如今，我們對機器學習、深度學習、人工智能這些詞早已耳熟能詳，但仍有許多人不知道如何將其應用在實際生產(chǎn)上。使用精巧的機器視覺技術(shù)可以替代人工檢驗員加快檢驗速度并提高準確性，同時管控產(chǎn)品和材料的變動。但快速、準確的傳統(tǒng)機器視覺技術(shù)需要大量編程工作，并要求工程師具備操作圖像工具完成某項工作的能力（比如將一種工具的輸出作為其他工具的輸入，以獲取所需的最終結(jié)果，這被稱為級聯(lián)過程），這對于新人來說十分不友好，反而容易弄巧成拙。

采用邊緣學習技術(shù)的康耐視In-Sight 2800視覺系統(tǒng)，就能省去這些繁瑣過程，它將強大的人工智能和精巧的機器視覺帶入了工廠車間，完全不需要具備人工智能或機器視覺工具的相關(guān)知識就能上手操作。

功能強大而不復雜的人工智能技術(shù)

01汽車應用

注塑電子接插件在現(xiàn)代汽車中無處不在，它們給大量元器件輸送電力和信號。接插件必須完全、準確扣合在一起，才能確保電氣連接的長期性。而在零件或車輛進入生產(chǎn)的下一步之前，還必須對電氣連接加以確認。且接插件含有黑色或深色塑料，使得其細節(jié)難以發(fā)現(xiàn)，通常需要用檢測攝像機在不同角度下才能看到。

In-Sight 2800視覺系統(tǒng)采用邊緣學習技術(shù)，可以用幾組含有好壞連接的帶標簽圖片進行訓練，從而能快速將接插件分為“OK”或“NG”類別。若推出了新的接插件設計，還可通過生產(chǎn)線上的現(xiàn)有新示例，重新訓練邊緣學習工具。

02電子器件應用

許多印刷電路板(PCB)含有指示狀態(tài)的LED指示燈。在某個應用示例中，可能需要識別哪些指示燈顯示電源(PWR)狀態(tài)、傳輸(TX)狀態(tài)或關(guān)閉狀態(tài)?？紤]到LED光線昏暗、布置距離近以及易混淆的顯示背景，傳統(tǒng)的機器視覺有時候難以區(qū)分指示燈的狀態(tài)。傳統(tǒng)機器視覺通常利用像素計數(shù)工具進行決策。這需要設置具體位置在各種條件下的亮度閾值，該過程需要具備高級機器視覺編程經(jīng)驗。

康耐視In-Sight 2800內(nèi)嵌工具等邊緣學習工具可以用幾組帶標簽的OFF、PWR和TX狀態(tài)圖片進行訓練，或根據(jù)需要直接通過攝像機進行訓練。在經(jīng)過簡短訓練之后，這些工具就可以按照這三種狀態(tài)，對PCB進行可靠地分類和排序。

03醫(yī)療/制藥應用

某些醫(yī)療和制藥應用中需要玻璃瓶自動按預定高度灌裝藥物。在加蓋之前必須確認灌裝高度在合理容差范圍內(nèi)。但玻璃瓶的透明和反射性質(zhì)，再加上其內(nèi)容物，導致傳統(tǒng)機器視覺難以一致地檢出灌裝高度。

邊緣學習可識別圖片中指示灌裝高度的關(guān)鍵部位，忽略由圖片反射、折射或其他干擾性變化產(chǎn)生的混淆。灌裝太高或太低都會遭到拒收，只有在容差范圍內(nèi)才會通過。

04包裝應用

在生產(chǎn)線中，瓶裝軟飲料和果汁灌裝后用螺口蓋或閉塞物密封。如果旋轉(zhuǎn)蓋螺紋錯位或在擰蓋過程中損壞，就會產(chǎn)生間隙并可能造成污染或漏液。正確密封的瓶蓋很容易確認，但導致瓶蓋未充分擰緊的細微之處有很多。不管是速度，還是瓶蓋幾乎密封而又未完全封死的各種方式，都給傳統(tǒng)的機器視覺帶來了一大挑戰(zhàn)。

In-Sight 2800邊緣學習工具能夠通過識別一組標為合格的圖片，以及一組顯示瓶蓋有微小裂縫但人眼幾乎無法察覺的圖片。然后這種工具就可以按生產(chǎn)線速度將完全密封的瓶蓋歸類為“OK”，將其他所有瓶蓋歸類為“NG”。這種技術(shù)大大減小了通過的缺陷率，同時造價不貴且易于使用。

采用邊緣學習技術(shù)的In-Sight 2800視覺系統(tǒng)，在設計之初就考慮了解決棘手的工廠自動化問題。這一系統(tǒng)功能強大，易于使用，目前已迅速成為任何生產(chǎn)線的必備工具。