解析,凌犀机器视觉在某企业智能调试中的实践!
基于透明工厂一体化设备de凌犀机器视觉系统,在挖机智能调试中的实践
科技发展时代,机器视觉在智能工厂中扮演着重要的角色,可以有效增加产能、提升产品合格率。机器视觉系统的检测精度高,可以快速获取大量信息且自动处理,将"人眼+简单工具"的检测模式升级为高精度快速的自动检测结果。
机器视觉广泛应用到各行各业。尤其在加工生产行业中,机器视觉发挥了不可取代的作用。由于机器视觉采用工业相机结合智能的软件算法,使其具备多种功能。例如:对工件外观检查、工件尺寸测量、条形码/二维码的读取、工件位置的获取等。利用这些功能,我们开发出适用于各种生产制造环节的解决方案,并大量应用到实践当中。
但是在实际实践过程,工厂生产和质量检测过程中机器视觉的部署却面临很多的挑战,从而导致即使部署了机器视觉,却无法实现期望功能的局面。例如:1.、数据不出厂,而模型的开发却在云端,导致模型没有合适的数据进行训练;2、模型部署在现场,数据也在现场,而工厂内却缺乏人工智能的专业人才去对数据进行处理,对模型进行调优。因此还需要额外安排专业人士到现场去完成任务,这就导致效率低下,成本也提高了不少。
基于实践存在的问题。本文介绍一种采用透明工厂一体机在工业现场部署机器视觉,去识别挖机运行位置中的应用。希望通过对本次实践的阐述能让大家了解一种新的产品形态,如何帮助项目现场完成机器视觉系统的模型部署和数据标注以及调优,整个过程均通过远程实施。
本项目的需求如下:如下图所示,在挖机运行过程中需要测试其行走是否出现偏移(即往左偏或者往右偏)。
我们的方案如下:测试区域起点、终点分别部署工业检测相机,使用机器视觉技术,和光电传感器,光电传感器探测车辆到达终点,通知工业相机采集车辆到达终点时照片,利用机器视觉技术精准测量车辆相较中心点的距离,自动计算偏移量。
该方案通过机器视觉实现的难点在于:1、需要工业相机能够识别监测区域的边缘,中心点和挖机轮廓的边缘。2、需要工业相机能够自动识别挖机的型号,从而知道该挖机的尺寸参数,运行速度参数等。3、需要能够判断出挖机是否偏离了中心点。
具体实施步骤如下:
1、对挖机边缘和区域边缘进行标注,从而让机器视觉识别程序能够自动识别出机器的边缘。我们通过在现场部署一体机以及在挖机的前后左右四个位置部署摄像头,在轨道的起始点和终点也部署摄像头,在远端进行的数据标注挖机的边缘和轨道的边缘的方式完成这个步骤。
2、对于挖机的型号进行识别,该步骤通过对机身的二维码进行识别获得,并结合第一步的标注对整个标注点和实际尺寸进行实际的尺寸匹配,从而使得标准点和实际尺寸能够一一对应。
3、在挖机启动前标注边缘的位置,以及测量边缘与区域边缘的距离,在挖机运动到终点时再次测量挖机边缘和两侧区域的距离。经过对比可以实现运行时偏移量的测算。
整个部署和调试过程如下图所示:摄像头部署在轨道侧,数据通过摄像头回传到一体机,一体机部署在工业现场,一个一体机可以带16路高清摄像头,完全满足现场要求,数据采集到一体机本地进行存储,AI工程师通过5G网络和VPN访问工业现场的一体机,从而能够进行实时的数据标注和模型调优,模型开发在AI 工程师本地完成,完成后部署到一体机的模型训练环境进行训练,训练成熟的模型发布到AI云上,供现场更新和使用。
透明工厂一体机
-为智能工业互联而生。一机解决工业现场智能互联
深入制造业的核心痛点(集成难、运维成本高),回归制造业的核心价值(提升OEE/OPE,MTTR向下/MTBF向上)。
工业级CPE
融合5G+MEC | 运营商入网认证
内置三大平台
工业物联平台 | 智能制造平台 | 边缘智能平台
系统架构图
系统架构(如图1所示)
1、工业物联平台
(1)无线SCADA:8通道全双工扩频通信,毫秒级时延,连接短字节、高频次、广分布的采集和控制类终端;
(2)Wi-Fi:外置高增益天线 ,覆盖半径可达50m,用于对接视频交互类终端。可同时连接32个终端;
(3)5G:自研高性能模块,下行2Gbps,上行630Mbps,支持全网通,用于进行现场协同、边云协同、现场和驾驶舱协同。
2、智能制造平台
(1)内置呼美(安灯)系统;
(2)内置透明工厂系统;
(3)支持3rd…智能制造系统部署;
(4)只需1套设备,解决5M1E的管理,开箱即用;
(5)高性能4核…CPU处理平台;
(6)自研数据优化处理算法,保障系统流畅运行;
3、AI计算平台
(1)机器视觉离岗报警、设备状态推送;
(2)振动监测预测性维护PHM;
(3)AGV视觉导航,叉车自动驾驶;
(4)AOI质检、表面缺陷检测算法;
(5)机器视觉作业规范检测报警,产量统计;
(6)4核高性能处理器;
(7)8GB内存,128GB系统盘;
(8)内置1TB固态硬盘,数据存本地,随时调档;
(9)自研容器化服务部署平台;
(10)支持3rd…AI模型部署。
这样通过一体机实现了机器视觉系统的现场部署和远程调试,整个过程除了安装人员到现场外,AI工程师不需要到现场,从而极大地提升了AI工程师的工作效率,并且通过一体机完成了模型的实时调优,现场的工作效率也得到了极大的提升。