机器视觉正在转变质量控制模式。现代检查系统可以做的不仅仅是接受或拒绝零件。正是得益于深入学习，它们可以自动调整制造流程，减少浪费并提高效率。

试着想想诸如焊接和 3D 打印等增材制造流程。这些流程可能对温度、线速、机器校准和材料变化等因素极其敏感。当参数超出技术规格范围时，可能会很快出现故障零件。

标准检查系统可以识别出有故障的零件，但它无法识别出故障原因。这可能是人的局限性造成的，因为人们只能在检查到报废零件之后才能调整流程。相比之下，深入学习检查系统可以更深入地了解问题的本质。

我们来看看金属增材制造流程。标准检查系统可能只评估已完成的产品，并作出简单的接受或拒绝决定。相比之下，深入学习系统可以自行监控制造流程，不断评估熔化的金属轨道的一致性。这提供了在发生问题时解决的机会，挽救了不解决问题的话可能会被拒绝的零件。

在更传统的制造生产线中，深入学习系统可以进行调整，例如指示 PLC 降低线速或提高工艺温度。这种恒定的调整可大幅减少废弃零件数量。

部署挑战

开发人员面临的挑战是寻找部署机器视觉的方法。一种常用方法是构建围绕图形处理单元 (GPU) 的自定义硬件。虽然这种方法可以提供所需的性能，但是 GPU 通常不满足工业可靠性要求。电源也是一个问题，因为 GPU 倾向于运行时过热并需要冷却风扇，不是非常适合用于苛刻的工业环境。

完整的自定义系统所需的工作量也是个问题。除了创建自定义硬件的基本困难之外，工程师还必须将其设计集成到控制环路。给定用于控制工业设备的 PLC 的专业性，这会是一个不平凡的挑战。

更容易的人工智能集成

为了解决这些问题，SIEMENS AG 和英特尔^® 协作，合力开发用于 Siemens SIMATIC S7 系列 PLC 的新的深入学习模块。“借助此模块，用户只需要添加一个用于本地干预的人工智能扩展模块，就可以扩大用于控制机器的现有 PLC 系统的功能，” 英特尔的技术客户经理 Thomas Dietrich 说道，“如果您已经安装了 SIMATIC S7-1500 控制器，那它就是一个简单的附加件。您只需插入人工智能扩展模块和一个摄像头或非视觉传感器，硬件设置就完成了。”

SIMATIC S7-1500 TM NPU 是一个基于英特尔^® Mmovidius^™ Myriad^™ X 视觉处理单元 (VPU) 的 PLC 扩展模块。专为高能效的人工智能而设计，此英特尔技术使得该模块可处理多达 720 个来自多个摄像头数据流的立体声对，并仅通过被动冷却，以接近实时的方式运行计算机视觉，而不牺牲能耗或准确性。与其它平台相比，它在 VGA 分辨率方面实现分辨率提高 3 倍，或者与 30 Hz 的其它平台相比提高 6 倍。

该模块处理可视化或非可视化数据（如音频或振动），然后通过底板将分析结果发送到 PLC。PLC 随后使用分析数据作为输入来运行控制算法，并调整控制流程。

图 1 显示了一个示例，说明生产线可如何在取放情景中使用该系统。生产项目进入左侧的传送带。头顶 LED 照明照亮项目。安装在平台上的摄像头采集图像并将其传输至 PLC 扩展模块。PLC 转而指引机械臂方向以拾取项目，并将其放在右侧传送器。

该模块将人工智能模型用于抓取，它会在几毫秒内计算给定对象的数以百计的抓取点，并选择为最佳的抓取点。然后，它可以将此信息中继给控制机械手的 PLC，以便以最佳方式中拾取对象 – 通过专用硬件 PLC SIMATIC S7-1500 系列或基于 PC 的 SIMATIC ET 200SP Open Controller v2，后者提供了一个 Windows 分区以用于其它应用程序。

编者注：此演示会在将于 2019 年 4 月 1 日至 5 日举办的汉诺威工业博览会上显示。如果您要亲自看到它，请造访位于 9 厅 35 展位的西门子展位。

这种自动化模式可以节省大量的人工。“例如，当今时代，在离散的制造线上有很多手动过程，用于依靠肉眼进行的质量控制或组装混合零件，如印刷电路板制造中的通孔技术，” Dietrich 说道，“在这些使用情形中，人工智能可通过提高自动化程度来帮助提高质量和/或产量。”

不是机械手提升项目，而是 PLC 可以指引任何其它种类的工厂设备，例如上文提到的焊接设备或 CNC 机械加工工具。事实上，该系统已不再仅限于视觉。“主要使用案例是视频，但是您可以做其它事情，” Dietrich 说道，“它打开另一个可能的使用情形范围，例如用于进行预测性维护的振动或者甚至是声音分析。”

构建人工智能模型

当然，只有在您构建深入学习模型之后，这个令人印象深刻的硬件才能发挥作用。同样，英特尔和西门子通过协作来解决了这个问题，集成了他们的工具链来获得端到端解决方案。

它从使用 Caffe 或 Tensorflow 等最常用的人工智能框架开发深入学习模型开始，然后可将其优化并使用 SD 卡与一个小应用程序一起部署到该模块。通常，您可以从使用免费提供的现有 DL 模型开始，并通过可用的制造数据重新训练，根据您的具体使用案例调整它。从这里，可以在西门子工程框架 TIA Portal 中配置该模块，以在 PLC 程序中实施和使用来自 TM NPU 模块的数据。

不远未来的想法是能够提供人工智能工作台，以简化创建、部署和实现工业人工智能解决方案，并使它们不但可以供人工智能专家访问，而且可以供自动化工程师访问。

机器视觉的新外观

对于制造商，这种更为简单的开机器视觉方法打开了无限可能的世界。不再局限于在问题出现后解决问题，制造商可以持续调整其流程以获得最大效率。并且借助西门子公司追求的高度集成的方法，制造商让这些机器视觉系统投入运行速度远胜从前。