现代化城市街道摄像头监视无处不在，不过，今天我们所指的不是应用于城市街道和地铁的摄像机。而是配备了视觉的功能的机器视觉系统，这些系统越来越多地安装在先进的生产设备中。它们正在从根本上改变制造过程，同时提高生产率、效率和质量。
在制造过程中，新的、先进的机器视觉技术如高光谱成像技术可以应用于食品和成分的功能，如pH、颜色、嫩度、成熟度等。
机器视觉(Machine vision)是指利用图像提取信息，然后利用这些信息来确认存在或不存在，检查位置或方向，以及随着时间推移分析多个连续图像而产生的模式或异常。这些能力正在以各种方式应用，以革新制造和生产过程。
例如，机器视觉可以作为自动化的基础，并与用于制造过程的机器人进行协作。在离散制造中，机器视觉使能过程可以在装配之前对来自给定材料清单(BOM)的材料、零件和标签进行视觉检查。这确保了任何给定部件或材料的适当位置和安装，以及检测任何潜在的材料缺陷的能力。结合机器人技术解决方案，这些机器视觉能力可以提醒机器人何时启动装配过程或何时在出现问题或缺陷时从过程中移除部件。
随着制造过程越来越接近消费者，机器视觉和机器人技术的结合可以应用于越来越复杂和可变的随需应变的场景，这在依赖规模经济的更传统的制造环境中是不可能的。
自动化人工智能软件“机器人”可以“学习”数以百万计的产品和部件的潜在组合。期望他们将这些知识应用到单个订单级别的零部件上，将它们呈现在制造过程中进行视觉检查，然后，一旦确认并批准，将它们传递给一个工业机器人进行最终组装，这并不是不合理的。这个过程将在几秒钟内发生，不需要人为干预。在规模上，像这样的技术可以应用于生产大量可配置的、甚至可定制的产品，但其准确性和成本效率水平比以前的可能性要高得多。
在制造过程中，新的、先进的机器视觉技术如高光谱成像技术可以应用于食品和成分的功能，如pH、颜色、嫩度、成熟度等。高光谱成像技术将计算机视觉和光谱技术结合在一起，这种技术可以从单个像素的光中分析食物和其他成分的化学组成。这意味着公司可以应用该技术来拍摄食品和其他成分的图像，并立即了解化学成分，湿度水平，营养含量等等。
这些技术可用于将食品质量和安全问题从测量具有代表性的小样本领域移出，然后将这些测试结果应用于某一特定成分或食品的总可用批次。取而代之的是，公司将能够评估所有的食物和其他成分——牛肉的每一面，纸盒里的每一个草莓，每棵生菜，每一盎司染料。
通过这样做，公司可以确保其生产或加工的所有原料和食品都是新鲜的，并有助于消除因熟透或欠熟的食品而产生的浪费。他们还可以帮助确保所有成分和食品的安全，通过检查，以确定批次没有外国物品，如塑料，金属或不安全的化合物。
最后，这些技术可以帮助确认标记为“新鲜”的食品从未被冷冻，或者确认大西洋鳕鱼实际上是大西洋鳕鱼，而不是鳕鱼包装的不同种类的鱼。从而有助于消除生产过程中的欺诈。
就像机器视觉在离散制造中可以帮助实现的可配置性和个性化一样，机器视觉和其他用于过程制造的先进技术也有可能实现类似的功能。例如，它们可以组合在一起，以控制特定消费群体的食品中添加的特定营养素的数量，或在化妆品中加入的染料的数量，从而生产出专为个人消费者定制的颜色。
进一步扩展影响，虽然机器视觉正在成功地部署在制造和生产过程中，但也有一些例子说明如何在互补过程中部署机器视觉，以改进生产计划和优化输出。
例如，饮料和零食公司在商店和自动售货机里安装了视觉摄像头。这些摄像头监视冷藏箱内的存货情况:
•通过监控确保商品销售符合要求，确保只有授权的产品被放置在冷藏箱中，所有产品都被正确放置，并在任何例外情况下提醒零售商和消费品公司。
•监控单个冷却器层面的消费者需求，定期拍摄可用库存图像，以衡量消费者对冷藏箱内产品的需求速度。
应用于此数据的机器学习功能可以帮助公司在问题发生之前预测并减轻合规风险，并对特定冷藏箱内部的各种产品进行微调。反过来，这有助于最大化基于实际消费者需求的未来销售。有了这些数据，企业可以实时更新短期预测和制造产能计划，帮助确保产能与需求平衡，并根据对未来需求的预测优化生产产出——从而最大限度地实现消费者销售，同时消除生产过剩和损耗带来的浪费。
这只是机器视觉应用的众多例子中的一小部分，但每一个都代表了该技术的光明前景，以及它帮助转变的制造过程。
閱讀更多 大軍閒談 的文章
