工業(yè)視覺新方向，勃肯特結(jié)合視覺和并聯(lián)機器人，實現(xiàn)了100多種

來源：發(fā)布時間：2020-07-13

在人口紅利減弱，產(chǎn)業(yè)升級和效率提升的背景下，工業(yè)及自動化產(chǎn)業(yè)趨勢向好，本次**突發(fā)，短期對整個制造業(yè)有較大影響，中長期來看，機器換人的優(yōu)勢會不斷凸顯，也將推動自動化行業(yè)發(fā)展。從工業(yè)的角度看待視覺，機器視覺是實現(xiàn)工業(yè)自動化，工廠智慧化的關(guān)鍵零部件之一。一是工業(yè)4.0浪潮席卷全球，制造智能化必然帶來生產(chǎn)設備的升級;二是我國人口紅利優(yōu)勢逐漸弱化，很多廠家傾向于機器代人，減少人工成本;三是消費水平的升級，消費者對產(chǎn)品的品質(zhì)提出更高的要求，使得廠家加大質(zhì)量把控。三者環(huán)環(huán)相扣，為機器視覺的市場，在智能制造領(lǐng)域帶來新的發(fā)展契機。在工業(yè)領(lǐng)域，機器視覺充當生產(chǎn)設備“眼睛”的功能，解決人眼無法識別、檢測的工作，實現(xiàn)效率好、成本低的經(jīng)濟效益，是視覺技術(shù)發(fā)展的出發(fā)點和落腳點。那么，對于客戶使用角度看，更傾向高精度、高準確率，大視野自動變焦檢測，以及軟件的快速導入等方面。對此，勃肯特已將傳統(tǒng)口罩機升級，融入視覺和機器人，提高了生產(chǎn)效率和準確率，節(jié)約人力。

首先是檢測的高精度，高準確率。這個是機器代替人眼基礎的，也是直接的目的。人工檢測容易產(chǎn)生疲態(tài)，導致工作質(zhì)量不佳，并且精密制造領(lǐng)域，機器視覺比人眼有著的優(yōu)勢。目前來看，機器視覺的測量和判斷，已經(jīng)非常成熟。機器視覺是一項綜合技術(shù)，其主要的市場分布在電子制造業(yè)、汽車制造、制藥、食品與包裝機械等領(lǐng)域。根據(jù)前瞻研究院報告數(shù)據(jù)顯示，電子制造業(yè)在機器視覺市場占比46.57%，汽車產(chǎn)業(yè)次之，占比為31.02%。此外，物流、食品、包裝、印刷等行業(yè)的滲透率也逐年的提高。

從機器視覺的具體應用看，電子制造業(yè)應用具體在PCB印刷電路、電子封裝、絲網(wǎng)印刷、SMMT表面貼裝、半導體及集成電路、回流和波峰焊，以及智能手機、平板電腦等消費類產(chǎn)品。汽車制造業(yè)的主要應用于面板印刷質(zhì)量檢測、精密測量等。食藥和包裝機械主要集中在封裝缺點檢測、生產(chǎn)日期檢測、顏色識別、分揀等方面。印刷機械則是在于印刷質(zhì)量檢測、印刷字符檢測、條碼識別等。勃肯特結(jié)合視覺和并聯(lián)機器人，實現(xiàn)了100多種PCB板種類識別分揀，該系統(tǒng)由BKT-VISION2.0視覺系統(tǒng)軟件，配合D-1200三加一軸并聯(lián)機器人，完成PCB印刷電路生產(chǎn)線。

工業(yè)視覺新方向危中有機，**也能夠在很大程度上為制造業(yè)向無人化、智能化的轉(zhuǎn)型升級提供啟示與展望。多數(shù)制造業(yè)企業(yè)已認識到，在生產(chǎn)環(huán)節(jié)上，要拋棄落后產(chǎn)能，擺脫傳統(tǒng)人力手工對產(chǎn)能和效率的束縛，極大降低對人力的依賴，確保企業(yè)的生產(chǎn)和運作也不會輕易受到**、事故、人員變動的影響。同時，在系統(tǒng)調(diào)度上，要能夠比較大限度的保證靈活性和準確率。 BKT-VISION2.0視覺系統(tǒng)檢測方法是一種基于圖像處理技術(shù)的在線自動檢測技術(shù)，該視覺檢測技術(shù)主要包括：實時監(jiān)控、相機標定、物體定位、顏色識別、實時通信、錯誤報警、狀態(tài)顯示，且封裝了3D視覺檢測、深度學習模塊。該視覺檢測系統(tǒng)裝置是由工業(yè)攝像機（包含工業(yè)鏡頭）、相機電源線、機器視覺光源、光源電源線、光源控制器、網(wǎng)絡傳輸線、勃肯特自主研發(fā)的視覺控制器等主要部件組成。1）3D視覺的發(fā)展我國智能制造裝備產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型和技術(shù)提升的市場空間巨大，機器視覺行業(yè)將受益。隨著智能化生產(chǎn)技術(shù)的不斷完善，3D機器視覺也開始進入人們的視野。目**D機器視覺大多用于水果和蔬菜、木材、化妝品、烘焙食品、電子組件和醫(yī)藥產(chǎn)品的檢測。它可以提高合格產(chǎn)品的生產(chǎn)能力，在生產(chǎn)過程的早期就報廢劣質(zhì)產(chǎn)品，從而減少了浪費節(jié)約成本。這種功能非常適合用于高度、形狀、數(shù)量甚至色彩等產(chǎn)品屬性的成像。2）深度學習帶來的突破傳統(tǒng)的機器學習在特征提取上主要依靠人來分析和建立邏輯，而深度學習則通過多層感知機模擬大腦工作，構(gòu)建深度神經(jīng)網(wǎng)絡來學習簡單特征、建立復雜特征、學習映射并輸出，訓練過程中所有層級都會被不斷優(yōu)化?；谏疃葘W習，勃肯特研究院技術(shù)人員已開發(fā)了垃圾分類系統(tǒng)。該系統(tǒng)基于GPU，由100多萬張圖片訓練形成，分類準確率可達95%以上。針對作業(yè)環(huán)境為分揀對象具有種類較多，形狀不規(guī)則，不易分辨等特點。