基于智能机器视觉的工业大数据预警分析系统

2017-06-02 00:02王先毅
电子技术与软件工程 2017年10期
关键词:机器视觉人工智能

王先毅

在人工智能高速发展的大环境下,计算机视觉作为人工智能的眼睛,将为人工智能的发展做出极其有力的技术支撑。本文面向电子装配行业,创新性地将AI技术与机器视觉融合,研发PCB智能视觉高速排错系统,并提出智能视觉机器人协作生产线方案;同时探索基于大数据挖掘技术,构建工业分析预警系统。

【关键词】人工智能 机器视觉 PCB 机器人生产线

随着《“互联网+”人工智能三年行动实施方案》的发布和国家对制造业的高度重视,2016年中国人工智能市场规模达到239亿,其中智能硬件平台为152.5亿,占比达到63.8%,高于86.5亿的软件集成平台。未来三年人工智能市场将迎来新兴机遇点,预计2017年产业规模达到295.9亿,2018年将达到381亿元,复合增长率达26.3%。

很显然,人工智能正处于爆发式的发展阶段,作为对于先进科技最为敏感的工业界,会有大批量的技术更新换代的需求。人工智能可以从各种方面优化制造业,提高流水线效率,精进制造工艺,解放技术工人生产力等等。人工智能的发展将会重塑万亿级别的产业,激发工业界的潜在创新能力。

1 基于计算机视觉的视觉层智能高速检测排错设备设计方案

印刷电路板(PCB)是集成各种电子元器件的信息载体,由于贴片元器件体积小,安装密度大,这就要求PCB板的集成度进一步提高。为了保证电子产品的性能,PCB板缺陷检测技术已经成为电子行业中非常关键的技术。电路板缺陷检测包括两部分:焊点缺陷检测和元器件检测,传统的检测采用人工检测方法,容易漏检、检测速度慢、检测时间长、成本高,已经逐渐不能够满足生产需要。因此,设计一种高效精准搭载工业相机以取代人眼的机器视觉电路板检测系统,具有非常重要的现实意义。机器视觉检测技术是建立在图像处理算法的基础上,通过数字图像处理与模式识别的方法来实现,与传统的人工检测技术相比,提高了缺陷检测的效率和准确度。

本系统将视觉设备设置于电子设备(如PCB板,单片机,电脑主板)安装的末端,采用高速工业摄像头,对装配好的器材进行拍照,并出传输到排错设备的主机进行高速的分析,在毫秒级单位的时间内,分析出正在检测的设备是否正确安装及正确排版等一系列视觉层可分析的错误(电容大小是否正确,排线顺序是否正确,电路板虚焊是否存在等问题)。

本系统由计算机视觉的分支:深度学习的CNN(卷积神经网络)在主板中实现,根据检测设备的不同,在前期进行大量的图片训练,调試卷积神经网络各个层次之间的参数权重,构建专属的卷积神经网络。将图片转换成像素级的矩阵,并对其进行多层次卷积,得到该像素矩阵的得分函数,返回该图片的分类,确定是否为正确的组装设备,如图1所示。

2 基于视觉机器人智能生产线设计方案

建立在3D视觉引导下的,机器人与机器人间,机器人与供料机构间的定位联动系统。该系统以机器人为主体,供料机构与机器人可任意组合。采用手眼识别的定位原理,首先通过CCD摄像机、图像信号接收与A/D转换模块、图像处理模块,实现对图像信息的获取、采集、转化、分析、提取和边界特征识别,分析出供料机构的空间坐标信息,并传送给总控模块,总控模块做出智能判断并指导控制执行模块,将供料机构的坐标系与自己建立的坐标系关联。通过供料机构的电路接口与主控机器人的电路接口。

该生产线包括传送带和高精度的搬运、注胶、焊接和装配机器人等。在机械臂的末端装置CCD摄像机,使得机器人能够精准快速的查找装备目标,极大地节约设备运行效率。

使用OPENCV编译的可执行文件,对摄像机传输回处理器的图像进行,线性切分,转换像素矩阵,灰度化图像。并在毫秒级环境下,准确提取图片特征,对图片进行分析,找到操作点。

各功能机器人实现联动工作,生产线传送带将空壳体传送至该工位,装配机器人通过视觉设备将壳体固定于装配工位,并根据视觉系统的分析,准确的将零件逐一安装在壳体上,而后通过传送带将其传送至打螺丝工位,打螺丝机器人,通过视觉设备快速定位螺丝口,快速精准选取所对应的的螺丝,从而实现高度智能化,自动化。然后螺丝振动盘上抓取螺丝安装于壳体上,并进行固定;完成安装后传送带将壳体运送到下一个工位。

3 基于大数据深度挖掘的工业智能脑决策系统

随着大规模定制和网络协同的发展,制造业企业还需要实时从网上接受众多消费者的个性化定制数据,并通过网络协同配置各方资源,组织生产,管理更多各类有关数据。

本系统构建了基于大数据深度挖掘及潜在价值分析的智能决策模型,定义为数字工厂智能脑模型,系统体系由以下四个方面组成。

(1)数据流收集系统。数据从设备不同的传感器生成后被通过网络传输到生产商的服务器上。

(2)数据丰富系统。利用其他外部数据来丰富已有的机器日志,比如说人口数据,地址数据。

(3)变量生成系统。在一段时间内,为每个测量值,每台设备生成几千个变量特征的范式。

(4)机器学习系统。具有预测力的变量被自动选择,分类模型已经建立创建完成,并用于后期收集的数据。

(5)商业行动系统。生产商以及销售网络可以执行或者建议对高风险机器进行预防性维修,如图2所示。

4 结束语

人工智能在国内外处于一个黄金阶段且正在高速发展,但国内的发展相对滞后,本文旨在电子行业首创运用AI技术,实现作业机器人与智能视觉的协同,利用大数据分析平台,指导企业的生产优化,对电子行业的智能化发展具有一定的指导作用。

参考文献

[1]丁林祥.电子制造业机器人智能化解决方案[M].北京:机械工业出版社,2016(06).

[2]吴云峰,邱华,胡华强.面向设计与制造的数字化工厂平台[J].中国制造业信息化,2011(01).

作者单位

湖南长城计算机系统有限公司 湖南省株洲市 412000

猜你喜欢
机器视觉人工智能
我校新增“人工智能”本科专业
人工智能与就业
大场景三维激光扫描仪在研究生实践教学培养中的应用