計算機視覺
它是人工智能和計算機科學(xué)的一個領(lǐng)域，旨在為計算機提供對世界的視覺理解。計算機視覺的目標(biāo)是利用數(shù)字圖像并通過三個主要的處理組件來模擬人類視覺:
1.圖像采集
2.圖像處理
3.圖像分析
現(xiàn)在，讓我們來了解一下它在制造業(yè)中的五大應(yīng)用。
預(yù)測性維護
預(yù)測性維護是一種防止昂貴制造設(shè)備故障的方法，通過分析在整個生產(chǎn)過程中的數(shù)據(jù)，提前查明異常行為，以確?？梢圆扇∵m當(dāng)?shù)拇胧﹣肀苊忾L時間的生產(chǎn)停機。
使用物聯(lián)網(wǎng)進行更好的預(yù)測性維護可將設(shè)備停機時間減少50%，并將設(shè)備資本投資減少3%-5%……在制造業(yè)，這些節(jié)省的成本在2025年每年將產(chǎn)生近6300億美元的潛在經(jīng)濟影響。--麥肯錫
試想一下，如果你能在故障即將發(fā)生前收到手機應(yīng)用程序的警告。聽起來很有趣，對吧?多虧了預(yù)測性維護，它可以告訴我們何時需要更換部件，減少計劃內(nèi)的停機時間，并使產(chǎn)品在最佳時間內(nèi)運行。這將有助于減少不必要的維修費用。
預(yù)測性維護技術(shù)
有各種各樣的監(jiān)測裝置和技術(shù)可以用來有效地預(yù)測故障，并為維修提供預(yù)警。讓我們來了解一下它們的類型:
1.振動分析--它可以通過設(shè)備內(nèi)置的手持分析器或?qū)崟r傳感器來監(jiān)測機器的振動，其預(yù)測潛在故障的能力使其成為了計劃維護、提高資產(chǎn)性能的有用工具，有助于防止計劃外的停機。
2.紅外熱成像——它有助于使用紅外攝像機來檢測高溫(熱點)。通過識別熱點，紅外線可以幫助避免昂貴的維修和停機時間。聯(lián)邦能源管理計劃(FEMP)表示，對于僅采用反應(yīng)性維護計劃的設(shè)備，就可節(jié)省30%至40%的能源。
3.超聲波分析--這項技術(shù)可以使用聲音來識別失敗的資產(chǎn)?？捎糜谛孤z測、機械檢測、電氣檢測、電弧閃光檢測、疏水閥檢修、閥門檢測等。
4.聲學(xué)監(jiān)測--這項技術(shù)有助于在聲波或超聲波水平上檢測設(shè)備中的氣體、液體或真空泄漏。這些相對來說都會比超聲波要便宜。
讀取條形碼:條形碼是用于產(chǎn)品、包裝或部件的機器可讀圖樣。它們可用于在產(chǎn)品的整個生命周期中提供信息和跟蹤產(chǎn)品。識別和處理成千上萬的條形碼是一項需要人工執(zhí)行的繁瑣任務(wù)，它需要將掃描儀操作員放置在條形碼附近，以便獲得正確的結(jié)果。然而，通過計算機視覺掃描，產(chǎn)品通過傳送帶時不一定需要對準(zhǔn)基于攝像頭的掃描儀就可以正確地檢測條形碼。智能產(chǎn)業(yè)也正在整合OCR(光學(xué)字符識別)技術(shù)，使圖像中的信息可由機器讀取和使用。一些技術(shù)，如條形碼識別(OBR)、智能字符識別(ICR)和光學(xué)標(biāo)記識別(OMR)都可以用來擴展現(xiàn)有的功能。
•OCR用于識別掃描文檔或屏幕截圖中的文本。
•ICR用于從手寫表格中讀取文本，例如。調(diào)查問卷
•OMR用于識別調(diào)查或表單中的復(fù)選框
•OBR用于識別傳統(tǒng)的一維和二維條碼，用于在生產(chǎn)線上自動布線零件
缺陷識別:對于任何制造公司來說，清點大量的貨物和產(chǎn)品是一項相當(dāng)麻煩的任務(wù)。計算機視覺可以提供從捕獲的圖像獲取實時信息分析，以執(zhí)行復(fù)雜的檢查任務(wù)。它提供了一個計數(shù)機制系統(tǒng)，可以幫助驗證每個容器中是否包含了正確的項目數(shù)量。如果產(chǎn)品總數(shù)不正確，或者一個集裝箱被標(biāo)記為有缺陷，并且該容器到達了生產(chǎn)線的末端，則包含任何缺陷件的任何容器都將被拒收。這將有助于消除包裝和運輸任何缺陷產(chǎn)品的風(fēng)險。
產(chǎn)品和部件的裝配:計算機視覺可以確保產(chǎn)品和部件的裝配能夠嚴(yán)格的按照標(biāo)準(zhǔn)進行。嚴(yán)格的評估標(biāo)準(zhǔn)減少了產(chǎn)品召回事件，并提高生產(chǎn)率。例如，一個生產(chǎn)大量乳制品的乳制品生產(chǎn)公司可以利用計算機視覺技術(shù)來確保正確的包裝。它也有助于檢查包裝瓶的其他關(guān)鍵特征，如瓶蓋密封，位置，標(biāo)簽等等。
機器和深度學(xué)習(xí):有難以想象的數(shù)量的感官數(shù)據(jù)，其中包含了多種格式，結(jié)構(gòu)和語義。深度學(xué)習(xí)技術(shù)使人們能夠自動從這些數(shù)據(jù)中學(xué)習(xí)，發(fā)現(xiàn)模式，并據(jù)此做出決策。它能夠區(qū)分不同級別的數(shù)據(jù)分析，包括預(yù)測性維護、規(guī)范性分析、診斷分析和描述性分析。以下是它們在制造業(yè)中的應(yīng)用。
•預(yù)測分析使用統(tǒng)計模型來預(yù)測未來生產(chǎn)和設(shè)備退化的可能性。
•規(guī)范性分析提供了多種場景來執(zhí)行任何操作。
•診斷分析旨在報告設(shè)備故障的原因。
•描述性分析有助于分析產(chǎn)品的操作參數(shù)、環(huán)境和條件。
進入工業(yè)4.0
很明顯，計算機視覺將在制造業(yè)掀起一場風(fēng)暴。制造業(yè)和分銷業(yè)的變化也導(dǎo)致了智能產(chǎn)品和創(chuàng)新性制造模式的出現(xiàn)。以圖像和語音識別的形式出現(xiàn)的自動化，也提高了生產(chǎn)率和準(zhǔn)確性。智能工廠正在經(jīng)歷在意外停機時間的大幅削減和更好的產(chǎn)品設(shè)計、效率的提高、過渡時間的縮短以及更好的整體產(chǎn)品質(zhì)量和工人安全。
版權(quán)聲明：本文為企業(yè)網(wǎng)D1Net編譯，轉(zhuǎn)載需注明出處為：企業(yè)網(wǎng)D1Net，如果不注明出處，企業(yè)網(wǎng)D1Net將保留追究其法律責(zé)任的權(quán)利。
京公網(wǎng)安備 11010502049343號