今天，“機器視覺+AI”的能力組合已經(jīng)告別了過高的應用門檻，并日益成為便捷、易用的新型生產(chǎn)力工具，加速推動制造業(yè)的智能化變革。

　　今天的人工智能(AI)，就像一件“點石成金”的魔杖，正在給各行各業(yè)帶來肉眼可見的變化。往常需要專業(yè)畫師花費一周描繪的畫作，現(xiàn)在只要動手輸入幾個關鍵詞，就能“立等可取”，你說帶勁不帶勁?

　　那么，在離散制造業(yè)擁有大量應用場景的機器視覺，能不能也讓AI“加持”一下，變得比原來更簡單、更好用呢?

　　相信這個問題，是很多制造業(yè)企業(yè)都特別關注的問題。大家都知道機器視覺能夠幫助流水線、檢測線提高效率，但是真要把“機器視覺+AI”用好，還真不是一件容易的事。

　　放在以前，要在生產(chǎn)、檢測等工藝流程中采用視覺系統(tǒng)，無論是選型、部署，還是結合具體應用場景進行參數(shù)、規(guī)則的設置，都需要專業(yè)人員花不少時間才能完成。要是企業(yè)沒有這方面的專業(yè)人才，打算靠“自學成才”來搞定視覺應用，那難度就更大了。

　　那如何讓“機器視覺+AI”的工業(yè)應用變得更簡單，讓每個電氣工程師就能用好呢?今天，我們就介紹一款融合AI和傳統(tǒng)視覺工具的視覺系統(tǒng)——康耐視In-Sight 2800，看看視覺應用是如何“從復雜到簡單”的。

　　01 上手簡單流程優(yōu)化，新手也能輕松用

　　第一點，In-Sight 2800系列視覺系統(tǒng)，能讓視覺系統(tǒng)的“上手”變得更加容易。

　　還真別小看這一點，人工智能技術再先進再優(yōu)秀，首先需要做到的是：讓更多的人會用、能用、用得起來，這樣才能惠及大多數(shù)的用戶。在這方面，In-Sight 2800系列視覺系統(tǒng)就充分考慮到了很多企業(yè)的切實需求，大大簡化了產(chǎn)品的設置和開發(fā)難度。

　　很多人可能會說，我以前沒接觸過視覺和人工智能方面的專業(yè)知識，能用嗎?

　　當然能!當進入到In-Sight 2800的設置界面后，看到的不再是讓人眼花撩亂、不知所措的各種選項和數(shù)據(jù)框，而是簡明清晰的向導式設置流程;特別是，很多人想象中很復雜的設置圖像，實際一上手，只需要完成“優(yōu)化曝光”和“優(yōu)化焦點”兩步純點擊操作，沒有任何信息需要手動填寫，真的是“想不會都難”。

　　好用，不光體現(xiàn)在設置的簡易化，在組件選型上同樣能讓用戶“隨心所欲”。

　　由于In-Sight 2800采用了模塊化的可擴展結構，即便生產(chǎn)和檢測需求發(fā)生變化，也是“小菜一碟”。只要按照新的需求現(xiàn)場更換光學組件，就能快速滿足新的要求，達到柔性化生產(chǎn)的要求。

　　02 人工智能顛覆玩法，智能檢測太省心

　　第二點，就要說到人工智能技術帶來的核心看點了。由于集成了強大的人工智能工具ViDi EL Classify和ViDi EL Read，In-Sight 2800顛覆了傳統(tǒng)視覺系統(tǒng)的“玩法”，一舉讓視覺應用變得更加簡單。

　　為什么能做到更簡單?因為，人工智能可以通過學習，更好地“領悟”和“理解”用戶的復雜需求。如果說傳統(tǒng)視覺系統(tǒng)靠的是基于固定規(guī)則的“定量分析”，那么人工智能視覺系統(tǒng)靠的則是基于訓練和學習的“定性分析”。

　　直觀的感受，就是視覺系統(tǒng)“變聰明”了。

　　比如，以前我們要檢測一件產(chǎn)品是否符合要求，我們首先需要對檢測需求進行人工分析，并把這樣的需求“精準翻譯”成一套視覺軟件可以用來判斷的、具體的量化規(guī)則，比如工件的尺寸和允許公差是多少、標簽最大允許偏移多少度、斑點或色快的位置和輪廓需要滿足什么要求……然后軟件再根據(jù)這套規(guī)則對采集到的實際圖像進行定量分析，作出判斷。

　　這樣的工作原理，遇到簡單需求還好說;可一旦我們面對的是更加復雜、抽象的需求，可就沒那么容易了。

　　比如，有的快消品企業(yè)需要檢測每件商品的包裝是否有破損。同樣是“包裝破損”，破損的位置、大小、輪廓可能大不相同，造成的反光、變形等視覺特征也是千差萬別。對于人而言，當然是看一眼就知道有沒有“包裝破損”，但要想把這個概念“翻譯”成精準、具體的量化規(guī)則，可就要復雜得多了。

　　可是，這樣的挑戰(zhàn)卻完全難不倒In-Sight 2800擁有的人工智能工具ViDi EL Classify。你根本不用煞費苦心地研究什么量化規(guī)則，你只需要給In-Sight 2800分別提供幾張典型的“合格”和“不合格”的圖片，它集成的ViDi EL Classify算法就可以通過學習和訓練，自行“理解”需求并做出判斷，除了判斷檢測對象是否合格，還能夠將檢測對象進行分類。

　　怎么樣，是不是比以前方便多了?

　　可能有人會問，咦，我聽說人工智能需要大量訓練樣本，我需要給系統(tǒng)“投喂”多少圖片，它才能幫我干活啊?這個也不用擔心，要完成ViDi EL Classify的訓練，每個類別只需要5~10張圖片，短短幾分鐘就可以訓練完畢，真是太方便、太快捷了。

　　03 見微知著一目十行，字符識別很強悍

　　第三點，同樣是In-Sight 2800利用人工智能工具ViDi EL Read實現(xiàn)的“過硬本領”，那就是在OCR字符識別上“更勝一籌”的精彩表現(xiàn)。

　　談到OCR字符識別，大家并不陌生，但要想把這件事做到極致，也是個不小的考驗。在這方面，In-Sight 2800可以憑借自身集成的ViDi EL Read工具，搞定很多別人難以搞定的特殊需求。

　　比如，無論是容易反光的金屬表面，還是字符和背景色彩接近的低對比度表面，無論是坑洼不平的表面，還是導致字符投影寬窄不一的彎曲表面，都難不倒ViDi EL Read工具“一目十行”的過硬本領。

　　當然，擁有這樣的本領，不僅依賴于人工智能算法的“過人智慧”，同樣也離不開In-Sight 2800在成像方面的強悍性能。In-Sight 2800采用了高動態(tài)范圍 (HDR) 技術，采集的圖像中包含的細節(jié)能夠達到常規(guī)讀碼器的 16 倍，大大提高了圖像質量和對比度，這才造就了它在識別和檢測上的“見微知著”。

　　看到這里，您是不是想要更深入了解In-Sight 2800這款產(chǎn)品?現(xiàn)在，您可以參加下面的有獎調查，康耐視將給您發(fā)送詳細的產(chǎn)品手冊和應用案例。