大家对AI的期待越来越高，因为它能像人一样识别对象物的特征，并自动学习判断标准。但是，要使其投入实际应用，必须准备大量的图像数据供AI学习，而且还面临若干问题，如AI工程师的保障、需要在现场安装特殊的AI硬件等，因此很难将AI引入生产现场。为了解决这些问题，欧姆龙全新开发了一种缺陷抽取AI，再现了熟练工的检测方法，并将其搭载于图像处理系统FH系列中。

　　1、通过类似人的“感性”来发现划痕

　　FROM：对人感性的依赖

　　缺陷的检测依靠人的感性，难以定义，成为自动化的难题。

　　TO：利用AI技术，自动实现目视检测

　　检测人员拥有的“将背景中的不协调视为缺陷”的技能，已利用AI技术化，并作为图像过滤器搭载。

　　即使是新品种、未知划痕、复杂背景这些机器以前难以判断的内容，也可以在没有划痕样本或调整的情况下，检测为“划痕或缺陷”。

　　2、类似熟练工的“经验”来判断良品

　　FROM：依赖于熟练工的经验

　　在官能检测中，允许良品状态有差异。由于良品状态的判断标准依赖于熟练工的知识，因此很难用以往的FA图像处理系统对其进行定义，并且需要不断进行设置调整工作，这成为自动化的难题。

　　TO：利用AI技术实现调整知识自动化

　　“AI准确匹配”通过学习良品状态的图像数据，在短时间获得检测人员在多年实践中积累的“检测技术和知识”。

　　除了能够再现熟练工的检测能力外，相比传统的自动化检测方法，能够减少因公差导致的良品过检，大幅降低成本以及提高生产效率。

　　3、无需构建AI专用环境

　　引进AI不需要高规格硬件，也无需配备AI工程师来构建适合不同现场环境的系统。利用在生产现场已有大量使用经验的通用图像处理系统，即可轻松引进AI。

　　▲ 无需AI专用硬件

　　需要准备工作站级别硬件的AI检测技术无法在现场大规模引进。FH系列不需要专用硬件，因此可以轻松引进。

　　▲ 无需AI工程师

　　为了将AI技术调整至能在自己公司的工序中稳定运行，除了图像处理技术外，还需要编程和维护，但FH系列能够以普通图像传感器的操作感觉来使用AI。无需AI工程师。

原文链接：http://www.ameya360.com/hangye/108034.html，如有侵权请联系删除，谢谢！

*博客内容为网友个人发布，仅代表博主个人观点，如有侵权请联系工作人员删除。