多年來,制造業(yè)已運用機器視覺(Machine Vision, MV)技術對生產(chǎn)制造的良率把關進行自動光學檢驗(Automated Optical Inspection, AOI),美中不足的是MV技術需要黃金樣本(GoldenSample)且差異容忍度有限,所幸近年來興起的AI(在此也指機器學習ML、深度學習DL)技術補強了MV的不足,不需高標模板且在檢測條件上有較大的寬忍,正逐漸成為制造業(yè)品管的新寵技術。
根據(jù)市場分析,全球工廠自動化市場預估在2020年至2025年間會有8.6%的年復合成長率(CAGR),而機器視覺方面也有6.1%成長率。在技術上,機器視覺確實從規(guī)則基礎轉向影像基礎,影像基礎指的正是AI/ML/DL技術。同時,品管檢驗的運算也從服務器端轉向邊緣端,以及有一些應用也開始從2D影像進階到3D影像;運算也從傳統(tǒng)個人計算機轉移到嵌入式計算機上。
機器視覺的市場趨勢(左)與技術趨勢(右)。
而受COVID-19疫情影響世界的運作也在改變,制造更重視在地化以減少運輸、缺料等風險;疫情也增強了電子商務銷售,制造端必須有所因應;疫情也影響制造支持服務,設備無法到場操作,只能遠程控制;疫情也影響差旅,只能透過遠程視訊溝通。
MV AOI vs AI CV
在制造業(yè)品管引入AI技術應用時,可能有許多制造業(yè)者會疑惑何時使用原有MV技術何時使用AI技術?由于傳統(tǒng)機器視覺難以定出精確的檢測規(guī)范,如瑕疵檢測、印刷電路板(PCB)打件等,或者過殺率(Over-Kill)過高的品管項目,是值得改加強投資AI技術,有助于提高生產(chǎn)質量。
深度學習可應用于表面瑕疵檢測
同時,AI技術也適合用于人員動作與安全規(guī)范的相關應用,運用姿態(tài)估測與分析技術,可強化生產(chǎn)效率與生產(chǎn)安全;另外具有視覺能力的低速工業(yè)自走車,或者是機器手臂等,也建議可用AI技術來增強其環(huán)境應對能力,使其在經(jīng)常變動的廠區(qū)環(huán)境配置中、經(jīng)常變動的制造工序中,仍能持續(xù)正確運作。
MV AOI vs AI CV主要差異比較
善用開源AI CV工具
對于制造業(yè)在品管把關上運用人工智能計算機視覺(AI CV)技術,可善用OpenCV、Intel OpenVINO等開源工具,不僅功能齊備同時有許多預先訓練好的模型與范例程序可供運用。
善用開源工具為制造品管把關
OpenCV與OpenVINO協(xié)作
如果覺得OpenCV、OpenVINO等需要下載與安裝過于繁瑣,也可使用云端版的開源工具Intel DevCloud,DevCloud同樣有許多現(xiàn)成范例應用,以制造業(yè)而言,即有焊接質量的分類,透過影像的識別能歸成三類:無、正常、不良。另也可以偵測廠區(qū)工作人員是否已正確配戴安全帽與背心,若無則會發(fā)出警訊。要提醒的是,若AI模型訓練不足或精準度不佳,也是可能出現(xiàn)漏偵測,例如明明工作人員未配戴安全帽進場卻未被偵測到。以下舉焊接質量的應用范例來進一步說明。
Intel DevCloud內建焊接良率檢測模型。
此范例程序在不同的運算系統(tǒng)配置下有不同的表現(xiàn),其中以使用Intel Xeon Gold 6258R服務器等級處理器的系統(tǒng)表現(xiàn)最佳,不僅AI推論的處理時間最短,相同時間內也可以處理最多張的影像(Frame Per Second, FPS)。
其他的配置也包含使用初階服務器處理器Xeon E3-1268L,或使用個人計算機處理器Core i5-6500TE搭配GPU、或同樣使用Core i5-6500TE但搭配Intel NCS2 VPU,或使用更初階的Atom x7-E3950搭配GPU等。
不同系統(tǒng)執(zhí)行Intel DevCloud焊接良率檢視推論的效能比較。
小結
AI技術在制造品管應用上想要落地,仍有不少挑戰(zhàn),首先是數(shù)據(jù)集不易建置,特別是在不良品的數(shù)量極少,或不同類型的樣本數(shù)高度不均時;其次是AI的訓練結果不得低于傳統(tǒng)MV算法,否則失去使用價值。
此外,在模型布署上,即便將訓練好的模型布建到相同機種的不同機臺上,其推論準確性也會有所差異;要定期加入新的不良品數(shù)據(jù)集、重新訓練AI模型,但新訓練成的模型,必須保證對新舊不良品都有一致的檢測能力,言下之意模型可能因新增的數(shù)據(jù)而對過往的數(shù)據(jù)產(chǎn)生分析(推論)的偏差。
若要權衡新技術(在此指導入AI技術)的投資成本與檢測性價比,AI相較于傳統(tǒng)MV技術較不要求樣本、燈光,但卻需要較多的數(shù)據(jù)量與運算力,其技術投資合算性需要事先審慎估算。
最后,目前制造品管的AI應用仍多倚賴人為介入的監(jiān)督式學習,仍需要投入關注心力,而最終極目標是能實行非監(jiān)督式學習,讓AI自行找出瑕疵處、瑕疵品,然這仍有待發(fā)展努力。
審核編輯 :李倩
-
CV
+關注
關注
0文章
51瀏覽量
16801 -
數(shù)據(jù)集
+關注
關注
4文章
1197瀏覽量
24552 -
ai技術
+關注
關注
1文章
1243瀏覽量
24025
原文標題:運用開源AI CV工具,提升制造品管效益
文章出處:【微信號:易心Microbit編程,微信公眾號:易心Microbit編程】歡迎添加關注!文章轉載請注明出處。
發(fā)布評論請先 登錄
相關推薦
評論