成本上升、供应链断裂以及因大流行病而变得复杂的人力资源状况，使制造商在当今不断变化的世界中保持竞争力成为一项挑战。为了限制风险和提高利润率，一些人正在转向机器视觉自动化来应对，以及为明天的商业景观做准备。

斑马技术公司（Zebra Technologies ）副总裁兼机器视觉总经理Donato Montanari说："保持竞争力！实际上是关于产品的成本和劳动力的获取。“

Montanari解释说：”机器视觉可以帮助制造商应对这些挑战，将制造过程中的一些劳动密集型环节自动化。他举例说，一个零件制造商要处理成本上升的问题，由于某些零件的短缺而加剧，不得不处理不完美或错误，导致有缺陷的最终产品需要被丢弃，因为它不能再销售。”

Montanari说："这就是检验和质量控制变得越来越重要的地方。用旧的方法，质量控制是由生产线末端的一个人完成的。今天，问题是你不再有机会接触这些人。这些人没有规模，而这些劳动力是你公司中最专业和最昂贵的，因为那是价值所在。"

解决方案可能是机器视觉，它是可扩展的，可以根据需要进行专门化，而且一旦经过训练就可以全天候工作，永远不会休息一天。

质量控制的重要性，以及跟踪和追溯的重要性，这是机器视觉的两个主要应用，如今已变得越来越重要。Montanari解释说："而这正是机器视觉可以帮助离散制造业的方式，使他们能够实现自动化。"

西门子Advanta Solutions的首席数据科学家Abhishek Sarkar同意，并补充说：机器视觉可以做人眼有时无法做到的事情。"你需要非常训练有素的劳动力来检查制造业和离散行业的零件，如果你有一双未经训练的眼睛，你可能会错过很多有缺陷的零件，所以这就是人工智能[Artificial Intelligence]可以发挥作用的地方。"

Sarkar指出了机器相对于人类的另一个优势。他解释说:"说到人工检查，它们不可能全天候进行。人类只会每隔几分钟或几小时取一次样，而且他们很有可能会错过很多有缺陷的部件。因此，这就是机器视觉进入画面的地方。你可以有24/7的监控，这样就可以最大限度地减少漏掉一个有缺陷的零件的机会，并在该零件已经经过下游工序而为时已晚时才发现它。"

计算成本

尽管机器视觉可能很实用，但从历史上看，它的实施成本很高，而且很费时间。大部分成本与机器学习工程师的需要有关，他们与主题专家合作，对系统进行编程以识别缺陷，从而使系统了解它正在寻找的东西。

Sarkar解释说："你需要大量我们在机器学习语言中所说的标签数据。所以，你必须给算法提供大量的图像。"

该系统必须理解缺陷的样子，但与人不同的是，它需要大量的例子来完全理解它被要求寻找和识别的东西。

Sarkar补充说："因此，假设我们想让它寻找一个零件上的裂缝，你必须给它数以千计的图像，不仅是有裂纹的部件，而且你还必须在这些图像上标注或注释有裂纹。不幸的是，这是一项非常劳动密集型的任务。"

为了使这一过程不那么费时，各公司正在研究将学习过程自动化的解决方案，减少对人工干预的需求，并因此削减与将机器视觉纳入制造设施相关的成本。

例如，西门子的新SynthAI是一项技术，它可以生成成千上万的有注释的计算机生成的合成图像，然后采用这些图像来训练系统需要寻找的东西。

西门子加拿大数字工业软件公司的销售副总裁Dave Wilson解释说："SynthAI的基础是通过向它提供这些图像来训练机器学习模型。因此，实际上，我们正试图赋予客户权力。无论他们是否有数据科学人员，这些技能组合仍然可以被承包进来。但是，当涉及到模型的实际教学，以及向它提供所有这些数据时，这个解决方案有助于消除一些复杂性和人工任务。”

斑马技术公司最近宣布收购Matrox Imaging公司，Donato Montanari说，由于Matrox Imaging公司专注于易用性和人工智能，这将使斑马公司使机器视觉对制造商来说更容易获得，更实惠。

Montanari解释了人工智能是如何使机器视觉的实施更加经济实惠的。"所有的机器视觉软件都被称为'基于规则'，这意味着程序员必须编写你要寻找的缺陷的规则，"他解释说。"这就是为什么它如此昂贵。你需要一个程序员在你的生产线上花上几个小时，甚至几天的时间，来设置这个系统。“

"随着人工智能的引入，这将会非常不同。摄像机将被显示有缺陷的部件，它将学习什么是缺陷。没有人需要编写任何代码。这将使离散制造商能够几乎自行部署该解决方案，这将大大降低总拥有成本。它还将允许他们真正利用这项技术，不仅在生产线的末端使用，而且在不同的点使用。如果我们使它足够便宜，你可以用它来观察正在进行的工作。"

智能机器需要大量示例才能完全理解要求它查找和识别的内容。（照片：斑马技术）

任务和应用

机器视觉的潜在应用似乎几乎是无限的。“有大量的用例示例。”西门子的 Sarkar 说：“想想人类以及他们正在观看或关注的事物。在所有这些情况下，眼睛只是被相机取代了。”

应用程序包括查找零件缺陷、跟踪批号、分类 SKU、分类零件、监控员工以确保他们佩戴适当的防护装备，甚至员工是否正在操作他们未经培训的设备等。如果人眼可以看到、监控、跟踪或记录它，然后机器视觉可能会更快、更准确地全天候完成这项工作，而无需休息。

Sarkar 补充说，还可以使用红外摄像头，这意味着可以教会系统寻找可能意味着零件或组件在发货前出现问题的热点。

仔细看看

机器视觉自动化是否适合组织是每个制造商必须自己回答的问题。然而，鉴于这项技术可以提供的好处，它当然值得仔细研究，尤其是在成本下降的情况下。

“在当今的成本压力下，自动化代表了最大的机会，可以最大限度地减少劳动力投入并控制这些可变成本。”西门子的 Dave Wilson 总结道：“机器视觉技术是众多先进技术之一，制造商应将其作为数字化转型努力的一部分进行探索，以确定是否存在可以为他们带来价值的用例。”

随着成本的下降，部分归功于人工智能的进步，我们很可能会看到机器视觉在越来越多的应用中得到应用。“这不是一项新技术。”Zebra 的 Montanari 强调说：“质量控制和制造企业的人们了解机器视觉的价值。但有时这对他们来说并不可行，因为它太复杂了，而复杂性会转化为成本和时间。因此，机器视觉变得越容易，我们就越有可能期待它成为一项主导技术。”