里尋他千百度”。

如下圖所示的包裹面單，無(wú)論如何放置包裹，借助深度學(xué)習目標定位算法，相機都能高效讀取條碼信息。

這種技術(shù)在各大快遞分揀中心已落地應用，面對雙11、618的天量包裹，也能讓你下單的寶貝更快到家。

04 更多維的視覺(jué)感知方式

過(guò)去，2D相機無(wú)法采集物體深度、體積等信息，搭載2D相機的機械臂不能對有高度差混料和無(wú)序擺放的物體做抓取。3D感知技術(shù)加持后，則可實(shí)現上述功能。從無(wú)到有，更智能的定位引導和體積測量應用不再“高深莫測”。

AI賦能智能制造

機器視覺(jué)系統的特點(diǎn)是提高生產(chǎn)的柔性和自動(dòng)化程度，運用在人工視覺(jué)難以滿(mǎn)足要求的場(chǎng)合。AI是制造業(yè)轉型升級的變革力量，機器視覺(jué)之于A(yíng)I等同于視覺(jué)之于人類(lèi)。?？低暽罡嗑S感知、深度學(xué)習等多項AI關(guān)鍵技術(shù)，?？禉C器人助推AI與生產(chǎn)制造業(yè)的智慧碰撞，讓工業(yè)設備“慧眼如炬”，用AI賦能智能制造。

目前，?？低暀C器視覺(jué)已為3C、食藥品、新能源、汽車(chē)及零配件、紡織、電子半導體、物流等行業(yè)賦能。