人類(lèi)擅長(zhǎng)通過(guò)視覺(jué)、觸覺(jué)、甚至嗅覺(jué)來(lái)感知差異。人類(lèi)能分辨出細(xì)微的缺陷、變化或差異，并能在面對(duì)不可預(yù)測(cè)的情況時(shí)進(jìn)行調(diào)整。人類(lèi)也易于接受訓(xùn)練，人通過(guò)學(xué)習(xí)可以適應(yīng)新的產(chǎn)品或要求。

然而技術(shù)帶來(lái)的速度、準(zhǔn)確性和可重復(fù)性又是人類(lèi)無(wú)法比擬的。人的眼睛很容易受到“欺騙”，這樣就會(huì)使得人們看到的結(jié)果準(zhǔn)確度存疑。如果不相信可以試著數(shù)數(shù)下圖的黑點(diǎn)。機(jī)器視覺(jué)系統(tǒng)由于更高的處理速度和不斷擴(kuò)大的內(nèi)存容量，它們可以快速做出決定，并對(duì)自動(dòng)化進(jìn)行編程，使結(jié)果無(wú)偏差并且持續(xù)準(zhǔn)確。

與機(jī)器不同，人也會(huì)感到疲憊、無(wú)聊、分心，并可能做出主觀的決定。因此，大多數(shù)人工檢測(cè)任務(wù)通常伴隨20-30%的錯(cuò)誤率。通常，這些錯(cuò)誤與漏掉一個(gè)缺陷、錯(cuò)誤的裝配或“假陽(yáng)性”有關(guān)，即操作員識(shí)別了一個(gè)不存在的問(wèn)題。

考慮到這些錯(cuò)誤率，以及由于浪費(fèi)和制造停工而導(dǎo)致的更高成本，以及劣質(zhì)產(chǎn)品對(duì)品牌認(rèn)知的影響，顯然必須利用技術(shù)進(jìn)步來(lái)幫助人工檢測(cè)。

利用人工智能技術(shù)的決策支持

將自動(dòng)化決策支持加入視覺(jué)檢測(cè)，有助于加快檢測(cè)速度，提高端到端的產(chǎn)品質(zhì)量，并提供更多的產(chǎn)品定性評(píng)估，以確保制造過(guò)程的可重復(fù)性和可追溯性。由于終端市場(chǎng)逐漸需要更多的定制產(chǎn)品，對(duì)于按需生產(chǎn)和小批量制造，人工檢測(cè)有時(shí)比自動(dòng)化流程更具成本效益和適應(yīng)性。

全新的視覺(jué)檢測(cè)系統(tǒng)利用無(wú)代碼算法開(kāi)發(fā)和邊緣處理平臺(tái)的進(jìn)展，使制造商更容易和更有成本效益地為在制品和成品增加 AI 決策支持。這些系統(tǒng)提供預(yù)裝檢測(cè)技能，可以輕松地根據(jù)具體要求進(jìn)行定制和再培訓(xùn)，包括驗(yàn)證部件、檢查標(biāo)簽、檢查裝配和數(shù)字化工作指令。

作為一個(gè)充分集成的桌面系統(tǒng)，操作員可以使用相機(jī)、邊緣處理和顯示器來(lái)獲取圖像并創(chuàng)建 AI 模型。他們無(wú)需在相機(jī)、PC 或基于云的系統(tǒng)之間切換;使該系統(tǒng)易于使用，極具成本效益，而且占地面積較小。

無(wú)代碼優(yōu)勢(shì)和簡(jiǎn)單培訓(xùn)

對(duì)于考慮基于人工智能檢測(cè)的制造商來(lái)說(shuō)，最重要的障礙之一就是算法開(kāi)發(fā)。有一種觀念認(rèn)為，要將該技術(shù)部署至制造業(yè)應(yīng)用中，需要專(zhuān)門(mén)的技能，或昂貴的咨詢(xún)服務(wù)。

沒(méi)有基于代碼塊的平臺(tái)讓任何終端用戶(hù)輕松地設(shè)計(jì)人工智能和計(jì)算機(jī)模型，以實(shí)現(xiàn)任務(wù)的自動(dòng)化，如視覺(jué)檢測(cè)、數(shù)字工作指令、自動(dòng)計(jì)數(shù)和測(cè)量。

對(duì)于視覺(jué)檢測(cè)系統(tǒng)，可以快速培訓(xùn)和部署針對(duì)諸如圖像比較和圖像保存的常見(jiàn)要求的預(yù)裝技能，而無(wú)需編程語(yǔ)言的專(zhuān)業(yè)知識(shí)。只需一張好的圖像(“母版”)，系統(tǒng)就能訓(xùn)練出區(qū)分好壞或通過(guò)/失敗的能力。更有經(jīng)驗(yàn)的開(kāi)發(fā)人員可以使用軟件平臺(tái)來(lái)定制預(yù)裝技能，或開(kāi)源機(jī)器視覺(jué)和人工智能代碼，以滿(mǎn)足獨(dú)特的要求。

圖像比較功能有助于在工作過(guò)程中和最終裝配檢測(cè)步驟中指導(dǎo)操作員

電子產(chǎn)品的檢測(cè)

制造商將人工智能決策支持加入到流程中的最快方式之一就是圖像比較。視覺(jué)檢測(cè)系統(tǒng)將制造的產(chǎn)品與“黃金母版”進(jìn)行比較，并在顯示器上直觀地顯示差異和偏差。

虹科協(xié)助一家電子制造商，該制造商為位于“北部硅谷”的醫(yī)療保健、工業(yè)控制、電信、安全和數(shù)字成像公司提供廣泛的服務(wù)。該公司專(zhuān)門(mén)為中小規(guī)模的市場(chǎng)提供高質(zhì)量的電子組裝服務(wù)。

為高價(jià)值、低產(chǎn)量的市場(chǎng)提供服務(wù)會(huì)給公司帶來(lái)檢測(cè)方面的挑戰(zhàn)，因?yàn)椴⒎撬挟a(chǎn)品都適合自動(dòng)化流程。因此，一些產(chǎn)品主要由人類(lèi)操作員進(jìn)行檢測(cè)。該公司對(duì)其產(chǎn)品質(zhì)量的模范記錄感到自豪，并將自動(dòng)視覺(jué)檢測(cè)系統(tǒng)視為一種為其檢查員增加決策支持的方法。

自動(dòng)圖像比較功能用于匹配已批準(zhǔn)的布局和電子組件的最終生產(chǎn)。該系統(tǒng)快速比較電路板上元件的位置，并在進(jìn)入制造過(guò)程的下一個(gè)步驟或最終包裝之前，為人工檢測(cè)突出差異和偏差。

該系統(tǒng)也被DICA用于對(duì)來(lái)自供應(yīng)商的進(jìn)貨元件進(jìn)行質(zhì)量檢查。此外，制造商使用該系統(tǒng)來(lái)記錄和保存每塊印刷電路板的圖像。這些數(shù)據(jù)與可追溯系統(tǒng)共享，用于庫(kù)存和裝運(yùn)管理和批次跟蹤，以及其他業(yè)務(wù)流程，包括缺陷的根本原因分析。

憑借其直觀的、循序漸進(jìn)的過(guò)程，圖像比較插件只需要一張已知的、良好的圖像進(jìn)行培訓(xùn)。DICA的操作人員和質(zhì)量控制人員已經(jīng)訓(xùn)練了多個(gè)圖像比較插件來(lái)檢測(cè)不同的產(chǎn)品。操作員只需選擇正確的插件與要檢測(cè)的產(chǎn)品一起使用，視覺(jué)檢測(cè)系統(tǒng)就會(huì)自動(dòng)在視覺(jué)顯示器上突出任何差異的偏差。操作員可以根據(jù)需要調(diào)整靈敏度，以檢測(cè)電路板上不同級(jí)別的元件。

對(duì)于制造商來(lái)說(shuō)，視覺(jué)檢測(cè)系統(tǒng)提供了許多寶貴好處：

• 減少人類(lèi)操作員的主觀決策，尤其是在長(zhǎng)時(shí)間輪班的情況下，系統(tǒng)可以確保一致性和準(zhǔn)確性。
• 節(jié)省成本，因?yàn)榭梢栽谏a(chǎn)的不同階段發(fā)現(xiàn)錯(cuò)誤。
• 這個(gè)可擴(kuò)展的系統(tǒng)可以用多條產(chǎn)品線(xiàn)的“良品”圖像快速訓(xùn)練。操作員或質(zhì)量經(jīng)理無(wú)需編程技能即可培訓(xùn)該系統(tǒng)。
• 在任何時(shí)候增加新產(chǎn)品，或新員工更好地了解良品和不良品的區(qū)別時(shí)，對(duì)員工進(jìn)行檢測(cè)要求的培訓(xùn)則更快。
• 圖像保存有助于減少時(shí)間、成本和風(fēng)險(xiǎn)，如果在現(xiàn)場(chǎng)發(fā)現(xiàn)潛在的錯(cuò)誤，可以實(shí)現(xiàn)更好的可追溯性流程。

虹科產(chǎn)品推薦

虹科-AI網(wǎng)關(guān)

關(guān)鍵特點(diǎn)：

• 與現(xiàn)有的檢測(cè)硬件、軟件和終端用戶(hù)流程配合
• 支持的GigEVision、USB3 Vision、CameraLink或MIPI等多種接口協(xié)議
• 強(qiáng)大的NVIDIA GPU可以部署開(kāi)源或自定義算法，包括預(yù)先訓(xùn)練好的TensorFlow深度學(xué)習(xí)模型和使用OpenCV等開(kāi)源庫(kù)開(kāi)發(fā)的Python plug-ins

AI軟件平臺(tái)

關(guān)鍵特點(diǎn)：

直觀的、基于web的eBUS AI Studio平臺(tái)允許任何用戶(hù)(從非程序員到高級(jí)開(kāi)發(fā)人員)設(shè)計(jì)、培訓(xùn)、測(cè)試和部署自己的AI和計(jì)算機(jī)視覺(jué)插件。