從制表師的單片眼鏡，到用于促進繪畫的所謂“露西達相機”，工匠們對借助光學技術提高感官技能、制作商品或藝術品并不陌生。然而，隨著工業革命和從手工工藝到機器驅動的大規模生產的必然轉變，我們創造事物的方式完全改變了。結果，所有以前那些旨在增強人類視覺的光學設備都被新的高科技工具所取代，這些工具可以提供某種視覺感知。而這就是計算機視覺發揮作用的地方。

什么是制造業中的計算機視覺？

制造業中的計算機視覺專注于創建可以捕獲、處理并因此理解來自物理世界（主要是工廠和其他工業場所）視覺輸入的人工系統，以引發適當的反應并協助人類完成各種與生產相關的任務。

無論是在制造業還是在其他領域，計算機視覺最原始的化身都可以識別特定對象，并根據基于規則的原則觸發警報提醒，即通過識別捕獲到的圖像中的某些特征，并驗證它們是否與給定參數相匹配。然而，這種方法容易產生大量誤報，并且在處理非結構化數據源（如圖片或視頻）時通常效率不高（出現細微差別和變化時）。

人工智能、機器學習(ML)和深度神經網絡的最新進展有助于解決這些問題，使制造企業能夠通過自我改進的算法增強其計算機視覺系統，這些算法可以識別重復出現的視覺模式，并將其與某些項目聯系起來。實際上，機器學習驅動的計算機視覺解決方案可以通過數百萬張圖像進行訓練，以自主發現每個對象的典型特征，學會識別它們，甚至隨著時間推移對其性能進行微調。

這導致了更高的精度、更好的上下文理解、更好的靈活性以及對新視覺元素的響應能力，而無需事先編程。

如今，制造業中的計算機視覺通常用于：

• 用于自動化產品裝配上的引導機器人
• 執行質量控制和檢驗任務
• 優化倉庫管理和供應鏈
• 檢測工業機械運行中的異常情況
• 監督工作流程以確保員工安全

在深入探討這些用例之前，讓我們了解一下投資計算機視覺服務的好處，以及一些潛在的采用障礙和克服這些障礙的最佳實踐。

計算機視覺在制造業中的好處

在過去兩年里，新冠肺炎疫情導致的運營和物流中斷，給制造業帶來了巨大的壓力。

尋求獲得新發展動力，并使該行業在高度不穩定情況下更具彈性的需求一直是制造業數字化轉型的巨大催化劑，即實施新的尖端技術，并由此向工業4.0過渡。計算機視覺在工業流程中的日益普及無疑代表了這一轉變的主要方面之一，因為它在以下方面極大地促進了制造業的發展：

• 提高生產力：根據德勤和MAPI的2019年智能工廠報告，部署以計算機視覺為動力的機器人和其他 24/7 運行的自動化系統加快了制造周期，使勞動生產力提高了 12%，總產量提高了 10%。
• 成本優化：生產力的提高，再加上通過自動化和基于計算機視覺的維護，減少了機器停機時間（根據麥肯錫的估計高達 50%），也轉化為運營成本的總體降低。
• 提高質量：正如麥肯錫所指出的那樣，計算機視覺驅動的機器人以外科手術般的精度運行，確保了更好的產品質量，并總體降低了10-20%的QA運營成本。
• 勞動力安全：制造業中的計算機視覺還可以用來識別可能危及工廠人員安全的故障，并監測工人的狀況，檢測疲勞或不適跡象。

計算機視覺市場洞察

大多數行業的分析報告似乎都證實了計算機視覺對制造業的積極影響。根據 Grand View Research 的 2021 年計算機視覺市場規模、份額和趨勢分析報告，由于該技術在裝配線自動化和預測性維護方面的廣泛應用，制造部門在2020年引領了全球計算機視覺市場。

此外，根據IBM的2021年數字化轉型評估報告，計算機視覺是幫助制造商實現其業務目標的主要技術之一(77%的受訪公司)。另一方面，IBM 的研究還揭示了在制造領域采用新技術的一些最常見的障礙。

采用障礙和最佳實踐

讓我們更好地界定上述問題并定義一些可能有助于解決制造場景中計算機視覺部署挑戰的通用指南：

• 技術生態系統：人工智能驅動的計算機視覺需要數據和底層技術基礎設施來收集數據，因為通常為標準流程監測而收集的數據集可能不適合機器學習算法，最終會適得其反。升級制造廠的網絡和系統需要適當的投資和專業知識。
• 投資支持：談到投資，高層管理人員和利益相關方可能不愿意將大部分預算用于計算機視覺和相關技術。一個可行的解決方案是制定一個漸進的實施計劃，以確保小的、短期的成果。這些成就應該有助于讓投資者和管理層相信數字化的潛在優勢。
• 員工培訓：其他要說服的人是員工，因為任何促進自動化的技術都會對他們的職業生涯產生重要影響。在這方面，考慮通過有針對性的培訓計劃來提高員工的技能，以更好地與計算機視覺工具進行交互，并聘請具有扎實技術專長的新專業人士與他們并肩工作。
• 流程協調：新技術可能無法與現有業務流程完美匹配。我們的建議是，再次逐步實施計算機視覺，以適當調整制造工作流程，讓員工熟悉這些技術。另一個主要內容是建立卓越中心，監督這些解決方案的采用。
• 用例確定：許多組織甚至沒有克服第一個障礙，即選擇一個合適的用例。這里的規則是遵循金錢至上原則，即選擇可以從計算機視覺中受益最多的應用領域，例如，選擇那些充滿瓶頸的流程，無論是質量檢查還是產品跟蹤。 

制造業中的 4 個計算機視覺用例

下面簡要介紹這項技術在制造領域的關鍵應用和成功實例。

1、視覺引導機器人系統

對于21世紀的人類來說，工業機器人是理所當然的。如今，計算機視覺引導機器人是任何裝配線的基石。事實上，它們可以輕松地用機械臂識別和拾起物體，或者繪制周圍環境的地圖，以便在制造工廠中活動，這使它們成為提高產量和簡化倉庫管理和物流的寶貴工具。

以下是由計算機視覺驅動的機器人執行的一些典型任務：

• 產品加工和組裝
• 碼垛、包裝和分揀
• 清洗重型設備
• 標記產品和跟蹤
• 用于補貨的倉庫監控

這種技術在車間的例子數不勝數。其中，Sawyer Robot，這是一個由田納西州塑料注射成型公司Tennplasco部署的多用途機械臂，但也包括BluePrint Automation的機器人紙箱裝載系統，該系統利用計算機視覺抓取箱子。另一方面，奧地利汽車制造商麥格納斯太爾(Magna Steyr)采用智能無人機掃描標簽，方便庫存操作。

2、質量保證

計算機視覺驅動的機器人非常精確，但生產鏈中的某些東西總是可能出錯。幸運的是，還可以部署計算機視覺系統來雙重檢查產品的質量。這種先進的自動化視覺檢查涉及使用高分辨率攝像頭掃描成品，使用機器學習算法處理數據以識別異常，從而確保每件商品(包括其包裝)都符合所有必要的質量標準。

在這方面，看看沃爾沃汽車的解決方案。其名為 Atlas 的計算機視覺系統可以使用 20 多個攝像頭掃描每輛車，以發現表面缺陷，與手動檢查相比，它可以發現多達 40% 的異常情況。

3、資產維護

無論是在識別制造缺陷還是工業資產異常時，細節都是問題的癥結所在。好消息是計算機視覺系統，通過機器學習增強異常檢測，可以很好地處理細節。事實上，這些工具可以通過攝像頭、紅外熱成像和其他類型的傳感器探測工業機械，以發現任何可能是故障跡象的偏差(如異常溫度和振動)，并在故障實際發生之前預測即將到來的故障。

例如，通用汽車公司采用了一種計算機視覺解決方案，旨在分析裝配機器人上安裝的攝像頭的圖像，并檢測影響其組件的故障。

4、人員安全

計算機視覺可以成為機器的守護天使，更重要的是，可以成為人類的守護天使，因為預測性維護允許制造公司提前修復機器，從而避免危險情況。此外，它還可用于持續監測各種工業環境中的復雜制造操作。

英國建筑設備制造商 Komatsu Ltd 也采取了類似的方法，該公司與 NVIDIA 合作，采用基于人工智能和視頻分析的計算機視覺解決方案。該平臺可以監測甚至預測工人和設備的移動，以發出潛在碰撞或其他危險情況的警報提醒。

總結

事實證明，計算機視覺與工業流程數字化所涉及的許多其他技術一樣，是制造企業的寶貴盟友，可顯著降低成本、提高產量和質量、提高精度并提高員工安全性。顯然，組織不應該對計算機視覺的采用掉以輕心，因為它的實際部署可能會比預期的更棘手。

然而，通過適當的投資、再培訓計劃、工作流程協調計劃和用例識別，計算機視覺驅動的機器將推動工業制造，就像過去幾個世紀對美的熱愛鼓勵工匠們創造他們的手工制品一樣。不同之處在于，與熱愛不同，機器不是盲目的。