机器视觉应用快速通道

随着制造商们将其全球工厂预算的多达 65% 投入工业物联网计划，企业领导者们也提出了疑问，制造商如何最大程度地提高投资回报。例如，运营收益是否可以补偿从头开发支持计算机视觉的解决方案的成本？是否存在可以实现相同目标的更具成本效益的技术？

借助机器视觉开发套件，制造商和系统集成商能够以经济的方式接受机器视觉和人工智能 (AI)。方式是什么？推动他们构建概念证明 (PoC) 或针对特定工厂使用案例量身定制全面开发的解决方案。

例如，使用这类套件进行部署可以帮助制造商大幅减少生产线浪费，同时使他们能够在紧迫的时间内生产更多符合规格的产品。像 JWIPC 这样的公司已经投资构建了这类开发工具，并部署到各类制造现场。

人工智能做好质量控制准备

渝美压铸厂正在使用基于 JWIPC AI Ready Vision Kit for Smart Manufacturing 构建的自动化缺陷检测解决方案。与手动检查相比，该公司质量控制流程的准确性提高了 20%。制造商现在可以发现的缺陷包括零件上或模具中铝残留过多，以及铸件有裂纹和翘曲（图 1）。

为了获得这些结果，渝美的开发合作伙伴开始使用套件中提供的硬件和软件。其中包括数据提取和分析软件以及英特尔^® Industrial Edge Insights 和英特尔^® OpenVINO^™ 工具包。这个组合已经帮助开发团队加快了专门为解决压铸厂的缺陷检测需求而设计的算法的创建速度。

JWIPC 物联网业务部总经理 Disco Liu 表示：“在这么多不同的工业应用场景和要求下，制造商需要大量的数据和时间来训练算法。我们的套件提供了基本功能，可帮助您在更短的时间内轻松开发和部署机器视觉解决方案。”

通过容器化，智能制造套件可以为不同类型的工厂和使用案例集成视觉软件应用程序。这降低了完成数据存储、数据分析以及与公共云或制造执行系统对接的复杂性。

JWIPC 产品提供了完整的堆栈，其中包括工业网关以及可选的摄像头和传感器，开箱即用，可以开发有效的 PoC 或生产就绪解决方案。而且，由于许多机器视觉应用程序在 Ubuntu 操作系统上运行，因此该操作系统已集成到套件中。

这使系统集成商可以使用 Docker 来移植其应用程序，进一步加快开发周期。Docker 还与其他操作系统兼容，从而减少了对其他编码的需求。包括上述功能在内的诸多功能（如图 2 所示）已整合到套件中。

优化系统

在提高计算机视觉解决方案性能的同时还要降低成本，就需要集成多种功能。其中包括视频捕获和处理、工业通信和控制、数据分析、数据存储以及云上传。如果在多个设备上执行此类过程，该解决方案便会导致成本增加和延迟，进而造成实时性能下降。为了避免这些问题，JWIPC 支持在高性能英特尔^® 至强^® 或英特尔^® 酷睿^™ 处理器上运行多个工作负载。这些选项可以降低成本，确保实时性能，以及减少维护工作量。

整个制造业对工业机器视觉解决方案的需求预计将会增长。然而，许多工程师和系统集成商缺乏开发 PoC 所需的时间和专业知识，更不用说全面的端到端解决方案了。这可能意味着错过了参与工业物联网市场扩展的机会。

但是，随着像 JWIPC 这样的公司通过开发机器视觉平台来简化诸如自动缺陷检测之类的解决方案的开发过程，进入市场的壁垒是可以克服的。通过减少将机器学习融入工厂所需的时间和精力，系统集成商可以使这些类型的项目更容易、更可预测且更有利可图。