01目錄CONTENTS機器視覺檢測02加工過程控制優(yōu)化03裝配過程優(yōu)化04工廠運行控制優(yōu)化機器視覺檢測機器視覺檢測典型智能制造人工智能應(yīng)用場景智能制造系統(tǒng)一般由智能裝備、智能控制、智能物流、制造執(zhí)行四個分系組成，它接收ERP的生產(chǎn)指令，能夠進行優(yōu)化排產(chǎn)、資源分配、進度、智能調(diào)度、設(shè)備的運行維護和監(jiān)控、過程質(zhì)量的監(jiān)控和分析、產(chǎn)品追溯、績效管理等。其中，智能化生產(chǎn)裝備和控制系統(tǒng)，可組成多條柔性生產(chǎn)系統(tǒng)、柔性制造單元、柔性生產(chǎn)線進行產(chǎn)品的加工、裝配、優(yōu)化控制。在從生產(chǎn)任務(wù)下達到產(chǎn)品交付全過程的人、機、料、法、環(huán)的優(yōu)化管理和閉環(huán)控制，都包括在智能生產(chǎn)活動之中，這其中人工智能在制造業(yè)的領(lǐng)域主要有以下應(yīng)用方向：機器視覺檢測、制造過程控制智能化、裝配過程自動化、工廠運行控制智能化。機器視覺檢測1Part機器視覺檢測機器視覺就是用機器代替人眼來做測量和判斷，通過視覺系統(tǒng)對產(chǎn)品圖像攝取，同時將被攝取的目標轉(zhuǎn)換為圖像信號傳送給專用的圖像處理系統(tǒng)，得到被攝目標的形態(tài)信息，再將像素分布和亮度、顏色等信息轉(zhuǎn)變成數(shù)字化信號，圖像系統(tǒng)對這些信號進行各種運算來抽取目標的特征，進而根據(jù)判別結(jié)果來控制現(xiàn)場的設(shè)備動作。

和人眼相比，機器視覺具有效率快、精準性高且永不知疲倦等顯著優(yōu)勢，因而被廣泛應(yīng)用于工業(yè)制造的各個環(huán)節(jié)。機器視覺檢測應(yīng)用一

輪轂分類應(yīng)用背景介紹：輪轂（如圖所示）是汽車輪胎的重要支撐骨架，其根據(jù)直徑、寬度、成型方式、材料不同種類繁多。從制造的維度來看，不同的類型應(yīng)選擇不同加工路線、加工機床、刀具等。

應(yīng)用需求：

在自動化生產(chǎn)線上要實現(xiàn)多品種輪轂的混流生產(chǎn)，首先要完成的就是輪轂類型的識別。這些任務(wù)早期都是由人工方式來完成，流水線周而復(fù)始，工人沒有片刻休息時間。在工作強度大、時間長、長期緊張的工作狀態(tài)下，工人容易感到疲倦，導(dǎo)致分類/分割工作的速度、穩(wěn)定性和準確性都無法保障。應(yīng)用需求分析：

目前一些前沿制造廠家已經(jīng)提出基于機器視覺的分類算法，他們根據(jù)實驗選擇了五個特征：輪轂中心是否有孔洞、輪轂邊緣區(qū)域的孔數(shù)、輪轂半徑、輪轂面積，以及旋轉(zhuǎn)不變性，利用投票分類器對提取的特征進行分類，與傳統(tǒng)方法相比能達到較好的效果。機器視覺檢測應(yīng)用二PCB缺陷檢測應(yīng)用背景介紹：印刷電路板（PCB，如圖1所示）是集成各種電子元器件的信息載體，在電子領(lǐng)域中有著廣泛的應(yīng)用，其質(zhì)量直接影響到產(chǎn)品的性能。隨著電子制造業(yè)發(fā)展，電子產(chǎn)品趨于更輕、更小、更薄化，所以PCB的質(zhì)量如何將對電子產(chǎn)品能否長期正?？煽抗ぷ鲙矸浅４蟮挠绊?。應(yīng)用需求：

PCB缺陷檢測包括兩部分：外觀檢測和字符讀取檢測。

檢測PCB板字符碼（圖

2）形態(tài)是否符合標準，是否清晰無缺失，線條是否光滑無凸點，是否存在線體重合、重影、麻點、變形、色差、偏位、錯印等缺陷，在工廠流水線上生產(chǎn)PCB板時，大多數(shù)生產(chǎn)廠商仍采用傳統(tǒng)的人工檢測方式。但工人眼睛長時間勞作，易疲勞進而導(dǎo)致檢測的失誤，此外人工檢測效率低下、檢測的標準不統(tǒng)一。印刷電路板（PCB）檢測PCB板字符碼機器視覺檢測應(yīng)用二PCB缺陷檢測應(yīng)用產(chǎn)業(yè)情況分析：

相比國外，在PCB視覺缺陷檢測系統(tǒng)設(shè)備（專有名詞：自動光學(xué)檢測設(shè)備，AOI）開發(fā)方面，我國起步較晚，但最近幾年也陸續(xù)出現(xiàn)一些優(yōu)秀的設(shè)備廠商，比如科測電子科技有限公司、?？低暋⑷A為、廣州的鐳晨科技、東莞神州視覺等。國內(nèi)第一臺真正意義上的AOI檢測設(shè)備是東莞神州視覺的研發(fā)團隊自主研究完成，此后在國內(nèi)，AOI檢測設(shè)備越來越多的被研發(fā)出來，打破了國外廠商在AOI市場的壟斷，降低了AOI檢測設(shè)備的成本，但對于AOI檢測設(shè)備頂尖的技術(shù)，國內(nèi)相較國外還是存在很大差距，對于一些特別復(fù)雜、精度要求極高的元器件還是無法檢測。

另外，在PCB基礎(chǔ)上進行加工的一系列工藝流程稱為表面組裝技術(shù)(SMT)，電子元器件小型化、器件貼裝高密度化、器件管腳陣列復(fù)雜化和多樣化對現(xiàn)代SMT設(shè)備提出更高的要求。通過運用機器視覺的定位、測量、檢測技術(shù)，能夠提升SMT設(shè)備的生產(chǎn)效率、提高貼裝精度高以及提升連續(xù)工。機器視覺檢測應(yīng)用三

藥品智能管理應(yīng)用背景介紹：

藥品的生產(chǎn)和加工過程是非常嚴格的，任何微小的差錯都有可能造成嚴重的后果。通過機器視覺手段實現(xiàn)對藥品生產(chǎn)過程的質(zhì)量控制和管理控制，如對藥片外形、計數(shù)、包裝質(zhì)量進行監(jiān)控，可以提升藥品質(zhì)量和包裝質(zhì)量，保障患者的生命安全。

在藥品的生產(chǎn)、包裝過程中，無論是泡罩包裝、液體灌裝，還是后段的壓蓋、貼標、噴碼、裝盒都不允許有哪怕0.01%的缺陷存在。藥品在生產(chǎn)制造過程中的缺陷一般有以下6種情況：12包裝過程中，泡罩人工檢測易漏檢受干擾藥片刻字污漬缺陷，人工抽樣檢測效率低紗布外觀檢測機器視覺檢測應(yīng)用三

藥品智能管理3液體玻璃藥瓶破損檢測，人工穩(wěn)定性低4膠囊生產(chǎn)畸形等人工檢測易二次污染5無紡布常有蚊蟲、孔洞人工檢測漏檢率高6藥品說明書文字檢測易受人工注意力集中影響各類缺陷以及各類缺陷的檢測結(jié)果（藥物外觀文字檢測，藥瓶外觀瑕疵檢測，膠囊合縫檢測，藥品外觀檢測）機器視覺檢測應(yīng)用四

產(chǎn)品表面質(zhì)量檢測應(yīng)用背景介紹：由于產(chǎn)品表面缺陷可直接通過視覺檢查，因此機器視覺在產(chǎn)品表面質(zhì)量檢測有大量應(yīng)用。一般機器視覺可以進行基于產(chǎn)品表面品質(zhì)特征的檢查，通過機器視覺對產(chǎn)品表面凹陷、劃痕、裂紋以及磨損的檢查或?qū)Ρ砻婢?、粗糙度和紋理的檢測，對產(chǎn)品進行有效的評估或分級。應(yīng)用案例分析：

以LCD面板生產(chǎn)商，深圳華星光電為例，檢驗是整個LCD制造流程中保證產(chǎn)品質(zhì)量最關(guān)鍵的部分。要求訓(xùn)練有素的質(zhì)檢人員檢查每個LCD屏幕是否存在瑕疵，但仍有可能漏掉缺陷。同時培訓(xùn)一名經(jīng)驗豐富的員工需要花費大量時間和資源。如果未能在發(fā)給設(shè)備制造商前發(fā)現(xiàn)瑕疵，可能導(dǎo)致代價高昂的產(chǎn)品退貨和返工。

因此，華星光電引入了人工智能，使用IBMWatsonIoT加速目視檢查流程，如圖所示檢測流程

。

機器視覺檢測應(yīng)用四

產(chǎn)品表面質(zhì)量檢測應(yīng)用案例AI自動檢測實現(xiàn)過程另外，VisualInsights不停地進行學(xué)習(xí)。它持續(xù)地從檢驗團隊獲取反饋，檢驗團隊利用他們多年積累的專業(yè)知識檢查并評估它的自動化分類。糾正信息以及來自車間的圖像隨后包含到AI模型的下次訓(xùn)練周期中，從而改善它檢測未來缺陷的能力。VisualInsights可以在數(shù)毫秒內(nèi)完成產(chǎn)品圖像分析，比操作人員快數(shù)千倍，從而縮短檢驗交付周期。VisualInsights對它分類的每張圖像分配置信水平，從零(無匹配)到100%(完全匹配)不等。如果置信水平低于可接受的閾值，系統(tǒng)提示檢驗人員檢查此項目并確定是否確實存在缺陷。加工過程控制優(yōu)化2Part加工過程控制優(yōu)化

智能制造裝備是指通過結(jié)合傳感、人工智能等技術(shù)，使得裝備能對本體和加工過程進行自感知，對與裝備、加工狀態(tài)、工件和環(huán)境有關(guān)的信息進行自分析，根據(jù)零件的設(shè)計要求與實時動態(tài)信息進行自決策，依據(jù)決策指令進行自執(zhí)行，實現(xiàn)加工過程的“感知——分析——決策——執(zhí)行——反饋”的大閉環(huán)，保證產(chǎn)品的高效、高品質(zhì)及安全可靠加工。加工過程控制優(yōu)化應(yīng)用五

工況在線檢測中故障檢測案例應(yīng)用需求背景：

在制造加工中，有大量的工業(yè)機器人。如果其中一個機器人出現(xiàn)了故障，當人感知到這個故障時，可能已經(jīng)造成大量的不合格品，從而帶來不小的損失。如果能在故障發(fā)生以前就檢知，則可以有效做出預(yù)防，減少損失。

基于人工智能和IoT技術(shù)，通過在工廠各個設(shè)備加裝傳感器，對設(shè)備運行狀態(tài)進行監(jiān)測，并利用神經(jīng)網(wǎng)絡(luò)建立設(shè)備故障的模型，則可以在故障發(fā)生前，對故障提前進行預(yù)測，將可能發(fā)生故障的工件替換，從而保障設(shè)備的持續(xù)無故障運行一般故障智能檢測和診斷信息流程總體來講，人工智能故障預(yù)測還處于試點階段，成熟運用較少：（1）大部分傳統(tǒng)制造企業(yè)的設(shè)備沒有積累足夠的數(shù)據(jù)；（2）很多工業(yè)設(shè)備對可靠性的要求極高，即便機器預(yù)測準確率很高，依舊難以被接受。（3）投入產(chǎn)出比不高，很多人工智能預(yù)測功能應(yīng)用后，如果成功能減少5%的成本，但如果不成功反而可能帶來成本的增加裝配過程優(yōu)化3Part裝配過程優(yōu)化裝配過程控制優(yōu)化：指通過大數(shù)據(jù)、人工智能等方法，結(jié)合智能機器人、人機協(xié)同等新興技術(shù)，實現(xiàn)裝配過程的自動化與智能化，從而提升裝配系統(tǒng)運作效率，為企業(yè)創(chuàng)造新的價值。目前，在我國現(xiàn)代化工業(yè)生產(chǎn)中，機器視覺的應(yīng)用效率最高，裝配機器人對機器視覺系統(tǒng)有著更高的追求。裝配機器人的視覺系統(tǒng)通過與觸覺和力學(xué)等非視覺傳感器的協(xié)調(diào)配合，完成機器人對于待裝配工件的識別、定位及檢測功能，最終完成抓取、分揀、插入和擰緊等裝配動作。裝配機器人在現(xiàn)代化生產(chǎn)加工過程中應(yīng)用越來越廣，在精度、速度以及柔韌性等方面都有著很高的要求。單純一套機械臂不能像人一樣對外部環(huán)境等的變化有快速的適應(yīng)能力和感知能力，工作場景單一可以通過在成熟機械臂系統(tǒng)中裝入多種傳感器件，來提高機器人對周邊環(huán)境的感知以及適應(yīng)能力視覺傳感系統(tǒng)和人工智能相關(guān)算法的引入最為重要。加工過程控制優(yōu)化應(yīng)用六

智能上料裝配工作應(yīng)用行業(yè)背景：汽車制造是自動化程度最高的行業(yè)之一，但汽車主機廠、零部件廠超過一半的上下料和裝配工序都是人工在作業(yè)，工作強度大、重復(fù)性高、招工困難；且由于汽車零部件種類多達數(shù)千種、人工送料偏差導(dǎo)致來料不規(guī)整等問題使得傳統(tǒng)自動化無法應(yīng)對柔性化的生產(chǎn)模式，越來越多汽車主機廠及零部件廠商開始布局AI視覺智能上下料、裝配機器人。湖南視比特機器人面向汽車主機廠、汽車零部件廠的上下料、分揀、裝配等場景，研發(fā)了基于“AI+3D視覺”的機器人上料裝配工作站（SpeedLoader-M，如左圖），依托3D視覺高精度定位算法、3D視覺高精度糾偏算法，實現(xiàn)了對多品類、無序來料的汽車零部件高精度定位抓取及高精度糾偏放置，在汽車全自動柔性機器人生產(chǎn)線中該套系統(tǒng)可實現(xiàn)敏捷開發(fā)、快速部署。

加工過程控制優(yōu)化應(yīng)用七

裝配機器人視覺分揀應(yīng)用行業(yè)背景：裝配過程中有許多需要分揀的作業(yè)，若采用人工分揀，則速度緩慢且成本高，如果采用工業(yè)機器人，則可以大幅減低成本、提高速度。但是，一般需要分揀的零件是沒有整齊擺放的，機器人必須面對的是一個無序的環(huán)境，需要機器人本體的靈活度、機器視覺、軟件系統(tǒng)對現(xiàn)實狀況進行實時運算等多方面技術(shù)的融合，才能實現(xiàn)靈活的抓取，可謂困難重重。近年來，國內(nèi)陸續(xù)出現(xiàn)了一些基于深度學(xué)習(xí)和人工智能技術(shù)，解決機器人視覺分揀問題的企業(yè)，如埃爾森、梅卡曼德、庫柏特、埃克里得、阿丘科技等，它們通過計算機視覺識別出物體及其三維空間位置，指導(dǎo)機械臂進行正確的抓取。埃爾森3D定位系統(tǒng)（如左圖）是國內(nèi)首家機器人3D視覺引導(dǎo)系統(tǒng)，針對散亂、無序堆放工件3D識別與定位，通過3D快速成像技術(shù)，對物體表面輪廓數(shù)據(jù)進行掃描，形成點云數(shù)據(jù)，對點云數(shù)據(jù)進行智能分析處理，加以人工智能分析、機器人路徑自動規(guī)劃、自動防碰撞技術(shù)，計算出當前工件的實時坐標，并發(fā)送指令給機器人實現(xiàn)抓取定位的自動完成。

工廠運行控制優(yōu)化4Part工廠運行控制優(yōu)化工廠運行控制優(yōu)化是指利用智能傳感、大數(shù)據(jù)、人工智能等技術(shù)，實現(xiàn)工廠運行過程的自動化和智能化，基本目標是實現(xiàn)生產(chǎn)資源的最優(yōu)配置、生產(chǎn)任務(wù)的實時調(diào)度、生產(chǎn)過程的精細管理等。其主要功能架構(gòu)包括智能設(shè)備層、智能傳感層、智能執(zhí)行層、智能決策層。工廠運行控制優(yōu)化智能設(shè)備層主要包括各種類型的智能制造和輔助裝備，如智能機床、智能機器人、AGV/RGV、自動檢測設(shè)備等;智能傳感層主要實現(xiàn)工廠各種運行數(shù)據(jù)的采集和指令的下達，包括工廠內(nèi)有線/無線網(wǎng)絡(luò)、各種采集傳感器及系統(tǒng)、智能產(chǎn)線分布式控制系統(tǒng)等;智能執(zhí)行層主要包括三維虛擬車間建模與仿真、智能工藝規(guī)劃、智能調(diào)度、制造執(zhí)行系統(tǒng)等功能和模塊;智能決策層主要包括大數(shù)據(jù)分析、人工智能方法等決策分析平臺。工廠運行控制優(yōu)化的主要關(guān)鍵技術(shù)包括智能動態(tài)調(diào)度技術(shù)等。工廠運行控制優(yōu)化應(yīng)用八

車間智能動態(tài)調(diào)度技術(shù)車間調(diào)度作為智能生產(chǎn)的核心之一，是對將要進入加工的零件在工藝、資源與環(huán)境約束下進行調(diào)度優(yōu)化，是生產(chǎn)準備和具體實施的紐帶。然而，實際車間生產(chǎn)過程是一個永恒的動態(tài)過程，不斷會發(fā)生各類動態(tài)事件，如訂單數(shù)量/優(yōu)先級變化、工藝變化、資源變化(如機器維護/故障)等。動態(tài)事件的發(fā)生會導(dǎo)致生產(chǎn)過程不同程度的癱瘓，極大地影響生產(chǎn)效率。國內(nèi)應(yīng)用案例：

目前中國科學(xué)院沈陽自動化研究所在車間智能調(diào)度方面取得新進展，基于深度強化學(xué)習(xí)方法，實現(xiàn)了動態(tài)訂單下可重構(gòu)車間對動態(tài)生產(chǎn)調(diào)度和車間重構(gòu)的實時優(yōu)化和智能決策。由于車間調(diào)度問題多屬于NP難問題，傳統(tǒng)元啟發(fā)式算法只能在多項式時間內(nèi)求得近優(yōu)解。對大規(guī)模問題，元啟發(fā)式算