分析工业机器视觉参与作业的四个阶段

　　机器视觉是一项广泛应用于许多行业的技术，它提高了制造和加工部门的质量和效率。它的能力，使检查可靠，并以24/7的速度，使它成为一个宝贵的扶持技术，在质量控制。机器视觉方面的技术进步不断迅速，开辟了越来越多的可能性。更高的速度检查、3D成像、利用不可见辐射进行成像；结合不同的照明技术；将深入学习和机器学习能力结合起来，增加视觉与机器人和嵌入式视觉的结合使用，这些都有助于增强这些能力。然而，机器视觉的使用并不局限于高度自动化的过程，它还在手工参与程度较高的领域有应用。我们可以考虑机器视觉参作业与的四个阶段。
　　日新月异的工业4.0、物联网(物联网)、云计算，以及人工智能、机器学习等多种技术的广泛应用，给视觉系统的用户和开发者提供了巨大的挑战，下面了解一下机器视觉的几个阶段。

　　第1阶段：辅助手动装配

　　在制造业，有大量的产品是靠人工组装的，这依赖于工人的技能来操作。这些产品经常是作为QC过程的一部分，由另一名工作人员进行目视检查。对于生产的任何有缺陷的产品/部件，有两种结果：它们要么在质量控制阶段被识别，要么被拒绝，或者它们找到了终的客户，在那里它们很可能被退回为不合格的产品。

　　无论哪种方式，除非产品可以重新加工，否则可能会有大量的浪费和潜在的乌云笼罩着制造商的声誉。即使被收回的组件可以重新加工，这也会给制造商带来额外的成本。

　　使用机器人摄像机检测系统

　　安装一个VISION系统来接管检查，可以大大降低缺陷产品到达客户的机会，这对声誉很有好处，但对解决返工成本却没有多大帮助。解决方案是消除在制造点的缺陷，并引入了一种新的视觉方法来帮助这一点。

　　这涉及到使用“人类辅助”摄像机，其中加载了一组程序集指令。操作员遵循显示在监视器上的指令。

　　每次操作后，系统将结果与正确的存储图像进行比较，以确保操作人员在进入下一步之前已经正确和完整地执行了该结果。

　　如果操作不完整或出错，则将其显示给操作符，以便进行更正。完成的每个步骤都可以被验证和记录，以提供可用于装配工作分析和可追溯性的数据。

　　第2阶段：集成手动装配过程

　　上述方法在确保产品的正确手工组装方面非常有效，但本质上是一个独立的系统。通过将这种手动装配过程集成到公司的总体控制系统中，这是可能的。

　　这将允许更先进的视觉系统将用于协助手动装配，提供更广泛的测量和检查工具，同时使用相同的原则，突出显示监视器上的任何装配错误。然后，可以根据需要从中央数据库将装配指令和制造数据下载到系统中。

　　这种方法也允许各种保障措施引入，例如将操作员ID链接到培训能力，以便系统可以检查操作员登录是否为该产品进行了特定程序集的培训。

　　同样，所有检查数据(包括图像)都可以传输回数据库，以提供完成每个组件的审计跟踪组装好了。更先进的视觉工具的可用性允许系统在新产品投入使用时满足新的需求。

　　第3阶段：自动检查

　　自动检测系统用于QC应用程序。在众多的工业和过程中。虽然配置可能有很大的不同，但基本的前提是视觉系统被集成到过程中，在这个过程中，视觉系统与拒绝机制相连接。

　　产品或部件被检查，通常是在高速，并接受或拒绝根据所做的测量。视觉系统可以从一个单点独立的智能相机，其中所有的处理和测量是在相机本身和一个通过/失败的结果发送回拒绝机制，基于pc的系统，可能具有多个相机和/或多个检查站。

　　这一方法取得成功的关键是能够将视觉系统纳入这一过程，同时考虑到空间和其他环境因素。视觉系统可以改造成现有的过程，从一开始就设计成新的过程，并随着嵌入式视觉系统，越来越多地被纳入到OEM设备中。

　　第4阶段：使用VISION的过程控制

　　自动视觉作为QC工具的使用大大降低了“超出规格”产品到达终用户的可能性，但通过使用它。与统计过程控制和反馈方法相结合它不仅可以检查临界测量，而且还可以分析这些测量的趋势并对过程进行更改.

　　以这种方式，可以采取干预措施来调整过程，然后再生产出任何超耐受性产品。因此，有一个逻辑扩展从这到工业4.0，目标是使用大数据分析优化流程基于来自不同类型的传感器的反馈，这些传感器正在监控过程。当然，这些将包括简单和智能的视觉传感器以及更复杂的视觉子系统或系统.