"Visión" es la visualización de información externa en señales digitales a través de imágenes y retroalimentación al ordenador. Se basa en un conjunto de soluciones de hardware, que incluyen fuentes de luz, cámaras, captadores de imágenes, sensores de visión, etc. La percepción es el procesamiento y análisis de señales digitales por computadoras, principalmente algoritmos de software.
La visión artificial se utiliza ampliamente en la industria y sus funciones principales incluyen medición, detección, identificación y posicionamiento.
La cadena industrial se puede dividir en el mercado de piezas ascendentes, el mercado de equipos completos/integración de sistemas intermedios y el mercado de aplicaciones descendentes.
En la fase inicial de la visión artificial, existen proveedores de software y hardware, como fuentes de luz, lentes, cámaras industriales, tarjetas de captura de imágenes y software de procesamiento de imágenes. En la fase intermedia, existen proveedores de integración y completos. Equipos de máquina, que se utilizan ampliamente en la fase final de la industria. Los principales mercados intermedios incluyen la fabricación de productos electrónicos, automóviles, impresión y embalaje, tabaco, agricultura, productos farmacéuticos, textiles y transporte.
El mercado global de visión artificial se distribuye principalmente en América del Norte, Europa, Japón, China y otras regiones. Según las estadísticas, el tamaño del mercado mundial de sistemas y componentes de visión artificial fue de 3.670 millones de dólares en 2014, 4.200 millones de dólares en 2015 y 6.200 millones de dólares en 2016. La integración de sistemas de visión artificial, según datos del mercado norteamericano, es aproximadamente seis veces mayor que la del mercado de sistemas de visión y repuestos.
La tecnología de visión artificial de China comenzó con la introducción de la tecnología en la década de 1980. Con la introducción de fábricas de semiconductores de línea completa en 1998, también se incluyó en el sistema de visión artificial. Antes de 2006, los productos nacionales de visión artificial se concentraban principalmente en empresas manufactureras de pequeña escala con financiación extranjera. A partir de 2006, la base de clientes de aplicaciones industriales de visión artificial comenzó a expandirse hacia la impresión, los alimentos y otros campos de inspección, y el mercado comenzó a crecer rápidamente en 2011. Con el aumento de los costos laborales y las necesidades de actualización de la industria manufacturera, junto con el rápido desarrollo de la tecnología de visión por computadora, cada vez más soluciones de visión artificial han penetrado en varios campos. En 2016, el tamaño del mercado de la visión artificial en mi país había alcanzado. casi 70 mil millones.
En visión artificial, la función de detección de defectos es una de las funciones de visión artificial más utilizadas. Detecta principalmente información diversa en la superficie del producto. En la producción industrial automatizada moderna, cada proceso de producción en masa continua tiene una cierta tasa de defectos. Aunque la proporción es pequeña de forma aislada, cuando se multiplica, se convierte en un cuello de botella para que las empresas mejoren la tasa de rendimiento. El costo de eliminar productos defectuosos en un proceso completo será mucho mayor (por ejemplo, si se produce una desviación de posicionamiento durante la impresión de la pasta de soldadura). proceso, este problema no ocurrirá hasta que se monte el chip. Las pruebas en línea revelaron que el costo de la reparación sería más de 100 veces el costo original).
1. En comparación con la visión humana, la visión artificial tiene ventajas obvias en la industria de la inspección.
1) Alta precisión: la visión humana tiene 64 niveles de gris y la resolución de objetivos pequeños es débil; la visión artificial puede aumentar significativamente la escala de grises y observar objetivos a nivel de micras al mismo tiempo; >
2) Velocidad rápida: los humanos no pueden ver claramente los objetivos que se mueven rápidamente y el tiempo de obturación de la máquina puede alcanzar niveles de microsegundos.
3) Alta estabilidad: la visión artificial resuelve un problema muy grave; humanos, eso es inestable. La inspección visual manual es una industria muy aburrida y trabajadora. No importa qué tipo de sistema de recompensa y castigo diseñe, siempre habrá una alta tasa de detecciones perdidas. Sin embargo, el equipo de inspección por visión artificial no presenta problemas de fatiga ni cambios de humor. Siempre que escriba algo en el algoritmo, se ejecutará con cuidado cada vez. Mejora enormemente la controlabilidad de los efectos del control de calidad.
4) Integración y retención de información: la información obtenida mediante visión artificial es completa y rastreable, y la información relevante se puede integrar y retener fácilmente.
2. La tecnología de visión artificial se ha desarrollado rápidamente en los últimos años.
1) La tecnología de adquisición de imágenes se está desarrollando rápidamente.
CCD, CMOS y otros firmware son cada vez más maduros, el tamaño de los dispositivos sensibles a la imagen continúa reduciéndose, la cantidad de píxeles y las velocidades de datos continúan aumentando, la velocidad de resolución y la velocidad de fotogramas cambian con cada paso. día, y la serie de productos se vuelve cada vez más abundante. Parámetros como la ganancia, el obturador y la relación señal-ruido se optimizan continuamente. Integre fuentes de luz, lentes y cámaras a través de indicadores de prueba centrales (MTF, distorsión, relación señal-ruido, brillo de la fuente de luz, uniformidad, temperatura de color y evaluación integral de las capacidades de imágenes del sistema, etc.). ).
2) El procesamiento de imágenes y el reconocimiento de patrones se están desarrollando rápidamente.
En el procesamiento de imágenes, con la extracción de información de bordes de alta precisión de las imágenes, se comenzaron a distinguir muchos defectos de bajo contraste que originalmente estaban mezclados con ruido de fondo y eran difíciles de detectar directamente.
El reconocimiento de patrones en sí puede considerarse como un proceso de etiquetado, que divide el patrón a reconocer en sus propios patrones en función de determinadas mediciones u observaciones. La teoría de la decisión y los métodos estructurales se utilizan ampliamente en el reconocimiento de imágenes. La base del método de la teoría de la decisión es la función de decisión, que clasifica y reconoce vectores de patrones basándose en descripciones temporales (como texturas estadísticas). El núcleo del método estructurado es descomponer un objeto en patrones o patrones primitivos. Diferentes estructuras de objetos tienen diferentes cadenas (o cadenas) primitivas. Utilice el patrón primitivo dado para encontrar el límite de codificación del objeto desconocido, obtener la cadena y luego determinar su género según la cadena. En términos de generación de características, están surgiendo muchos algoritmos nuevos, incluidas características basadas en wavelets, paquetes de wavelets, fractales y análisis de componentes binarios únicos. También hay máquinas de vectores de soporte de tubos, coincidencia de plantillas deformables, diseño de clasificadores lineales y no lineales, y más.
3) Avances generados por el aprendizaje profundo
El aprendizaje automático tradicional se basa principalmente en que las personas analicen y construyan lógica para la extracción de características, mientras que el aprendizaje profundo se simula mediante perceptrones multicapa. , la construcción de redes neuronales profundas (como las redes neuronales convolucionales) para aprender características simples, la construcción de características complejas, el aprendizaje de mapeo y resultados, y todos los niveles se optimizarán continuamente durante el proceso de capacitación. En aplicaciones específicas, como la segmentación automática del área de ROI; la posición de puntuación (los defectos desconocidos se pueden detectar de manera flexible mediante la redetección de defectos que no se pueden describir ni cuantificar a partir de imágenes de alto ruido, como los defectos de piel de naranja); Identificación de inspección de la cubierta de vidrio Defectos verdaderos y falsos. A medida que se introduzca en el mercado cada vez más software de visión artificial basado en el aprendizaje profundo (incluido vidi en Suiza, SUALAB en Corea del Sur, ASTRI en Hong Kong, etc.), el empoderamiento de la visión artificial mediante el aprendizaje profundo será cada vez más obvio. .
4) El desarrollo de la visión 3D
La visión tridimensional aún está en su infancia y muchas aplicaciones utilizan la reconstrucción de superficies en 3D, incluida la navegación, la inspección industrial, la ingeniería inversa y la topografía. y mapeo, reconocimiento de objetos, medición y clasificación, etc. Sin embargo, los problemas de precisión limitan la aplicación de la visión 3D en muchos escenarios. Actualmente, la primera aplicación en ingeniería es la medición del volumen de piezas estándar en logística. Creo que esta área tiene un gran potencial en el futuro.
3. Todavía quedan muchas dificultades por superar antes de que la visión artificial pueda sustituir por completo la inspección visual manual.
1) Fuente de luz e imágenes: Las imágenes de alta calidad en visión artificial son el primer paso. Dado que la reflexión y refracción de la superficie de diferentes materiales afectarán la extracción de características del objeto que se está midiendo, se puede decir que la fuente de luz y las imágenes son las primeras dificultades que deben superarse en la inspección por visión artificial. Por ejemplo, en la detección actual de arañazos en vidrio y superficies reflectantes, el problema suele radicar en la obtención de imágenes integradas de diferentes defectos.
2) Extracción de características en imágenes con mucho ruido e imágenes de bajo contraste: en un entorno con mucho ruido, a menudo es difícil identificar defectos verdaderos y falsos, razón por la cual siempre hay una cierta tasa de detección falsa en muchos escenarios. . Sin embargo, con el rápido desarrollo de las imágenes y la extracción de características de bordes, se han logrado varios avances en esta área.
3) Identificación de defectos inesperados: En las aplicaciones se suelen dar algunos patrones de defectos específicos y se utiliza visión artificial para identificar si se han producido. Sin embargo, es frecuente que se pasen por alto muchos defectos obvios porque no han ocurrido antes o porque ocurren de maneras muy diversas. Si usted es una persona, aunque no está obligado a detectar este defecto en el archivo de flujo de trabajo, lo notará, por lo que hay más posibilidades de detectarlo, y la "sabiduría" de la visión artificial en este sentido es actualmente un avance difícil. .
4. Situación de la cadena de la industria de la visión artificial
1) El mercado ascendente de piezas
Incluye principalmente fuentes de luz, lentes, cámaras industriales, tarjetas de captura de imágenes e imágenes. Proveedores de software de procesamiento como cámaras inteligentes, cámaras industriales, fuentes de luz y placas han mantenido una tasa de crecimiento de nada menos que el 20% en los últimos años. Según una encuesta realizada por la China Machine Vision Industry Alliance (CMVU), actualmente hay casi 200 marcas internacionales de visión artificial que han ingresado a China (como los fabricantes de componentes principales representados por Cognex, Dalsa y BMO, mientras que Kearns, Omron, Banner, y Ni Wei también participan en componentes centrales de visión artificial e integración de sistemas). Hay más de 65.438+000 marcas nacionales de visión artificial (como Hikvision, Huarui, Mengtuo Optoelectronics, China Vision, Shenzhen Canrui, Shanghai Fangcheng, Shanghai Bochuang Electric, etc.
), y hay más de 300 agentes de visión artificial (como Shenzhen Hongfu Vision, Micro Vision New Era, Sanbao Xingye, Ling Guangyun, Sunshine Vision, etc.) Muchos mercados nacionales de piezas de visión artificial comenzaron actuando como agentes de marcas extranjeras. Y muchas empresas tienen una buena cooperación con sus homólogos extranjeros, y esta cooperación es exclusiva, lo que crea un cierto umbral para los posibles participantes. Por lo tanto, los agentes de productos de alta calidad también tienen buena competitividad en el mercado y resultados de ganancias. Al mismo tiempo, los componentes centrales de la visión industrial nacional representados por Hikvision y Sinovel están aumentando rápidamente.
2) Integración de sistemas midstream y mercado de equipos de máquinas completos
Existen más de 100 proveedores de equipos de máquinas e integración de sistemas midstream, que pueden proporcionar soluciones integrales de visión artificial para empresas de automatización en diversas industrias. Como Ling Guangyun, Weishi New Era, Jiaheng, Sunshine Vision, Daheng Image, etc. Debido a que todavía existe una gran brecha entre los productos nacionales y los productos internacionales, y muchos integradores de sistemas intermedios y proveedores de equipos completos comenzaron con el comercio de componentes centrales, muchos todavía prefieren marcas extranjeras en la elección de productos visuales. Para promocionar sus propios productos de software y hardware, las marcas nacionales a menudo necesitan desarrollar sus propias capacidades de integración de soluciones para enfrentar mejor la competencia del mercado.
3) Mercado de aplicaciones downstream
El downstream de la visión artificial está formado principalmente por empresas que proporcionan soluciones de integración de automatización no estándar para usuarios finales. Los atributos de la industria son muy fuertes y la competitividad central es una comprensión integral de la industria y la producción y la integración de diversas tecnologías. Debido a que los cambios en la automatización de la industria son cíclicos, se ven profundamente afectados por la velocidad general de actualización, los envíos y las ganancias de la industria. Por lo tanto, lo más importante en la promoción de la popularización de las aplicaciones de visión artificial en los últimos dos años es la industria de fabricación de productos electrónicos, seguida de la automotriz y la farmacéutica.
1. Industria de fabricación de semiconductores y electrónica: a juzgar por la distribución de aplicaciones de la industria nacional de visión artificial, el 46% se concentra en la industria de fabricación de electrónica y semiconductores, incluido el procesamiento y fabricación de obleas, inspección de PCB (películas, interior/exterior) Tablero, inspección de apariencia final de productos terminados, etc.), inspección de montaje SMT, inspección de defectos AOI de proceso completo de LCD, inspección de defectos de superficie de varios componentes 3C, inspección de apariencia de productos 3C, etc.
Dos. Automóvil: inspección del conjunto de la carrocería, tamaño geométrico de las piezas y medición de errores, inspección de defectos internos y de superficie, inspección de espacios, etc.
Tres. Impresión e inspección de envases: impresión de cáscaras de tabaco, impresión de envases de alimentos, impresión de envases de placas de aluminio y plástico, productos farmacéuticos, etc.
Cuatro. Agricultura: clasificación, inspección y nivelación de productos agrícolas
Verbo (abreviatura de verbo) Textil: detección de fibras extrañas, tejido de nubes, defectos de urdimbre y trama y otros defectos, identificación de pelusas en la superficie del tejido, análisis de la estructura del hilo , etc.
5. Tendencias futuras de desarrollo de los sistemas de visión artificial
1) Las soluciones integradas se están desarrollando rápidamente, las cámaras inteligentes tienen excelentes ventajas de rendimiento y costos, y las PC integradas serán cada vez más poderosas.
2) Las plataformas de software universales modulares y las plataformas de software de inteligencia artificial reducirán los requisitos técnicos para los desarrolladores y acortarán el ciclo de desarrollo.
3) La visión 3D avanzará hacia más escenarios de aplicación.