現代化城市街道攝像頭監視無處不在，不過，今天我們所指的不是應用於城市街道和地鐵的攝像機。而是配備了視覺的功能的機器視覺系統，這些系統越來越多地安裝在先進的生產設備中。它們正在從根本上改變製造過程，同時提高生產率、效率和質量。
在製造過程中，新的、先進的機器視覺技術如高光譜成像技術可以應用於食品和成分的功能，如pH、顏色、嫩度、成熟度等。
機器視覺(Machine vision)是指利用圖像提取信息，然後利用這些信息來確認存在或不存在，檢查位置或方向，以及隨著時間推移分析多個連續圖像而產生的模式或異常。這些能力正在以各種方式應用，以革新制造和生產過程。
例如，機器視覺可以作為自動化的基礎，並與用於製造過程的機器人進行協作。在離散製造中，機器視覺使能過程可以在裝配之前對來自給定材料清單(BOM)的材料、零件和標籤進行視覺檢查。這確保了任何給定部件或材料的適當位置和安裝，以及檢測任何潛在的材料缺陷的能力。結合機器人技術解決方案，這些機器視覺能力可以提醒機器人何時啟動裝配過程或何時在出現問題或缺陷時從過程中移除部件。
隨著製造過程越來越接近消費者，機器視覺和機器人技術的結合可以應用於越來越複雜和可變的隨需應變的場景，這在依賴規模經濟的更傳統的製造環境中是不可能的。
自動化人工智能軟件“機器人”可以“學習”數以百萬計的產品和部件的潛在組合。期望他們將這些知識應用到單個訂單級別的零部件上，將它們呈現在製造過程中進行視覺檢查，然後，一旦確認並批准，將它們傳遞給一個工業機器人進行最終組裝，這並不是不合理的。這個過程將在幾秒鐘內發生，不需要人為干預。在規模上，像這樣的技術可以應用於生產大量可配置的、甚至可定製的產品，但其準確性和成本效率水平比以前的可能性要高得多。
在製造過程中，新的、先進的機器視覺技術如高光譜成像技術可以應用於食品和成分的功能，如pH、顏色、嫩度、成熟度等。高光譜成像技術將計算機視覺和光譜技術結合在一起，這種技術可以從單個像素的光中分析食物和其他成分的化學組成。這意味著公司可以應用該技術來拍攝食品和其他成分的圖像，並立即瞭解化學成分，溼度水平，營養含量等等。
這些技術可用於將食品質量和安全問題從測量具有代表性的小樣本領域移出，然後將這些測試結果應用於某一特定成分或食品的總可用批次。取而代之的是，公司將能夠評估所有的食物和其他成分——牛肉的每一面，紙盒裡的每一個草莓，每棵生菜，每一盎司染料。
通過這樣做，公司可以確保其生產或加工的所有原料和食品都是新鮮的，並有助於消除因熟透或欠熟的食品而產生的浪費。他們還可以幫助確保所有成分和食品的安全，通過檢查，以確定批次沒有外國物品，如塑料，金屬或不安全的化合物。
最後，這些技術可以幫助確認標記為“新鮮”的食品從未被冷凍，或者確認大西洋鱈魚實際上是大西洋鱈魚，而不是鱈魚包裝的不同種類的魚。從而有助於消除生產過程中的欺詐。
就像機器視覺在離散製造中可以幫助實現的可配置性和個性化一樣，機器視覺和其他用於過程製造的先進技術也有可能實現類似的功能。例如，它們可以組合在一起，以控制特定消費群體的食品中添加的特定營養素的數量，或在化妝品中加入的染料的數量，從而生產出專為個人消費者定製的顏色。
進一步擴展影響，雖然機器視覺正在成功地部署在製造和生產過程中，但也有一些例子說明如何在互補過程中部署機器視覺，以改進生產計劃和優化輸出。
例如，飲料和零食公司在商店和自動售貨機裡安裝了視覺攝像頭。這些攝像頭監視冷藏箱內的存貨情況:
•通過監控確保商品銷售符合要求，確保只有授權的產品被放置在冷藏箱中，所有產品都被正確放置，並在任何例外情況下提醒零售商和消費品公司。
•監控單個冷卻器層面的消費者需求，定期拍攝可用庫存圖像，以衡量消費者對冷藏箱內產品的需求速度。
應用於此數據的機器學習功能可以幫助公司在問題發生之前預測並減輕合規風險，並對特定冷藏箱內部的各種產品進行微調。反過來，這有助於最大化基於實際消費者需求的未來銷售。有了這些數據，企業可以實時更新短期預測和製造產能計劃，幫助確保產能與需求平衡，並根據對未來需求的預測優化生產產出——從而最大限度地實現消費者銷售，同時消除生產過剩和損耗帶來的浪費。
這只是機器視覺應用的眾多例子中的一小部分，但每一個都代表了該技術的光明前景，以及它幫助轉變的製造過程。
閱讀更多 大軍閒談 的文章
