基于智能機器視覺的工業大數據預警分析系統

王先毅

在人工智能高速發展的大環境下，計算機視覺作為人工智能的眼睛，將為人工智能的發展做出極其有力的技術支撐。本文面向電子裝配行業，創新性地將AI技術與機器視覺融合，研發PCB智能視覺高速排錯系統，并提出智能視覺機器人協作生產線方案；同時探索基于大數據挖掘技術，構建工業分析預警系統。

【關鍵詞】人工智能 機器視覺 PCB 機器人生產線

隨著《“互聯網+”人工智能三年行動實施方案》的發布和國家對制造業的高度重視，2016年中國人工智能市場規模達到239億，其中智能硬件平臺為152.5億，占比達到63.8%，高于86.5億的軟件集成平臺。未來三年人工智能市場將迎來新興機遇點，預計2017年產業規模達到295.9億，2018年將達到381億元，復合增長率達26.3%。

很顯然，人工智能正處于爆發式的發展階段，作為對于先進科技最為敏感的工業界，會有大批量的技術更新換代的需求。人工智能可以從各種方面優化制造業，提高流水線效率，精進制造工藝，解放技術工人生產力等等。人工智能的發展將會重塑萬億級別的產業，激發工業界的潛在創新能力。

1 基于計算機視覺的視覺層智能高速檢測排錯設備設計方案

印刷電路板（PCB）是集成各種電子元器件的信息載體，由于貼片元器件體積小，安裝密度大，這就要求PCB板的集成度進一步提高。為了保證電子產品的性能，PCB板缺陷檢測技術已經成為電子行業中非常關鍵的技術。電路板缺陷檢測包括兩部分：焊點缺陷檢測和元器件檢測，傳統的檢測采用人工檢測方法，容易漏檢、檢測速度慢、檢測時間長、成本高，已經逐漸不能夠滿足生產需要。因此，設計一種高效精準搭載工業相機以取代人眼的機器視覺電路板檢測系統，具有非常重要的現實意義。機器視覺檢測技術是建立在圖像處理算法的基礎上，通過數字圖像處理與模式識別的方法來實現，與傳統的人工檢測技術相比，提高了缺陷檢測的效率和準確度。

本系統將視覺設備設置于電子設備（如PCB板，單片機，電腦主板）安裝的末端，采用高速工業攝像頭，對裝配好的器材進行拍照，并出傳輸到排錯設備的主機進行高速的分析，在毫秒級單位的時間內，分析出正在檢測的設備是否正確安裝及正確排版等一系列視覺層可分析的錯誤（電容大小是否正確，排線順序是否正確，電路板虛焊是否存在等問題）。

本系統由計算機視覺的分支：深度學習的CNN（卷積神經網絡）在主板中實現，根據檢測設備的不同，在前期進行大量的圖片訓練，調試卷積神經網絡各個層次之間的參數權重，構建專屬的卷積神經網絡。將圖片轉換成像素級的矩陣，并對其進行多層次卷積，得到該像素矩陣的得分函數，返回該圖片的分類，確定是否為正確的組裝設備，如圖1所示。

2 基于視覺機器人智能生產線設計方案

建立在3D視覺引導下的，機器人與機器人間，機器人與供料機構間的定位聯動系統。該系統以機器人為主體，供料機構與機器人可任意組合。采用手眼識別的定位原理，首先通過CCD攝像機、圖像信號接收與A/D轉換模塊、圖像處理模塊，實現對圖像信息的獲取、采集、轉化、分析、提取和邊界特征識別，分析出供料機構的空間坐標信息，并傳送給總控模塊，總控模塊做出智能判斷并指導控制執行模塊，將供料機構的坐標系與自己建立的坐標系關聯。通過供料機構的電路接口與主控機器人的電路接口。

該生產線包括傳送帶和高精度的搬運、注膠、焊接和裝配機器人等。在機械臂的末端裝置CCD攝像機，使得機器人能夠精準快速的查找裝備目標，極大地節約設備運行效率。

使用OPENCV編譯的可執行文件，對攝像機傳輸回處理器的圖像進行，線性切分，轉換像素矩陣，灰度化圖像。并在毫秒級環境下，準確提取圖片特征，對圖片進行分析，找到操作點。

各功能機器人實現聯動工作，生產線傳送帶將空殼體傳送至該工位，裝配機器人通過視覺設備將殼體固定于裝配工位，并根據視覺系統的分析，準確的將零件逐一安裝在殼體上，而后通過傳送帶將其傳送至打螺絲工位，打螺絲機器人，通過視覺設備快速定位螺絲口，快速精準選取所對應的的螺絲，從而實現高度智能化，自動化。然后螺絲振動盤上抓取螺絲安裝于殼體上，并進行固定；完成安裝后傳送帶將殼體運送到下一個工位。

3 基于大數據深度挖掘的工業智能腦決策系統

隨著大規模定制和網絡協同的發展，制造業企業還需要實時從網上接受眾多消費者的個性化定制數據，并通過網絡協同配置各方資源，組織生產，管理更多各類有關數據。

本系統構建了基于大數據深度挖掘及潛在價值分析的智能決策模型，定義為數字工廠智能腦模型，系統體系由以下四個方面組成。

（1）數據流收集系統。數據從設備不同的傳感器生成后被通過網絡傳輸到生產商的服務器上。

（2）數據豐富系統。利用其他外部數據來豐富已有的機器日志，比如說人口數據，地址數據。

（3）變量生成系統。在一段時間內，為每個測量值，每臺設備生成幾千個變量特征的范式。

（4）機器學習系統。具有預測力的變量被自動選擇，分類模型已經建立創建完成，并用于后期收集的數據。

（5）商業行動系統。生產商以及銷售網絡可以執行或者建議對高風險機器進行預防性維修，如圖2所示。

4 結束語

人工智能在國內外處于一個黃金階段且正在高速發展，但國內的發展相對滯后，本文旨在電子行業首創運用AI技術，實現作業機器人與智能視覺的協同，利用大數據分析平臺，指導企業的生產優化，對電子行業的智能化發展具有一定的指導作用。

參考文獻

[1]丁林祥.電子制造業機器人智能化解決方案[M].北京：機械工業出版社，2016（06）.

[2]吳云峰，邱華，胡華強.面向設計與制造的數字化工廠平臺[J].中國制造業信息化，2011（01）.

作者單位

湖南長城計算機系統有限公司 湖南省株洲市 412000