AI人工智慧

科技技術

品質管理

AOI

AI機器視覺應用情境與實際案例(下)

AI機器視覺技術存在許多優勢:準確性高、控制品質和高效率等,可以讓人員專注在高價值的工作,但AI機器視覺是如何協助製造業進行彈性化生產?又可以應用在哪些產業?

作者

莊馥綺

2.5k

・2022/12/08

相對於人類視覺而言,AI機器視覺在量化程度、分辨力和觀測速度等方面存在顯著優勢利用相機採集數據資料,藉助系統軟體平台和數據演算法資料庫進行分析和處理,隨著深度學習、3D視覺技術的發展,AI機器視覺性能優勢進一步提升,應用領域也向多個維度延伸。

 


AI機器視覺應用情境

 1.影像分類

透過大小、數量,都可以將畫面上的物品進行分類,即時辨識出各式各樣物體,像是著名廣告台詞「電腦嘛ㄟ撿土豆」,就是利用影像分類來分辨花生大小,大幅減少產線上人力與時間消耗。

 

2.影像追蹤

可以運用在棒球等運動領域,像是球打出去時追縱球打到哪個位置。或是投手投出球時,軌跡如何變化,都可以拿來作訓練時的應用,分析出打擊力道、落點等。

 

3.物件偵測

乍聽之下跟影像分類有點類似,但卻更具挑戰,因為必須從影像或視訊中標示出多種物品的位置並分辨、分類。但AI在偵測過程中可能遇到許多困難,如:被其他物品遮蔽(只能看到部分外觀)、環境光線變化(逆光、陰影)、同類間差異(不同品種、顏色)、視角差異(平視、空照、俯角)等。必須能精準感測,標定物品位置,才能做到像是人機互動、瑕疵檢測或人流、車流的控管

 

4.語義分割

雖然物件偵測可以辨別物品並分類,但只能大概知道物品位置及大小,無法真正辨別物品的邊界,對於很多進階應用略顯不足,因此利用語義分割可以對每個「圖像」進行分類,而其中不屬於任何一個分類的像素就歸入「背景」,讓我們對圖像瞭解更細緻。通常運用在自動駕駛、機器人以及圖像搜尋引擎等領域。

 

5.姿態辨識

主要標註人體重要關節點(如頭、肩、肘、腕、腰、膝、踝),進而產生骨架,分析人體姿態、動作比對,透過AI深度學習,讓AI在進行辨識時可以即時預警,也可應用於VR及AR領域場景互動。

 

6.光學字元辨識

簡單來說就是將文字影像轉換為機器可讀的文字格式,像是進行雕刻,雕刻後會印上鋼印,可以利用字元辨識來進行良率的告警。



AI機器視覺實際應用案例

案例一:即時掌握機台3色燈告警,快速解決異常問題

當機械設備發生告警時,攝影機在第一時間捕捉到設備異常後,會導入AI程式做判定並即時閃燈警示,不同燈號代表不同事件,安檢人員可以在第一時間快速排除問題。

 

案例二:電子圍籬,預警預防人車或人機碰撞

在管制場域或是禁止人員進入的地方,如果都是由安檢人員、警衛進巡邏管控,難免會有疏漏的問題,但如果運用攝影機、邊緣運算系統及現場CMS等裝置進行區塊設定,將管制區域設定成智慧車或是機器人行走的軌道當有人出現時,人臉辨識系統會進行偵測與辨識、分析影像中的人物、地點和事物。進行即時告警並串接智慧車程式,馬上停止目前動作,預防工安問題發生。甚至可以加上AI智慧影像辨識系統,搭配物件、人員檢測進行更多系統整合,可以達到辨識出是誰進入哪個場域的作用,進行告警、通報。

 

案例三:機器手臂人機協作安全

發生緊急狀況,如:工安問題時,可以即時對機械手臂下指令,馬上將機械手臂暫停或停止,等問題排除後再繼續運作。

 

案例四:遠距協作現場人員操作

在covid-19爆發時,廠內很多問題沒辦法在現場即時處理,當攝影機對著儀器、機械設備時,透過儀表的數值顯示可以偵測並即時判定,或進行AI人工智慧判斷,讓相關操作人員在家也可以隨時監控、即時處理。

有時廠內的機械設備發生問題時,現場沒有專業人員可以進行問題排除,此時專業人員便可以空間錨定的技術,搭配虛擬實境,運用AI智慧影像瞭解周遭環境後,以3D錨點繪製,透過虛擬實境顯示出的情景讓現場人員知道該在什麼地方進行哪些處理,且這項技術被非只能運用在工業上,還可以用在救護、救火等情形。

 

案例五:影像導航巡廠

當工廠場域很大時,以人力巡邏是很困難的事,即便人手足夠,但還是有可能會發生疏漏情形,若將每個重點區域加裝攝影機,運用攝影機巡廠,再導入系統即時告警,可以不需要人力實際巡邏,利用戰情室即時監測,遇到問題時可以有效掌握各種狀況進行快速反應及處置。

 


AI機器視覺的應用挑戰

1.需長時間建立模型

AI人工智慧是建立在具有完善大數據資料庫的基礎下,利用演算法進行模型建立才能精準判定,因此需要依靠人員的經驗、判斷和蒐集,才能不斷學習建立可用模型,進行更靈活的運用。

 

2.作業環境影響檢測結果

即便建立海量的資料數據資料庫後,仍會因為現場許多不可測因素而導致檢測結果有落差,如:光源、遮擋、攝影機架設的遠近,物品大小等相關問題都會影響,需要到現場實際蒐集問題,測試後才有辦法處理機器視覺不良情形。

 

3.需耗時進行影像串流整合

想要取得即時影像,一般是使用網路監控攝影機(IP CAM),此時會有各種不同型號、廠牌、格式、畫質等問題,需要進行影片預處理,即使是影像串流也會有串接上的困難,或是串接上遇到需要排除的問題,這些問題都是在進行AI人工智慧運算前要處理的,也需要依照實際現場狀況進行調整。

 

4.影像取得有時間延遲的問題

即使攝影機能夠即時監控現場情形,但從攝影機捕捉到影像,傳送到後台輸出時,還是會有時間差的問題,因此每台攝影機從抓到問題到最後由AI人工智慧進行運算分析,這中間會有10多秒的時間差需要克服。

 

智慧工廠是每一間企業的願景,但如何達到完美的人機協作、落實智慧場域的首要條件就是「安全認證」,因此AI機器視覺技術必不可少,打造可以安全互動的環境不只是關鍵,也是未來趨勢。但無論是高科技產業還是傳統產業,「人」才是核心本質,因此人類扮演著「訓練機器執行任務」的重要角色

 

更多IT+OT關鍵應用都在這裡,趕快手刀報名起來~

 

《機械手臂相關文章延伸閱讀》

想要讓機械手臂做對的事?那你不能不知道這幾件事!

自動化與機械手臂建置大解密

機械手臂如何大大降低現場人力成本?

如何以「柔」克剛,打造高彈性產線,讓產能效益倍數成長?

IT與OT的整合,迎接智慧製造的2大整廠規劃布局

黑天鵝層出不窮,AI與機械手臂合作迎接彈性需求


參考資料:力學公司

智慧影像導航

力學公司

延伸閱讀

我們使用本身的Cookie和第三方的Cookie進行分析,並根據您的瀏覽習慣和個人資料向您展示與您的偏好相關的廣告。如欲瞭解更多資訊,您可以查閱我們的隱私權政策