使用机器视觉分析为流程优化提供信息

机器视觉系统 通常用于检查产品。 当连接到 机器视觉相机 在工厂车间，软件可以检测视觉异常，例如管道裂缝、药片或药物颜色错误。 一些软件还可以监控流程并检测导致错误、低效率和缺陷的模式。 当制造商能够确定问题的根本原因时，他们可以通过调整流程来纠正问题。

在机器视觉解决方案中，计算机接收来自摄像机的视觉输入，然后软件分析它所看到的内容。然后，使用基于规则的算法或人工智能驱动的软件，系统可以根据信息采取行动——无论是否有人干预。在制造业中，机器视觉有许多潜在的应用，从质量控制检查到安全监控。

图1： 机器视觉系统可以监控印刷电路板组装等领域的程序，以帮助优化流程。

机器视觉还可用于优化流程并最大限度地利用资源。 例如，相机捕获包装商品的图像，例如消费品制造厂中的乳液瓶，并将它们发送到软件，以识别安全密封破损或标签丢失等违规行为。

借助机器视觉软件，机器可以分析并做出决策，而无需持续的人工监督。 但只有使用高质量数据训练模型（这意味着生成高质量图像），此类解决方案才能表现良好。 “垃圾进，垃圾出”是一个恰当的短语。 无论系统是基于离散的、基于规则的算法还是机器学习，高质量的图像都将有助于确保成功。 紧急的线 10GigE, 25GigE及 100GigE 机器视觉相机 交付 零数据丢失成像 功能并可以部署 GPU直连 技术，可以将图像直接传输到 GPU 内存。 GPUDirect 提供零 CPU 利用率和零内存带宽成像，并且可以通过 Emergent 的 eCapture Pro 软件来利用。

图2： 为机器人添加机器视觉相机可显着提高灵活性，使系统不仅可以监控太阳能电池板组装等过程，还可以引导机器人进行精确运动。

当机器视觉解决方案监控一个过程（例如工厂装配线）时，它会收集大量数据，这些数据可用于为该过程中通常发生的情况创建基线。 该软件应用智能来提高效率并减少异常情况。 一些例子包括：

• 去除有缺陷的原材料 机器视觉软件可以在制造过程的早期识别产品中的视觉缺陷。 例如，在食品生产中，机器视觉解决方案可能会利用近红外 (NIR) 或短波红外 (SWIR) 相机，例如 Emergent 区域扫描相机，识别变质农产品中的高水密度。
• 识别有问题的流程 制造商可以使用机器视觉来观察和评估现有流程中的模式，例如在汽车制造厂中向车身喷漆。 当摄像机捕捉清洁、底漆、密封和喷漆的过程时，该软件会编译和分析视觉数据，以追踪机器故障和缺陷的根本原因。 与其他连接的传感器结合使用，机器视觉还可以用于预测性维护——例如，识别一台设备何时振动太大——帮助制造商在问题导致停机之前解决问题。
• 持续的过程改进 随着时间的推移，机器视觉解决方案的算法可以经过训练，以更好地发现异常和低效率。 机器学习软件可以了解制造商特定流程的细微差别，并更好地做出有针对性的调整和优化建议。

当今市场上有多种机器视觉解决方案可用于流程优化。 根据使用案例，视觉解决方案需要检查不同形式的模拟和数字信号。 大多数解决方案属于以下类别之一：

2D机器视觉（面扫描成像）
目前大多数机器视觉应用的默认设置是，二维机器视觉解决方案采用标准的物体二维图像，非常适合检查单件物品和扫描条形码。 区域扫描相机配备矩形图像传感器，可在一帧中捕获图像，所得图像对应于图像传感器的高度和宽度。 Emergent 提供一整套 高速面扫描相机生态系统 在其 HR 10GigE, 螺栓 25GigE及 Zenith 100GigE 相机。 传感器选项包括最新的 Gpixel 和索尼 Pregius S 系列，范围从 0.5MP 到 100MP+，速度高达 3462fps。

2D机器视觉（线扫描成像）
线扫描相机同时，使用线性图像传感器一次一行像素地高速构建图像。 在线扫描视觉系统中，被检查的物体在摄像机下方的传送带或类似设备上移动，一次捕捉整个表面一个像素行。 Emergent 提供多种基于 Gpixel CMOS 线扫描传感器的 10GigE、25GigE 和 100GigE 格式线扫描相机型号，范围从 4Kx2 GL3504 到 16Kx16 GL5016。 线路速率范围从 70KHz 单线路速率 10GigE 速度 LR-16KG35 高达 400KHz 100GigE 巅峰 LZ-16KG5．

2D机器视觉（TDI线扫描成像）
TDI 线扫描相机多次曝光物体上的同一条线，以在相同的照明下实现更高的速度，或者在不太亮的照明要求下实现相同的速度。 TDI（时间延迟积分）通过在传感器中使用多条线来实现这一点，每条线曝光多次，曝光或线速率与使用编码器的传送带的运动完美同步。 紧急优惠 10GigE, 25GigE及 100GigE TDI 线扫描相机 基于Gpixel GLT5009BSI传感器，速度范围从121KHz（10GigE）到608KHz（100GigE）。

3D机器视觉
获取 3D 图像的方法有多种，包括立体视觉系统、激光线三角测量、飞行时间和条纹图案投影。 3D 机器视觉在分析复杂零件或成品时特别有用，因为可以将 3D 图像与数字孪生进行比较。

紫光激光
为了揭示可见光谱中看不到的材料缺陷，一些机器视觉解决方案使用高速紫外线相机。 用例包括塑料、玻璃、半导体和 LCD 的质量控制。 Emergent 提供多种配备索尼 8.1 MP UV Pregius S IMX487 CMOS 图像传感器的相机型号，该传感器在 200 nm 至 400 nm 的 UV 波段提供更高的灵敏度。 这包括 25GigE 螺栓 HB-8000-SB-U 和 10GigE HR-8000-SB-U 相机。

光谱成像
多光谱和高光谱成像技术可以捕获可见光谱以外的信息，特别适合食品检验和农业成像等应用。

红外线
红外成像可检测金属零件和物体中的热量并发现原本不易被注意到的缺陷。

在制造领域，机器视觉在流程优化和持续流程改进方面有无数的潜在应用。 这里仅举几个例子：

标签检查
大多数消费品都需要打印标签并将其正确粘贴到包装上。 机器视觉提供了一种自动化标签检查许多要素的方法，从识别标签何时颠倒或贴在错误的位置，到确保标签没有瑕疵或可能导致无法读取的标记。 许多标签检测解决方案依赖于光学字符识别 (OCR)，该软件能够识别文本并将其与预定值进行匹配。

库存监控
安装在仓库内或连接到无人机上的机器视觉相机可用于监控库存，从而节省大量时间和精力。 基于无人机的解决方案具有显着节省成本和劳动力的潜力，并且可以与公司现有的仓库管理系统 (WMS) 集成，为人类决策者提供直接信息和建议。

设备维修
机器视觉可有效用于设备监控和维护。 例如，摄像机捕获工厂设备的图像，使软件能够监控可能导致组件错位的微小运动和振动。 然后，管理人员可以使用可视化来识别和测量不当运动并诊断故障设备。

在评估机器视觉相机以进行流程优化时，请从预期用例开始，以确定分辨率、速度以及与现有设备（例如 PLC）的互操作性方面的需求。

以下是一些主要考虑因素：

电磁辐射敏感性
相机的范围从单色到全彩，再到红外和紫外。 根据用例和数据类型，将适用不同的相机。

分辨率
相机分辨率的范围从 0.5 MP 到 8KX16，具体取决于相关用例的检查需要的详细程度。 最小视场 (FOV) 和特征尺寸都会影响相机分辨率的选择和镜头的选择。 例如，检查微芯片需要的相机镜头的视场比在汽车工厂检查车身时要小得多。

每秒帧数 (FPS)
每秒帧数与速度有关。 对于监控每秒处理许多物品的传送带的机器视觉解决方案，FPS 需要非常高。 其他用例（例如机器维护）可能不需要高速摄像机。

接口
对于实施机器视觉的制造商来说，互操作性可能是一个挑战，因为某些软件仅适用于某些相机品牌和型号。 制造商应寻找与其预期软件和现有工厂基础设施（例如 PLC）兼容的相机。

像素大小
像素是构成任何传感器的光捕获元件。 大多数机器视觉相机的像素范围为 1.85μm 至 9μm，较大的像素尺寸可提供增强的信噪比和饱和度。

新兴杠杆 GigE视觉 以及无处不在的以太网基础设施，可实现可靠、稳健的数据采集和传输，具有一流的性能，而不是使用专有或点对点接口和图像采集板。 Emergent 部署了优化的 GigE Vision 实施，支持直接传输技术，例如 NVIDIA 的 GPUDirect，可将图像直接传输到 GPU 内存。 GPUDirect 技术不会给系统 CPU 和内存带来负担或大量数据传输，而是允许 GPU 处理数据处理任务，同时保持与 GigE Vision 标准的兼容性以及与兼容软件和外设的互操作性。

根据需要观察的工艺和材料的类型，相机的要求可能会有所不同。 Emergent Vision Technologies 提供广泛的相机选项，以满足不同的成像需求。

如需其他相机选项，请查看我们的 交互式系统设计工具。