当前位置
>
首页
>
新闻动态
> 会员动态
> “智能+”赋能工业互联网，东方国信机器视觉产品上线运行
“智能+”赋能工业互联网，东方国信机器视觉产品上线运行
机器视觉检测系统采用专业相机将被检测的目标转换成图像信号，通过相应图像处理系统，对图像中信息和知识进行目标特征提取、智能建模以及智能识别的一整套图像处理识别系统。其本质是通过一定的技术，让机器初步具备“人”的思维能力，从而在一些不适于人工作业的场合中用机器视觉来替代人工视觉。例如，在大批量重复性工业生产过程中，用机器视觉检测方法可以大大提高生产的效率和自动化程度。
东方国信机器视觉依托其强大的人工智能平台，在诸多领域进行一定的涉足并取得了一定的成果，涉及领域包含如工业、交通、医疗、商业等；能够识别目标涵盖如人、物、设备、故障、文本等；能够适用多类相机如普通相机、工业相机、红外相机等。东方国信人工智能平台将大数据、统计分析、机器学习、图像识别等技术相结合，具备三大核心功能模块（AI开发、AI部署、运营管理）和模型样例库，基于该平台能够满足用户各类工业场景机器视觉需求，同时能够让用户方便简洁地构建“自己的智能应用”。在工业机器视觉中，一般将问题归结为图像分类、目标检测、图像分割等计算机视觉问题。其中，应用广泛的是目标检测，例如工业产品质量检测、工业生产安全检测等，其本质均是对特定目标（产品瑕疵、危险行为）进行特征提取和目标识别，从而实现机器辅助/替代人工的目的。目标检测技术具有多种实现技术，有基于传统图像的处理技术，也有基于深度学习的AI技术，有定位+检测的两步法，也有端到端的一步法。不同技术实现有不同的使用场景，为了满足工业场景中的实时性需求，我们更多采用端到端的相应技术来实现检测需求。目标检测：用于对所采集图像中目标物体的识别并进行标记，如下图所示：针对机器视觉，以下东方国信在机器视觉领域的应用进行简单介绍：
用途：用于工业皮带生产制造时的瑕疵缺陷检测，替代传统质检环节或减少质检人员的投入，提高生产的连续性。方法：通过对皮带瑕疵类别梳理和样本数据收集扩建，构建皮带瑕疵检测模型，该模型能够对采集到的皮带图像和监控，进行scratch-划伤/lacerate-割裂/hole-孔洞/wrinkle-褶皱/macropore-大孔等缺陷的识别和标记。
用途：用于有色金属电解精炼环节，通过采集电解槽的红外照片信息，对槽内超温异常极板进行标记，输出超温信号及极板位置提供给现场人员，减少现场人员巡检的强度，减少人力投入。方法：将极板超温异常定义为目标，利用目标检测算法yolov3进行异常定位及检测识别。
用途：通过对多目标物体进行识别，进行标记并进行温度测量，可应用于车站、学校、商店等人员流量大的场景，进行温度的识别。方法：红外热成像技术与人脸识别技术相结合，解决疫情下测温识人的实际需求。
用途：用于对机械仪表盘进行识别及解码，输出为相对应的数据并进行存储，主要用于一些老旧设备仪表的识别。方法：将指针定义为目标，利用yolov3进行指针定位，进而完成仪表读数。
用途：可应用于需要识别字符并进行信息采集的场景，对所采集的照片中的文本型信息进行定位识别提取。方法：通过文本检测算法检测到文本行坐标（如图中标注的矩形框），通过文字识别算法识别矩形框内的文字。东方国信人工智能平台机器视觉解决方案，针对不同的目标检测识别需求，构建相应海量带标注目标内容的样本数据集，基于样本数据集，通过模型训练对目标特征进行学习和提取从而构建有效目标识别模型，将该识别模型与对应平台相结合，实现对应某类工业领域场景下目标识别，识别目标可以是静止物品、也可以是动态的行为、亦可是一些异常/故障。此外，作为人工智能平台机器视觉，其应能够实现模型的自学习，即识别模型能够通过对新样本特征的学习从而实现模型识别能力提升与优化，当然当前的自学习还处于比较初级的阶段。
