人工智能（AI）驅(qū)動(dòng)的視覺(jué)系統(tǒng)正以前所未有的態(tài)勢(shì)革新制造業(yè)的質(zhì)量控制環(huán)節(jié)，其相較于傳統(tǒng)機(jī)器視覺(jué)系統(tǒng)，在成本、部署速度及靈活性等方面均展現(xiàn)出顯著優(yōu)勢(shì)。然而，這并不意味著AI視覺(jué)系統(tǒng)適用于所有應(yīng)用場(chǎng)景。

　　在工業(yè)環(huán)境中，傳統(tǒng)的機(jī)器視覺(jué)系統(tǒng)長(zhǎng)期以來(lái)一直是自動(dòng)化質(zhì)量控制（QC）和質(zhì)量驗(yàn)證（QV）流程的支柱。這些系統(tǒng)通?；谝?guī)則并依賴于傳統(tǒng)的圖像處理技術(shù)，已被廣泛部署用于檢查產(chǎn)品是否存在缺陷、測(cè)量組件并確保符合設(shè)計(jì)規(guī)范。

　　然而，這些傳統(tǒng)視覺(jué)技術(shù)在滿足當(dāng)前及未來(lái)制造業(yè)需求方面存在諸多限制。例如，傳統(tǒng)視覺(jué)系統(tǒng)技術(shù)要求對(duì)相機(jī)、鏡頭和照明設(shè)備進(jìn)行精確校準(zhǔn)。它們還需要針對(duì)特定檢測(cè)任務(wù)進(jìn)行密集且詳細(xì)的編程。這意味著許多制造商在部署這些復(fù)雜系統(tǒng)時(shí)需要外部咨詢支持。

　　盡管傳統(tǒng)視覺(jué)系統(tǒng)在受控條件下表現(xiàn)優(yōu)異，但在動(dòng)態(tài)制造環(huán)境中它們會(huì)面臨很多挑戰(zhàn)。在供應(yīng)鏈變化或客戶需求不斷演進(jìn)的背景下，企業(yè)需要生產(chǎn)流程具備敏捷性以快速響應(yīng)。

　　成本問(wèn)題也是傳統(tǒng)視覺(jué)系統(tǒng)技術(shù)的一個(gè)主要限制因素。這些系統(tǒng)通常由高性能硬件組成，如工業(yè)級(jí)相機(jī)、專用照明設(shè)備和定制計(jì)算平臺(tái)。集成和校準(zhǔn)這些組件需要專業(yè)的工程技能，這增加了資本支出和運(yùn)營(yíng)支出。

　　除此之外，任何檢測(cè)參數(shù)的更改或新產(chǎn)品線的增加通常都需要大量的重新編程，這大大增加了系統(tǒng)更新的時(shí)間和成本。

　　環(huán)境敏感性是另一個(gè)主要缺點(diǎn)。傳統(tǒng)系統(tǒng)在很大程度上依賴于一致的照明和攝像機(jī)放置。即使是照明的微小變化，例如光色變化、陰影或眩光（有時(shí)僅僅是由老化的燈泡引起的），也會(huì)影響圖像質(zhì)量并觸發(fā)誤報(bào)或漏報(bào)缺陷。

　　傳統(tǒng)的視覺(jué)系統(tǒng)也難以補(bǔ)償與相機(jī)相關(guān)的差異，例如灰塵、鏡頭畸變或傳感器不一致，這些都可能影響測(cè)量精度或缺陷檢測(cè)。

圖1：AI可以準(zhǔn)確檢測(cè)和識(shí)別人眼會(huì)遺漏的微小缺陷，并將缺陷與可接受的變化區(qū)分開(kāi)來(lái)。本文圖片來(lái)源：西門(mén)子

　　由于傳統(tǒng)視覺(jué)技術(shù)建立在基于規(guī)則的系統(tǒng)之上，因此它們依賴于預(yù)定義的閾值和嚴(yán)格的邏輯來(lái)確定通過(guò)/失敗標(biāo)準(zhǔn)。因此，它們通常無(wú)法適應(yīng)實(shí)際生產(chǎn)中發(fā)生的材料、方向、紋理或外觀的自然變化。當(dāng)產(chǎn)品發(fā)生變化時(shí)，即使是很小的變化，系統(tǒng)也可能需要重新配置或從頭開(kāi)始重新編程，這需要大量的停機(jī)時(shí)間，有時(shí)還需要聘請(qǐng)昂貴的顧問(wèn)。

　　隨著大規(guī)模定制和敏捷生產(chǎn)成為整個(gè)制造業(yè)的常態(tài)，這些不靈活的系統(tǒng)正在達(dá)到極限，這導(dǎo)致制造商開(kāi)始轉(zhuǎn)向 AI 驅(qū)動(dòng)的視覺(jué)系統(tǒng)。

　　這些系統(tǒng)具有更強(qiáng)的適應(yīng)性、對(duì)環(huán)境條件的穩(wěn)健性以及跨產(chǎn)品變體的可擴(kuò)展性。為了充分利用這些 AI 驅(qū)動(dòng)的視覺(jué)系統(tǒng)，了解傳統(tǒng)視覺(jué)系統(tǒng)的局限性對(duì)于管理轉(zhuǎn)型風(fēng)險(xiǎn)和確定工業(yè) QC/QV 的現(xiàn)代化機(jī)會(huì)至關(guān)重要。

　　AI 視覺(jué)平臺(tái)最引人注目的優(yōu)勢(shì)之一是其低廉的購(gòu)置和設(shè)置成本。這些系統(tǒng)通常使用現(xiàn)成的硬件，即標(biāo)準(zhǔn)的工業(yè)級(jí)或消費(fèi)級(jí)攝像頭，與支持 GPU 的邊緣設(shè)備或云連接處理器配對(duì)。

　　AI 模型可以補(bǔ)償照明和方向的變化，無(wú)需高端光學(xué)器件、定制照明或昂貴的基于 PC 的控制系統(tǒng)，從而減少了對(duì)昂貴的基礎(chǔ)設(shè)施的需求。

　　易于部署是 AI 視覺(jué)系統(tǒng)的另一個(gè)優(yōu)勢(shì)。許多商用 AI 視覺(jué)工具現(xiàn)在都帶有基于向?qū)У募床寮从媒缑妗＿@些直觀的平臺(tái)允許很少或沒(méi)有編程背景的用戶在幾分鐘內(nèi)設(shè)置檢測(cè)任務(wù)、定義通過(guò)/失敗標(biāo)準(zhǔn)并開(kāi)始模型訓(xùn)練。這意味著這些系統(tǒng)可以在幾小時(shí)內(nèi)完成設(shè)置，而不是幾天或幾周，從而大大減少了集成或產(chǎn)品轉(zhuǎn)換期間的停機(jī)時(shí)間。

　　最重要的是，這些 AI 系統(tǒng)在設(shè)計(jì)時(shí)考慮了敏捷性和易于再訓(xùn)練。當(dāng)產(chǎn)品因設(shè)計(jì)調(diào)整、材料變化或生產(chǎn)變化而發(fā)展時(shí)，AI 模型可以實(shí)時(shí)在新數(shù)據(jù)集上重新訓(xùn)練。通常，此過(guò)程只需要捕獲幾十張圖像并指導(dǎo)系統(tǒng)完成簡(jiǎn)短的再訓(xùn)練過(guò)程。這消除了對(duì)昂貴的視覺(jué)顧問(wèn)或?qū)＜业囊蕾?，使?nèi)部員工能夠及時(shí)根據(jù)需要維護(hù)和調(diào)整系統(tǒng)。

圖2：一個(gè)設(shè)備齊全、開(kāi)箱即用的工業(yè)視覺(jué)檢測(cè)系統(tǒng)。

　　另一個(gè)顯著的好處是與 AI 視覺(jué)技術(shù)相關(guān)的快速且可衡量的投資回報(bào)。通過(guò)減少誤剔除、捕獲以前無(wú)法檢測(cè)到的缺陷并加快產(chǎn)品轉(zhuǎn)換速度，AI 視覺(jué)系統(tǒng)通常會(huì)在幾個(gè)月內(nèi)收回成本。它們還可以生成有價(jià)值的數(shù)據(jù)，用于持續(xù)改進(jìn)和可追溯性，與工業(yè) 4.0 和智能工廠計(jì)劃保持一致。

　　雖然 AI 視覺(jué)系統(tǒng)在許多制造檢測(cè)任務(wù)中表現(xiàn)非常出色，例如表面缺陷檢測(cè)、存在/不存在檢查或零件定位，但它們并不是通用的解決方案。涉及精確計(jì)量、細(xì)微缺陷漸變或多層組件的高度復(fù)雜任務(wù)可能仍需要定制的視覺(jué)設(shè)置、高級(jí)成像（如熱成像、高光譜成像或 3D）或精心設(shè)計(jì)的照明和光學(xué)元件。

　　如果訓(xùn)練數(shù)據(jù)不足或范圍太窄，AI 視覺(jué)系統(tǒng)也會(huì)遇到困難，從而導(dǎo)致誤報(bào)或遺漏缺陷。為了避免 AI 視覺(jué)系統(tǒng)出現(xiàn)這些問(wèn)題，制造商應(yīng)該以平衡的觀點(diǎn)來(lái)看待這些問(wèn)題，認(rèn)識(shí)到 AI 是一種強(qiáng)大的低成本工具，可以滿足許多視覺(jué)檢測(cè)需求，但尚不能在所有用例中完全替代傳統(tǒng)系統(tǒng)。

　　*本文作者Jim Wilmot 是西門(mén)子公司 Simatic、軟件和運(yùn)動(dòng)控制產(chǎn)品經(jīng)理。