成本上漲近10倍 深度學(xué)習(xí)如何讓傳統(tǒng)機器視覺企業(yè)買單？

電子發(fā)燒友報道（文/黃山明）隨著當前工業(yè)制造技術(shù)的高速發(fā)展，機器視覺技術(shù)已經(jīng)逐步成為工業(yè)自動化生產(chǎn)過程中不可或缺的關(guān)鍵組成部分。從功能上看，機器視覺的主要作用是利用機器替代人眼，通過機器的視覺能力，實現(xiàn)對物體的識別、檢測、測量、工業(yè)機器人的定位引導(dǎo)等功能。

從技術(shù)角度來看，傳統(tǒng)的工業(yè)視覺通過高分辨率圖像對物體進行檢測或識別。那么是否可以結(jié)合人工智能技術(shù)，讓機器視覺變得更加智能，更加精準呢？答案顯然是可以的，并且已經(jīng)有許多廠商在這條道路上快速前行。

據(jù)國內(nèi)公開數(shù)據(jù)統(tǒng)計，2018年中國機器視覺行業(yè)銷售總額為83.9億元，比上年同期增長21.6%；研發(fā)投入增長至11.7億元，同比增長32.8%。據(jù)專業(yè)調(diào)研機構(gòu)Grand View Research的預(yù)測，到2025年，全球機器視覺市場空間將超過180億美元，年均復(fù)合增速7.7%，快速增長的市場也吸引了諸多玩家投身其中。

深度學(xué)習(xí)讓機器視覺定義缺陷更快速

以外觀缺陷檢測為例，傳統(tǒng)的工業(yè)視覺需要由專業(yè)的人員對機器進行大量的調(diào)試，繁復(fù)的調(diào)試工作不僅需要大量的工時，同時還需要品管人員進行反復(fù)的校核，最終進入產(chǎn)線檢測。而將深度學(xué)習(xí)與傳統(tǒng)視覺相結(jié)合，將極大地優(yōu)化作業(yè)流程。

康耐視華南區(qū)銷售經(jīng)理劉墨在接受電子發(fā)燒友采訪時稱：“與過去的機器視覺技術(shù)不同的是，傳統(tǒng)機器視覺在前期需要做許多參數(shù)的調(diào)試，而深度學(xué)習(xí)的機器視覺是做一種定義的判斷，根據(jù)給出樣品照片為產(chǎn)品的缺陷下一個定義?！?br />

深度學(xué)習(xí)工具|康耐視

與傳統(tǒng)視覺一個明顯的區(qū)別就是，只要有足夠的數(shù)據(jù)，深度學(xué)習(xí)的機器視覺可以極大縮減前期調(diào)試工作的時間，只需要將數(shù)據(jù)輸入給機器，就能由機器完成建模，以及形成對缺陷的認知。

劉墨表示：“康耐視是一家專注于機器視覺的公司，因此在深度學(xué)習(xí)具有一定優(yōu)勢，一個是訓(xùn)練樣本的數(shù)量并不需要太大，單個類型的缺陷（如劃傷、壓痕），僅需要20張左右的圖片訓(xùn)練就能夠完成初步識別；此外，在訓(xùn)練時間上，康耐視也有一定優(yōu)勢，過去一家擁有8000張圖片素材的客戶，訓(xùn)練只花費了20分鐘左右，而許多廠商的做法是今天晚上將圖片輸入進去，第二天早上再來看結(jié)果?！?br />
不過這樣會產(chǎn)生一個問題，即識別樣品較少，只能讓機器初步對某個缺陷產(chǎn)生認知，但這個認知并不完善。深圳市深視創(chuàng)新科技有限公司大客戶經(jīng)理武栓弟表示：“大多數(shù)采用深度學(xué)習(xí)的機器視覺公司，都能用少數(shù)的圖片完成識別，并出具初級報告，但要達到很好的識別效果，還需要更多的樣品照片訓(xùn)練才行?！?br />
劉墨也表示，如果要機器視覺達到較好的識別，除了需要足夠的樣品照片訓(xùn)練之外，檢測結(jié)果還需要與品管進行對照，來加強準確性。

將深度學(xué)習(xí)應(yīng)用在傳統(tǒng)視覺上的優(yōu)點顯而易見，可以節(jié)省大量前期準備工作，同時不用更改結(jié)構(gòu)，準備好數(shù)據(jù)投喂即可。當然，缺點同樣在于數(shù)據(jù)，盡管用少量的樣品圖片就能夠完成機器的識別，但想要獲得較好的識別效果，也必須準備足夠的樣本才行。

成本將近10倍 深度學(xué)習(xí)為何這么貴？

對于工業(yè)制造而言，一項成熟的技術(shù)除了能夠提高生產(chǎn)效率外，還需要降低成本，這才能得到快速的推廣。那么具體到深度學(xué)習(xí)的機器視覺技術(shù)而言，其表現(xiàn)又如何呢？

劉墨認為，成本是相對的，同時這項技術(shù)的出現(xiàn)也主要是為了替代人工，行業(yè)內(nèi)通常是一年半可以收回成本，而康耐視解決方案的成本，可以在一年內(nèi)收回。

從具體的價格來看，據(jù)武栓弟透露，一套不含生產(chǎn)線的深度學(xué)習(xí)機器視覺解決方案價格在16萬元左右。但一套傳統(tǒng)的機器視覺檢測方案價格是多少呢？據(jù)深圳市倍諾自動化設(shè)備有限公司副總經(jīng)理瞿劍飛表示，一套普通的機器視覺方案價格在2萬以內(nèi)。

為何深度學(xué)習(xí)解決方案價格會高出這么多？一個是開發(fā)過程需要基于工具的規(guī)則變成與基于實例的培訓(xùn)，同時在硬件投入上，深度學(xué)習(xí)需要更多的處理和存儲。

工業(yè)圖像缺陷樣本管理系統(tǒng)|深視創(chuàng)新

當然，貴有貴的好處，深度學(xué)習(xí)可以在沒有明確編程的情況下解決特定任務(wù)。以產(chǎn)品劃痕缺陷檢測為例，傳統(tǒng)視覺中對于這種檢測需要進行嚴格的定義，通過設(shè)定不同的尺寸來看機器判斷什么是劃痕，而深度學(xué)習(xí)系統(tǒng)可以通過數(shù)據(jù)的喂養(yǎng)，識別出不在喂養(yǎng)數(shù)據(jù)之內(nèi)的劃痕缺陷。

此外，對于傳統(tǒng)機器視覺而言，檢測具有復(fù)雜表面紋理和外觀變化的視覺相似部件是一個困難的挑戰(zhàn)。同時檢測現(xiàn)場還存在多個變量，如光照、顏色變化、曲率等，一些缺陷檢測用傳統(tǒng)的機器視覺很難做到，而深度學(xué)習(xí)為解決這些問題帶來了可能。

傳統(tǒng)機器視覺檢測在面對這些問題時，需要不斷的進行調(diào)試，以及外部環(huán)境的配合，檢測準確率的提升是一個繁瑣的工作，但通過深度學(xué)習(xí)，只需要持續(xù)的進行樣品數(shù)據(jù)的訓(xùn)練，便能不斷的提高機器視覺檢測的準確度。

不過瞿劍飛也提出了一個觀點，雖然深度學(xué)習(xí)可以幫助企業(yè)更好的解決傳統(tǒng)機器視覺的檢測難點問題，但這些問題很多可以通過外部調(diào)試進行完善，比如可以通過加強光照解決現(xiàn)場燈光復(fù)雜的問題。而對于企業(yè)而言，很難完全利用到深度學(xué)習(xí)中的所有功能，那么對于這個企業(yè)而言，那些多余的功能就是一種浪費。因此，選擇深度學(xué)習(xí)還是傳統(tǒng)機器視覺，需要企業(yè)自己去衡量。

深度學(xué)習(xí)能替代傳統(tǒng)機器視覺嗎？

需要注意的是，深度學(xué)習(xí)并非適合所有檢測場景，如在流水生產(chǎn)線中，產(chǎn)線不停的情況下進行快速檢測。劉墨表示這種情況可以使用傳統(tǒng)機器視覺方案解決。

廣東廣源智能科技有限公司便是一家通用智能高速機器視覺平臺，據(jù)其銷售工程師王呂森介紹，其平臺正是適用于產(chǎn)線高速機器視覺檢測的，不過高速檢測必須具備幾項條件，一個是缺陷種類少，另一個是產(chǎn)品形狀規(guī)范，如對塑料瓶的檢測。

王呂森表示，他們也嘗試過深度學(xué)習(xí)的機器視覺，但發(fā)現(xiàn)其中還存在一個問題，深度學(xué)習(xí)可以快速形成對缺陷的認知是建立在大量數(shù)據(jù)的基礎(chǔ)上的。但對于許多企業(yè)而言，前期缺陷數(shù)據(jù)的收集比較欠缺，這時就需要廠商進行協(xié)助。

劉墨對此還舉了一個案例，今年疫情期間，某家LED芯片半導(dǎo)體公司返工困難，質(zhì)檢人員稀缺，為廠商帶來了極大地困難?？的鸵曂ㄟ^深度學(xué)習(xí)產(chǎn)品，陪同客戶在現(xiàn)場做了將近一個月的驗證，對放大200倍的芯片圖片進行分析判斷，成功的將之前由人工判斷的缺陷檢測出來，而且檢測穩(wěn)定性遠遠高于人工。

特殊時期可以理解，但對于普通工廠而言，如果要求原廠派人員在現(xiàn)場進行長時間的調(diào)試，其成本顯然不低。

對此，武栓弟提出，可以通過多設(shè)備聯(lián)機質(zhì)檢進行大數(shù)據(jù)分析，即采用聯(lián)網(wǎng)的方式，能有效節(jié)省人力成本。但這種情況只適用于可以聯(lián)網(wǎng)的深度學(xué)習(xí)機器視覺設(shè)備中，而對于不可聯(lián)網(wǎng)的設(shè)備，只能由工程師進行現(xiàn)場調(diào)試。

劉墨提出了一個較為完善的解決方案，即廠商自己學(xué)習(xí)建模，檢測新的產(chǎn)品?？的鸵曇矁A向讓客戶自己學(xué)習(xí)，一個是客戶對自己的工藝更加熟悉，可以更準確的把握自己的需求。另一個則是廠商可能在生產(chǎn)中產(chǎn)生一些隨機的要求，設(shè)備商可能需要時間前往現(xiàn)場才能滿足客戶的相關(guān)需求，但客戶如果能夠熟悉產(chǎn)品能夠自己很快的進行重新調(diào)試。

此外，深度學(xué)習(xí)的機器視覺并不針對單一產(chǎn)品。武栓弟表示，深度學(xué)習(xí)最大的優(yōu)勢便是體現(xiàn)在其靈活性上。通過重新建模，可以很快將這套設(shè)備應(yīng)用到其他產(chǎn)品的檢測當中。

從這一點來看，對比傳統(tǒng)機器視覺，深度學(xué)習(xí)可以通過訓(xùn)練，很快適應(yīng)新產(chǎn)品的檢測，意味著買一套方案可以適應(yīng)所有的解決場所，這是過去很難做到的。但針對特殊場景，如生產(chǎn)線的快速檢測，還是傳統(tǒng)視覺的強項?？梢哉J為深度學(xué)習(xí)是過去機器視覺的有利補充，雙方并非替代的關(guān)系。

小結(jié)

總體而言，深度學(xué)習(xí)是機器視覺的一種延伸。企業(yè)向智能工廠的轉(zhuǎn)變推動了機器視覺的發(fā)展，而對檢測提出更高的要求，加上如今電腦技術(shù)的發(fā)展，讓深度學(xué)習(xí)有了用武之地。需要注意的是，傳統(tǒng)機器視覺與深度學(xué)習(xí)是互補而非替代的關(guān)系，深度學(xué)習(xí)的出現(xiàn)，可以為廠商帶來最重要的差異化以及更豐厚的利潤，在傳統(tǒng)機器視覺已經(jīng)高度成熟的今天，新的可行性技術(shù)也意味著新的財富密碼。

本文由電子發(fā)燒友原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。如需轉(zhuǎn)載，請?zhí)砑游⑿舉lecfans999。