智能制造的新未来：机器视觉+人工智能

来源：机器人大讲堂发布：2021-07-21 阅读：688

智能制造的新未来：机器视觉+人工智能

如今，以机器视觉、人工智能为代表的软硬件技术正将推动智能制造体系的完善，实现传统制造业发展模式、管理模式、生产方式的朝着智能制造变革。

机器视觉带来的新改变

人工智能是促进制造业转型的重要技术。近年来，人工智能的概念非常火爆，但在实际应用却很少，尤其是在制造业中，人工智能的应用还仍然处于初级阶段。

目前人工智能+制造业的应用，主要集中在配合机器视觉的应用。

人类的信息获取75%以上来自于视觉，机器视觉是对于人类视觉的再提升。机器视觉无疑比人眼更加强大，在很多环境下，人类的视觉变化已经越来越难满足要求。例如电子制造等行业的高速高精产线，往往速度快，工件小，非标件多，如果大量依靠人工，工人必可避免的疲劳等客观因素会带来非常高的误差，导致产品质量不稳定。因此，用机器视觉来替代人眼至关重要。

机器视觉是最基础的单元技术，也是一种非接触式感知装置，在实际制造业的使用中，主要被用于自动获取与解释真实事物的影像，并取得图像来进行机器识别，反馈并控制制造流程。

当前机器视觉的典型实现技术方式是用工业相机来完成，工业相机通过集成运动控制单元，能把运动图像采集到计算机，通过计算机识别反馈回到机器来执行动作调整。在原先，自动化设备是按照既有预定指令来执行，但加上视觉反馈后，同时也能根据对于环境感知，快速做出实时调整，使得设备智能性得到提升，执行的效率和准确性得到了提升。

从生产线和智能工厂的角度来看，加入机器视觉后能很好提升制造水平。当前许多工厂设备已经实现了基本自动化，表现为能按照人的编程机械式重复运动，但如果给机器加上视觉，设备就能够根据不同环境条件来进行主动调整，从而在自动化设备基础上实现智能化。

用机器视觉技术取代人工产业已经具备非常强的场景可行性。目前机器视觉在珠三角地区已经得到大范围应用。由于长三角珠三角地区是电子制造产业集中地，加工电子元器件、Pcb板以及手机组装等制造产业精细且比较小，同时有大量的强光作为背光，对人体的伤害非常大，这些场景无疑就非常适合机器视觉的应用。

在未来，机器视觉的发展也有望大量替代人工，借助机器识别和信息处理，可以开拓的场景还有很多，机器视觉还可以提升工件的产品一致性和质量稳定性，机器视觉能很好完成检测等制造关键流程，提升产线的整体效率。例如在检测工件长度、宽度、厚度，以及例如在手机产业的屏幕粘乎和划痕检测等场景下，机器视觉都有着更多的发展空间。

除此之外，机器视觉还能实现更精准的定位，使得机器人在抓取过程中实现视觉定位和误差补偿。在OCR识别上，机器视觉也大有可为，例如识别板面文字，判断漏缺，判断安装是否正确。

机器视觉+人工智能

但单一的机器视觉的应用场景其实也非常有限，机器视觉发展到如今已经有10-20年历史，在原先应用一直较少，随着近年来摄像头、光源等硬件成本的不断降低，以及计算机处理能力的提升，人工智能技术的大量进入，才逐渐越来越广泛进入到工业领域。

软件和智能技术的发展，使得机器视觉的应用明显增多。在电子制造设备行业，机器视觉已经几乎成为标配，但在具体应用上，却往往还是采用传统机器视觉算法，加入AI的机器视觉算法仍然应用较少，因此机器视觉+人工智能的领域其实还仍然有非常大的市场空间。

用人工智能+机器视觉来做机器识别，优势非常明显，最为直接的体现在于能大大增加制造柔性。

柔性制造往往表现为机器人等工业设备能够针对不同的位置、光照，以及复杂环境，呈现出更好的适应性。例如针对物体的颜色检测，如果采用传统的机器视觉，对于不同颜色的细微辨识度其实不高，某个颜色中如果出现深浅、偏色等轻微差别，传统机器识别就很容易出错，而用人工智能+机器视觉的方法就能够比较准确提升检测率和正确率。

采用AI的机器视觉来进行检测，也能更加方便进行人机交互，提升检测便利性。在原先，要实现精准点线面的指定位置检测往往需要通过人进行点击鼠标等操作，需要告诉视觉去检测哪个圆哪条线，但如今加入AI后，电路板放到产线上，就能通过强化学习等方式自动识别原先各个方面的问题，从而完成视觉+智能标定、智能尺寸量测和位置实时判断，效率和人机交互智能性都得到大大提升。

目前，基于传统机器算法、视觉算法和人工智能算法结合，德国和日本在电路板纹理缺陷检测、手机摄像头模组表面缺陷检测上已经实现行业应用，主要集中用于金属的损伤、尺寸偏差的检测。如果未来能够采用深度学习的方法，机器视觉+人工智能的检测率将能够得到进一步提升。

但准确度一直是制约人工智能应用发展的局限。目前大多数的人工智能算法的准确度往往都达不到较高的准确率，误差率在15%左右，这意味着落地到产业，往往仍然需要部分人工进行复检，产业化成本较高。如果未来能达到95%以上的正确率，人工智能+视觉的产业化应用落地将不再成为难题。

机器视觉+人工智能+机器人

机器视觉+人工智能的应用需要一个设备的载体，工业机器人无疑是近年来最适用于搭载视觉单元的产品。

由于工业机器人本质上是一门综合了计算机控制机构、信息传感、人工智能仿真等多领域多个学科所形成的高技术。从1951年工业机器人的概念才被提出，到1962年的第一台工业机器人诞生，在1969年，机器视觉其实就已经被应用于工业机器人。在20世纪70年代，随着汽车行业尤其日本汽车行业的发展，使得工业机器人的应用得到普及，到了90年代后，基于人工智能的算法，国际上开始慢慢有部分基于触觉和视觉功能的智能工业机器人得到应用，但直到目前仍然不算主流。

但不可否认，工业机器人已经逐渐成为智能制造的重要支撑。目前许多行业产线工艺上也几乎都有着工业机器人的影子，例如上下料，搬运，以及加工行业的焊接、喷涂、拟螺丝、涂胶等工艺流程，机器人都已经进入并不断扩大市场份额。

如何通过人工智能（AI）+视觉提升工业机器人的技术能力或者加工能力？这是近年来许多专家学者思考和研究的方向。

基于传统机器视觉，工业机器人能更加柔性化，技术能力也得到了进一步提升，而AI技术的发展则开始使得工业机器人拥有了一部分智能。

得益于AI技术一开始在医疗救援、交通等行业所积累的应用数据、知识和经验，AI技术逐渐有了被应用到工业机器人技术中的可能性。许多专家认为，AI技术如果能够与工业机器人得到有机结合，将大大提升我国工业机器人的技术能力。因为人工智能技术发展我国和世界第一梯队国家处于同一起跑线，因此从国际范围来讲，AI+机器人的应用我国也和世界一流企业仍然处于同一起跑线。

目前四大家族工业机器人在与AI结合上，就公开资料来看都没能做到很好。例如KUKA在与AI的结合上，只是通过人工智能技术着重增强机器人的自主感知能力，去更好实现两台协作机器人协同。这种位置感知技术能够有效提升机器人的工作效率，在例如在人和机器人共同工作时，使得机器人能够及时感知和预判人的动作，从而提前进行位置调整实现机器人与人之间的有机互动，通过加入AI，机器人能很好感知人的存在和意图，能在进行例如上下料等工业流程中，机器人可以随时快速根据产线缺料情况选择补充，使得产线效率大大提升。

通过加入AI技术，机器人的工作误差容忍度大大提高，同时增加了位置准确性。例如原先在部分精度要求高的装配工艺上，制造成本非常高，因为装配对机器人等设备的精度要求很高，但加入了AI，将降低对于加工精度的绝对依赖，能在例如在针穿孔等过程中用AI+视觉引导补偿增加制造柔性。例如在装配场景下，要把左边零件装配到右边盒子，通过AI技术，机器人不需要高的绝对定位精度，而是能首先采取视觉引导，将机器人预先移动到固定位置，随后通过力觉引导机器人完成装配工艺。

同时人工智能还能提高加工过程的抗干扰能力和误差补偿能力。在打磨工艺上，原先汽车外表的打磨一旦开始后，整个流程必须按照固定打磨程序进行，一旦出现人的干扰，很容易降低打磨精度，但加入AI后，机器人就能自动感知到环境变化，使得打磨工艺可以考虑到人的因素继续执行，并能继续调整出实现符合质量要求的优化共建流程。

人工智能还可以增加机器人的可复用性。机器人的可复用性主要集中体现在工艺上，简单来说，就是将某些编程完成的程序，可以应用到多个不同的应用场景。例如不同曲面的打磨，不同样式的喷涂，都可以实现一套程序的多工艺复用，而不需要再单独人为针对细小非标产品重新进行多次编程，通过人工智能感知技术，机器人能进行自动调整和工艺复用。

除此之外，加入了人工智能的机器人程序，还具备了过程的优化能力。在原先，传统的机器人都是按照人编成的固定轨迹执行，从start到go是两个点位，一个固定的流程，而加入人工智能的机器人控制器后，通过机器学习，从star到go的轨迹可以自动优化，抓取效率更高。

在产线上，通过人工智能的大数据分析，还可以做到机器人的主动运维和报警，从而使得产线能一直处于较高效率的工作状态。