SNK施努卡 - 机器视觉检测应用 机器视觉检测在哪些行业应用

1、缺陷检测

缺陷检测是一种机器视觉用例，主要部署在质量检测过程中。在过去，非AI机器视觉需要一个包含所有可能缺陷图像的数据库，以便系统成功识别缺陷。然而，今天的机器视觉技术已经可以在不需要特定图像的情况下识别某些缺陷，进行异常检测。以富士通日本工厂为例，通过训练AI修复数千张有缺陷（例如形状，大小和颜色异常）的模拟图像中的异常区域，从而生成正常图像，使得工厂检查印刷电路板所需的小时数减少了25%。当AI对特定类型的异常检测得不够准确时，就可以产生更多此类型异常的模拟图片，从而精确地改善模型的弱点。

2、流程/操作优化

另一个与制造相关的机器视觉用例是流程/操作优化。例如，机器人现在可以比人类以更高的精度和效率完成复杂任务。其结果就是，借助于机器视觉，机器人或其他机械可以用和以前不同的方式来执行操作，或者完成从前无法完成的事情。例如，弗劳恩霍夫-设计工程机电一体化研究所（IEM）所开发的新型橡胶研磨解决方案，就是使用三菱电机机械臂、光学激光扫描仪和配备AI软件的控制系统，开发了一种新的AI研磨系统，该系统使得研磨复杂橡胶状材料的过程自动化。据该团队称，新方法可以缩短高达40%的橡胶研磨过程花费的时间。

3、自动驾驶

机器视觉在开发全自动驾驶汽车的过程中起着至关重要的作用。自动驾驶有六个级别，从0级（全手动）到5级（全自动）。如今，大多数商用车辆都还在提供1级或2级的辅助驾驶，只有少数可以提供3级，而想要达到4级或5级，车辆使用的技术必须实现飞跃才可以，而非常复杂的机器视觉系统和AI计算正是让这一技术实现飞跃的一部分