成本上升、供應鏈斷裂以及因大流行病而變得復雜的人力資源狀況，使制造商在當今不斷變化的世界中保持競爭力成為一項挑戰。為了限制風險和提高利潤率，一些人正在轉向機器視覺自動化來應對，以及為明天的商業景觀做準備。

斑馬技術公司（Zebra Technologies ）副總裁兼機器視覺總經理Donato Montanari說："保持競爭力！實際上是關于產品的成本和勞動力的獲取。“

Montanari解釋說：”機器視覺可以幫助制造商應對這些挑戰，將制造過程中的一些勞動密集型環節自動化。他舉例說，一個零件制造商要處理成本上升的問題，由于某些零件的短缺而加劇，不得不處理不完美或錯誤，導致有缺陷的最終產品需要被丟棄，因為它不能再銷售。”

Montanari說："這就是檢驗和質量控制變得越來越重要的地方。用舊的方法，質量控制是由生產線末端的一個人完成的。今天，問題是你不再有機會接觸這些人。這些人沒有規模，而這些勞動力是你公司中最專業和最昂貴的，因為那是價值所在。"

解決方案可能是機器視覺，它是可擴展的，可以根據需要進行專門化，而且一旦經過訓練就可以全天候工作，永遠不會休息一天。

質量控制的重要性，以及跟蹤和追溯的重要性，這是機器視覺的兩個主要應用，如今已變得越來越重要。Montanari解釋說："而這正是機器視覺可以幫助離散制造業的方式，使他們能夠實現自動化。"

西門子Advanta Solutions的首席數據科學家Abhishek Sarkar同意，并補充說：機器視覺可以做人眼有時無法做到的事情。"你需要非常訓練有素的勞動力來檢查制造業和離散行業的零件，如果你有一雙未經訓練的眼睛，你可能會錯過很多有缺陷的零件，所以這就是人工智能[Artificial Intelligence]可以發揮作用的地方。"

Sarkar指出了機器相對于人類的另一個優勢。他解釋說:"說到人工檢查，它們不可能全天候進行。人類只會每隔幾分鐘或幾小時取一次樣，而且他們很有可能會錯過很多有缺陷的部件。因此，這就是機器視覺進入畫面的地方。你可以有24/7的監控，這樣就可以最大限度地減少漏掉一個有缺陷的零件的機會，并在該零件已經經過下游工序而為時已晚時才發現它。"

計算成本

盡管機器視覺可能很實用，但從歷史上看，它的實施成本很高，而且很費時間。大部分成本與機器學習工程師的需要有關，他們與主題專家合作，對系統進行編程以識別缺陷，從而使系統了解它正在尋找的東西。

Sarkar解釋說："你需要大量我們在機器學習語言中所說的標簽數據。所以，你必須給算法提供大量的圖像。"

該系統必須理解缺陷的樣子，但與人不同的是，它需要大量的例子來完全理解它被要求尋找和識別的東西。

Sarkar補充說："因此，假設我們想讓它尋找一個零件上的裂縫，你必須給它數以千計的圖像，不僅是有裂紋的部件，而且你還必須在這些圖像上標注或注釋有裂紋。不幸的是，這是一項非常勞動密集型的任務。"

為了使這一過程不那么費時，各公司正在研究將學習過程自動化的解決方案，減少對人工干預的需求，并因此削減與將機器視覺納入制造設施相關的成本。

例如，西門子的新SynthAI是一項技術，它可以生成成千上萬的有注釋的計算機生成的合成圖像，然后采用這些圖像來訓練系統需要尋找的東西。

西門子加拿大數字工業軟件公司的銷售副總裁Dave Wilson解釋說："SynthAI的基礎是通過向它提供這些圖像來訓練機器學習模型。因此，實際上，我們正試圖賦予客戶權力。無論他們是否有數據科學人員，這些技能組合仍然可以被承包進來。但是，當涉及到模型的實際教學，以及向它提供所有這些數據時，這個解決方案有助于消除一些復雜性和人工任務。”

斑馬技術公司最近宣布收購Matrox Imaging公司，Donato Montanari說，由于Matrox Imaging公司專注于易用性和人工智能，這將使斑馬公司使機器視覺對制造商來說更容易獲得，更實惠。

Montanari解釋了人工智能是如何使機器視覺的實施更加經濟實惠的。"所有的機器視覺軟件都被稱為'基于規則'，這意味著程序員必須編寫你要尋找的缺陷的規則，"他解釋說。"這就是為什么它如此昂貴。你需要一個程序員在你的生產線上花上幾個小時，甚至幾天的時間，來設置這個系統。“

"隨著人工智能的引入，這將會非常不同。攝像機將被顯示有缺陷的部件，它將學習什么是缺陷。沒有人需要編寫任何代碼。這將使離散制造商能夠幾乎自行部署該解決方案，這將大大降低總擁有成本。它還將允許他們真正利用這項技術，不僅在生產線的末端使用，而且在不同的點使用。如果我們使它足夠便宜，你可以用它來觀察正在進行的工作。"

智能機器需要大量示例才能完全理解要求它查找和識別的內容。（照片：斑馬技術）

任務和應用

機器視覺的潛在應用似乎幾乎是無限的。“有大量的用例示例。”西門子的 Sarkar 說：“想想人類以及他們正在觀看或關注的事物。在所有這些情況下，眼睛只是被相機取代了。”

應用程序包括查找零件缺陷、跟蹤批號、分類 SKU、分類零件、監控員工以確保他們佩戴適當的防護裝備，甚至員工是否正在操作他們未經培訓的設備等。如果人眼可以看到、監控、跟蹤或記錄它，然后機器視覺可能會更快、更準確地全天候完成這項工作，而無需休息。

Sarkar 補充說，還可以使用紅外攝像頭，這意味著可以教會系統尋找可能意味著零件或組件在發貨前出現問題的熱點。

仔細看看

機器視覺自動化是否適合組織是每個制造商必須自己回答的問題。然而，鑒于這項技術可以提供的好處，它當然值得仔細研究，尤其是在成本下降的情況下。

“在當今的成本壓力下，自動化代表了最大的機會，可以最大限度地減少勞動力投入并控制這些可變成本。”西門子的 Dave Wilson 總結道：“機器視覺技術是眾多先進技術之一，制造商應將其作為數字化轉型努力的一部分進行探索，以確定是否存在可以為他們帶來價值的用例。”

隨著成本的下降，部分歸功于人工智能的進步，我們很可能會看到機器視覺在越來越多的應用中得到應用。“這不是一項新技術。”Zebra 的 Montanari 強調說：“質量控制和制造企業的人們了解機器視覺的價值。但有時這對他們來說并不可行，因為它太復雜了，而復雜性會轉化為成本和時間。因此，機器視覺變得越容易，我們就越有可能期待它成為一項主導技術。”