云边协同赋能机器视觉 为工业制造点亮“智慧之眼”

据报道，近日于莫斯科举办的国际象棋公开赛中，机器人夹伤了一名7岁参赛儿童的手指。俄罗斯国际象棋联合会副主席表示，比赛过程中男孩违反了人机比赛的安全规则，没有等待机器人完成移动就迅速回击，导致机器人对其造成了伤害，机器人的视觉功能及操作安全性再次受到质疑。

1

工业机器人视觉缺失

智能制造安全存隐患

从现场录像可以看出，该起事故并非机器人的“故意伤害”，它仅是一个自动执行工作的工业机械臂，在对棋局进行分析后向目标位置执行气动夹持的指令，其视觉模块仅能分辨棋盘位置，并不具备物体检测等功能，无法与人发生交互行为，因此在它的工作时间内，小男孩的手出现在其工作区域内，致其被误认为“棋子”，才出现以上场景。

随着数字化转型的深入开展，在工业制造领域，一些智能器械的出现大大提高了生产进程，解放了部分人力，但人与机器协同工作的场景仍普遍存在，一些机械自动设备通过示教编程处理逻辑固定的动作，并不具备应对突发状况的能力，当有人员进入其工作区域，致其无法判断目标从而被误伤的情况时有发生。因此在智能制造力求效率的环境下，如何优化生产流程、保障安全生产成为了新的考验。

2

AI推动机器视觉落地

捍卫安全生产红线

在生产过程中，一些工厂为了防范大型冲压机械、切削设备等对作业人员造成伤害，会采用安全光幕来进行应对。但由于受范围及灵活性的辖制，在高度数字化的智慧工厂，更多选择以机器视觉为基础的解决方案，搭载前沿的3D视觉模块，以图像作为处理媒介，获取环境信息，保障作业人员安全。相较常规软件层面的2D识别，3D视觉系统能够使机器人精准识别视野范围内每个位置的三维坐标，搭配边缘计算设备通过算法获取立体成像，能更加准确识别其信息。

为了使机器人准确识别不同物体，必须依赖深度学习的神经网络算法，如卷积神经网络，用于模拟人脑，可在输入层处理多维数据，高精度判断3D空间内的图像结果。无论是三维定位引导还是物体识别检测，当机器人训练的次数越多，伴随着数据的积累与模型的完善，其后续动作及识别的准确性也会随之提高。在长期的深度学习训练后，机器视觉在定位，识别，检测等多个方面均可发挥其显著优势，在提高效率的同时，为生产安全保驾护航。

3

AI+边缘算力部署

驱动智造发展强劲动力

机器视觉要求其背后的复杂算法能够支撑机器人对空间位置、物体动作、行为轨迹等复杂信息进行捕捉识别，主要涉及图像处理、图像增强、图像复原、图像分类、纹理分析、色彩分析、缺陷识别等。为了增强机器视觉的判断能力，避免因判断失误导致的安全问题，往往需要更先进的算法来进行推理，包括用修剪神经网络来去除不重要权值、深度压缩算法促进复杂神经网络的移动应用等，因而对算力设备的要求也极其严苛。

通过以机器视觉为基础的智能制造解决方案，能达到在作业人员接近危险区域时，机械设备并不需要完全停止运转，而是进入一个相对安全稳妥的工作状态，从而在保证生产安全的大前提下，依然保持作业高效开展。树之养分在于根，坤前将为中国“智”造转型注入来自底层数据计算的澎湃动力。