让车间更人性化 视觉质检让传统质检成为“过去时” 原创

品质检测一直是制造工厂繁重琐碎的工序，也是阻滞其智能化的痛点。在流水化作业生产、产品质量检测方面，有时候需要工作人员观察、识别、发现生产环节中的错误和疏漏。无论人的责任心有多强，注意力有多集中，他都有可能会疲劳、疏忽、走神，何况，还有可能对熟人的错误睁一只眼闭一只眼，造成瑕疵品流向市场。

同时，如在装配线上采用全人工的检验方式，不仅工作繁重，而且还相当耗费时间。在现代化的生产线上，不能接受这样的检验方式，更重要的是，它没有为生产本身增加任何的价值。

在这样的背景下，采用机器视觉系统替代人来完成产质量检测工作成为“刚需”。机器视觉以其检测精度和速度高并且有效的避免人工检测带来的主观性和个体差异的优势受到了企业的广泛关注。在精密制造行业，已经被应用于对精密加工零件表面划痕、凹陷进行检测，是实现优质产品生产以及降低成本的理想选择。

破局

当前，为了提高生产效率，降低人力成本，工业生产和管理中的某些人工环节正逐渐被机器代替。机器视觉系统的特点是提高生产的柔性和自动化程度。在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉。

在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。而且机器视觉易于实现信息集成，是实现计算机集成制造的基础技术。

视觉检测技术相对人工肉眼检测的优势是显而易见的。与人眼相比，机器视觉检测不仅不会疲劳，还具有人所不具有的一致性和重复性。

同时，机器视觉技术还能在超标准排放烟尘、污水等方面发挥作用。利用机器视觉，能够及时发现机房及生产车间的的火灾、烟雾等异常情况。利用机器视觉中的面相检测、人脸识别技术，可以帮助企业加强出入口的控制和管理，提高管理水平，降低管理成本。

机器视觉系统被用于检验生产过程的自动化，并能保证与生产线的进度一致。通常用于生产线的末端，保证合格产品的通过。比如在自动化汽车生产线中，视觉系统同机器人匹配应用，并与生产线的PLC控制系统建立联接，以实现测量、检测、定位和识别的功能。

视觉检测系统采用非接触式检测方式，提高了响应速度，对生产线影响小；具有长时间的稳定、可靠地重复工作的性能，适用于汽车连续化的流水线作业；适合在安全风险高、人机工程恶劣和环境差的区域工作，而且准确率大大的提高，提升了企业的产品的合格率。

在一些不适于人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉；同时在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。

落地

为了推动机器视觉检测技术的落地，IBM推出了一系列面向不同行业应用的认知视觉检测技术解决方案。

比如在电子制造行业，IBM认知视觉检测技术能够通过高精度的摄像头放大产品表面细节，在细微层面进行拍照和分析，能检测人眼不能发现的质量问题，如PCB板缺陷、手机部件缺陷、液晶缺陷、晶片缺陷、光学镜片缺陷等。

在汽车制造行业，IBM认知视觉检测技术已经在汽车行业得到了应用实践，帮助领先的汽车工厂实现对汽车零部件、焊接、喷漆等工艺过程的高精度检测。IBM认知视觉检测系统可以根据车型的3D数据制定出机器人手臂的行动路径，配合矩阵式工业相机和辅助光源，完成全车360度高清尺寸的拍照，然后实时数据分析系统通过部署在产线边的缺陷识别系统对所拍摄的照片进行实时分析，识别出照片中缺陷位置和缺陷类型。

其实，IBM与某大型汽车制造商在喷漆方面已经开展相关合作。通常，汽车车漆涂层寿命来自以下三方面因素制约。60%来自表面处理，25%来自涂装施工，15%来自涂料本身质量。该公司采用IBM融合了工业机器人控制技术，工业照相技术，计算机视觉技术和基于深度神经网络的机器学习技术于一体的认知视觉检测技术，通过标准化，自动化，智能化的手段，实现整车漆面全方位质量检测。

随着智能制造的推进，装备制造业作为产业中最具竞争力的行业正在引领整个制造业的智能化转型。装备制造企业中以往采用人工检测和机器视觉结合为主的方式正在被更为高效和智能的机器视觉检测系统替代。IBM认知视觉检测系统能在充分满足装备制造业对产品质量检测高标准和高要求的基础上，还赋予了质量检测系统更高的智能。IBM认知视觉检测系统能实现自主化的缺陷标记和反馈，不断优化质量检测分析模型，提高质检过程的效率和产品合格率。

针对高精密检测要求的行业，IBM认知视觉检测系统通过高精度的工业相机和基于神经网络的智能分析技术，通过不断放大零部件表面特征，给零部件表面的细节进行拍照，通过实时的数据分析能力来检测任何传统检测手段无法发现的缺陷。

在行业落地上，IBM依托自身的认知视觉检测为小罐茶设计了一套自动化除杂的生产线，在这条生产线上，可以实现整箱毛茶自动开箱，将茶叶倒入暂存斗，经输送带震动整理传输，进入视觉监测区域，由摄像头拍照并传送到后台做视觉分析，定位各类杂质所在位置，然后控制机械臂将杂质挑拣并分离开来，达到标准后转入收集和计量称重环节。其中的摄像头就好比人的眼睛，基于IBM认知视觉检测的算法则像是它的大脑，控制着整个生产线的一举一动，包括定位杂质位置，控制模拟作为人手的机械臂进行筛拣等。

整个过程模拟了人工筛茶、铺茶和挑拣的过程，但比人更加精确可控，而且效率更高。保守估计，一条这样的生产线每天可以完成200公斤毛茶的筛拣除杂工作，相当于50-60个挑茶工的工作量。

整个项目将从整体上推动小罐茶的茶叶筛拣工作全面实现自动化与智能化。初期将完成视觉识别杂质、机械挑拣等关键技术实现点的验证，以及二者的联动；进而完成生产线原型的生产和验收，并扩展至其他茶叶品类，并在小罐茶生产基地全面部署自动除杂生产线，预计实现单条生产线200KG/天的产能和 接近99%的准确率。后续，在累计了更多数据和经过了越来越多的训练之后，AI除杂生产线核心算法的识别能力也会越来越强，逐渐具备自学习能力，可以在生产线上识别算法模型之前不曾覆盖的新型杂质。

结语

当前，行业依托数字化技术开启了转型之路，同时以人工智能等为代表的新技术不断深入发展，认知视觉检测技术在工业制造在内的诸多领域拥有广阔的应用空间，针对不同的行业应用场景，IBM打造端到端的定制解决方案，助力各行业的升级与创新。