施努卡机器视觉 2020-11-20 10808
智慧制造时代来临，生产效率即是制造业者提高竞争力的本钱，近年许多业者也透过如机器视觉、机器手臂等取代人力，不仅提高效率也可掌控生产品质，而产业也不断寻求突破技术限制的方法。举例来说，3D视觉首次导入于焊道检测应用中，利用AI教导何谓「焊道」，透过机器自主智慧辨识，突破过去受到限制的检测流程。
特别是在某些对于高单价或安全性要求相当高的航太或汽车产业中，焊接品质检测是相当重要的流程。然焊接后的焊道表面处理却一直是产业的一道难题。虽然诸如航太或汽车产业，已具备相当成熟的自动化生产体系，然过去焊道检测透过机器手臂搭配已广泛运用在工业上的机器视觉，在辨识条件上仍有诸多限制。
一般而言，传统机器视觉只能根据固定的规则进行辨识，并只能在特定的环境下运作，一旦外在环境受到影响，就可能会对精确度和品质造成负面影响。因为弹性不足，为此还需要事先教导机器手臂的检测路径，并在每次将物件进行定位，且需要经验丰富的师傅人工判断检测与标记焊道位置，总体而言，整个流程只做到了自动化，却因弹性不足，使得流程既复杂且冗长。
3D视觉首次导入于焊道检测应用中，利用AI教导何谓「焊道」。透过深度学习，视觉系统可让机器人成功辨识，因此能在工件上自动标定焊道的长、宽、高与位置，即便工件被随意摆放，视觉系统也能自动标记检测焊道位置，并在电脑萤幕利用不同颜色示意，让作业人员更直觉式掌握工件的焊接状况，大幅简化焊道检测流程。
第一，透过人工智慧(AI)教导机器人辨识焊道，即便工件随意摆放，机器手臂仍具有自主辨识能力，在此情况下不仅可减少调机时间，更可因此节省治具成本。
第二，反光会造成金属物件在机器视觉辨识下产生误差，然透过深度学习，包括像是反射係数高的铝跟铜，都可以成功辨识。
对于市场应用面，如电动机车跟电动自行车将是相当大的潜力市场，好比特斯拉之于传统汽车产业，随著车辆电子化程度越来越高，电动机车与电动自行车制造商也正尝试突破创新，希望运用新技术改善或提升传统制造工法。
