機器視覺應用程式的快速成功之道

隨著製造商將全球工廠多達 65% 的預算投入物聯網計劃，企業領導者想瞭解能如何將投資報酬率最大化。例如，營運收益是否可以彌補從頭開發具有電腦視覺之解決方案的成本？是否存在更具成本效益的技術，可以達到相同的目標？

有了機器視覺開發套件，製造商與系統整合商便更能負擔投注機器視覺與人工智慧 (AI) 的成本。要怎麼做到？可透過建立概念驗證 (PoC) 或針對特定工廠使用案例，量身打造完整開發的解決方案來讓他們迅速著手。

例如，使用此類套件進行部署可協助製造商大大減少生產線的浪費，並能在緊迫的時間內生產更多符合規格的產品。JWIPC 之類的公司已投資打造此類型的開發工具，並部署在各種製造廠區。

人工智慧就緒以進行品質控制

渝美壓鑄廠正在使用基於 JWIPC AI Ready Vision Kit for Smart Manufacturing 打造的自動缺陷偵測解決方案。與手動檢查相比，這項解決方案使該公司的品質控制流程準確性提升 20%。製造商可發現的缺陷包括零件或模具內殘留的過多鋁金屬，以及鑄件的裂痕與翹曲 (圖 1)。

為了獲得這些成果，渝美的開發夥伴開始使用套件中提供的軟硬體。其中包括資料擷取與分析軟體，以及 Intel^® Industrial Edge Insights 與 Intel^® OpenVINO^™ 工具組。這種結合協助開發團隊加速建立專為解決壓鑄工廠缺陷偵測需求而設計的演算法。

JWIPC 物聯網事業單位總經理劉迪科表示：「面對如此眾多不同的工業應用情境與要求，製造商需要大量資料與時間來訓練演算法。我們的套件提供基本功能，可協助廠商在更短的時間內輕鬆開發與部署機器視覺解決方案。」

透過集裝箱化，智慧製造套件可為不同類型的工廠與使用案例整合視覺軟體應用程式。這樣降低了完成資料儲存、資料分析以及與公共雲端或製造執行系統接合的複雜性。

JWIPC 產品提供了完整的堆疊，其中包括工業閘道和可選的攝影機與感應器，以開箱即用的方式開發有效的 PoC 或生產就緒解決方案。此外，透過許多在 Ubuntu 作業系統上執行的機器視覺應用程式，該作業系統已整合到套件中。

如此一來，系統整合商便可使用 Docker 來移植應用程式，其有助於進一步加速開發週期。Docker 也和其他作業系統相容，進而減少了其他編碼的需求。這些和其他功能（如圖2所示）均已合併到套件中。

最佳化系統

在降低成本的同時提升電腦視覺解決方案效能，必需整合多種功能。這些功能包括視訊擷取與處理、工業通訊與控制、資料分析、資料儲存以及雲端上傳。如果在多部裝置上執行此類流程，則該解決方案將導致成本增加與延遲，進而導致即時效能喪失。為了避免這些問題，JWIPC 可支援在高效能 Intel^® Xeon^® 或 Intel^® Core^™處理器上執行多個工作負載。這些選項可以降低成本、確保即時效能，並減少維護工作負載。

整個製造業對工業機器視覺解決方案的需求預計將快速增長。然而，許多工程師與系統整合商缺乏開發 PoC 所需的時間與專業知識，更不用說全面的端對端解決方案了。這可能表示會錯失參與物聯網市場擴展的機會。

但是，隨著 JWIPC 等公司開發機器視覺平台簡化自動缺陷偵測等解決方案的開發過程，便能克服進入壁壘的難關。透過減少將機器學習引進工廠所需的時間與精力，系統整合商可把這些類型的專案變得更輕鬆、更可預測且更有利可圖。