当前位置:资讯首页 > 行业资讯 > 正文

让机器视觉拥有无限可能 康耐视惊艳亮相SCIIF

2020-10-15 08:56 来源:控制工程网 评0 0
  2020年10月12-15日,2020华南国际工业博览会(以下简称Sciif)在深圳国际会展中心如期召开。作为人工智能重要的前沿技术之一,通过模拟人的视觉系统,赋予机器"看"和"认知"的能力,也是本次SCIIF重要的展出内容之一。
  康耐视作为一家成立40年,专注于机器视觉的公司,在此次SCIIF中带来了众多机器视觉的解决方案,包括智能相机、3D相机、读码器、深度学习软件VIDI、深度学习智能相机D900以及VGR产品等。

  随着机器视觉硬件方案的不断成熟以及算力的提升,包括软件在应用领域的解决方案、3D算法、深度学习能力的不断完善,机器视觉极大扩宽了在面板、半导体、PCB/FPC等领域应用的广度和深度。据中国视觉产业联盟数据显示,2018年中国及其视觉行业销售额达到83亿元,较2013年翻了3倍,年复合增长率达33.54%。

  康耐视SCIIF现场展位图

  康耐视区销售经理刘墨介绍到,康耐视目前拥有完整的机器视觉产品线,囊括视觉软件、智能相机、3D相机、读码器、深度学习产品等,这在行业内独一无二。
  以深度学习领域为例,康耐视是目前唯一一家在消费电子汽车、锂电、医疗等行业成功大批量部署的深度学习品牌,具备行业中最快的图片训练最少的样本数量,、同时也是目前行业里唯一一家将传统视觉软件和深度学习软件整合在一起的机器视觉品牌。
  刘墨以实际案例阐述了目前康耐视机器视觉技术在行业中的实际应用,在面板行业中,尤其在手机面板中,可以发现OLED正在快速发展,并在高端面板应用中逐渐取代LCD。相比LCD,OLED工艺更复杂,难度更高,加上曲面以及摄像头开孔位置各异,同时还需要兼容线体的灵活性,导致制作OLED的技术要求更高,这对于视觉厂商而言无疑是一个挑战。
  康耐视推出了一个高精度对位系统AlignPlus,用以应对复杂的对位贴合问题,可以解决OLED的对位技术需求。康耐视依靠该系统,协助设备商顺利拿下了国内最大面板制造的设备订单。

  AlignPlus软件支持多相机对准应用

  此外,国内最大的电芯制造商,由于其客户的需求量大,但读码器的安装高度、角度变化多样,这就要求读码器品牌不但要保证读取率,还需要保证产品型号的尽量统一,以便后期维护,并且要严格做好成本控制。这时康耐视的读码器显露出了较大的优势,由于采用了模块化设计,相同的本体可以灵活的配置光源和镜头,这样只用一种款式便可以满足客户的这些要求,最终通过各项评比,成功拿下订单。
  不过在实际的工业视觉检测中,还面临着器件不规整,打光稳定性较差、光学畸变、器件输送速度过快、从器件图像提取的特征点较少等问题,这些复杂的问题困扰着视觉厂商。
  刘墨对此表示,康耐视将传统视觉和深度学习整合在一起,就是为了解决这些问题。用传统视觉去解决光学畸变,对产品特征进行精准定位,用深度学习里的监督模式和非监督模式对产品进行定性判断,再回来用传统视觉进行精确量测,这样深度学习和传统视觉就形成了有效的互补,最终实现精准的检测。
  今年也是特殊的一年,由于新冠疫情的缘故,对许多行业都造成了不同程度的影响,机器视觉自然也不例外。刘墨表示,康耐视在此期间加大了在消费电子行业以外的多个行业的投入,如医药行业、锂电池汽车行业、半导体行业等。
  如一家医药行业的客户,有一款药物需要在低温下保存,当有需要的时候,自动装置会将药物取出,这时需要追踪判断一下药物是否有取错的情况。但药物从低温环境中取出时,会在表面覆盖一层霜雾,传统的视觉检测无法判断,而康耐视通过In-Sight D900智能深度学习相机帮客户解决了这个问题。

  In-Sight D900智能深度学习相机图片

  同样是在疫情期间,某家LED芯片工厂在进行芯片制作时,还需要人工进行质检。但疫情期间工厂返工困难,质检人手不足,给企业生产带来了很大的问题。康耐视通过深度学习产品,在客户现场进行了近一个月的验证,对芯片图片放大200倍进行验证,成功的将之前由人工判断的缺陷检测出来,而且检测稳定性远远高于人工。
  显然,机器视觉将技术将助力企业智能化升级,与终端应用及底层技术共同成长。未来,刘墨表示,从产品角度来看,康耐视会继续加大深度学习、读码器、智能相机、3D等产品的研发投入、产品将更加适应细分的行业。
工控家百科 - 工业自动化控制领域专业百科知识库! 机器视觉

机器视觉机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品(即图像摄取装置,分 CMOS 和CCD 两种)将被摄取目标转换成图像信号,传送给专用的图像处理系统,根据像素分布和亮度、颜色等...  详情>>

网友评论
请登陆后评论!立即登陆
暂无评论,诚邀您的点评!

全年征稿 / 资讯合作

联系邮箱:news@gongkongjia.com
  • 1.凡本网注明"来源:工控家原创"的所有作品,版权均属于工控家网站,转载请必须注明工控家网,并链接来源网址,违反者本网将追究相关法律责任。
  • 2.凡注明稿件来源或作者的,均为网友投稿形式,目的在于传递更多信息,本网将进行人工审核排版布局及明显错误及违规内容,但不能保证文章内图片、视频、音频等多媒体内容的著作权及版权归属问题,以及文章内容准确性和完整性,需浏览者仔细甄别真伪,本站不承担此类作品侵权行为的直接责任及连带责任;
  • 3.其他媒体、网站或个人从本网转载时,必须保留本网注明的作品来源,并自负版权等法律责任。
  • 4.如涉及作品(含图片、视频、音频等多媒体内容及文章本体)著作权及版权归属或侵权问题,请点击右侧红色“信息举报”进行举报反馈,我们将及时为您处理,同时您还可以通过邮件形式反馈(E-mail:help@gongkongjia.com),我们将在处理完毕后及时邮件回复反馈结果。点击【信息举报】
产品更新列表企业名录品牌更新列表工控资讯更新下载资料更新技术文摘更新百科更新列表今日更新热词搜索网站地图移动版工控家