三維視覺如何解決三項任務中出現(xiàn)的已知問題

車間里，一臺高速鉆孔機出現(xiàn)了不小的公差——因為它的刀具已經(jīng)在使用過程中發(fā)生了磨損。這樣的公差影響了下游各個制造步驟，致使報廢率高達15%，拖累了零部件產(chǎn)品的日產(chǎn)量。于是，工程師不得不關掉這臺機器，重新編程。

一番折騰過后，他們確實看到了改善，但報廢率仍然達到了8.5%。為了彌補停機和報廢的損失，生產(chǎn)團隊決定接受8.5%的報廢率，好讓生產(chǎn)速度提上來，避免進一步的停機和重新編程。速度快了，產(chǎn)能自然是高了，然而由于公差太大，致使報廢率提高到了12%，因而實際產(chǎn)量并沒有多大改觀，沒過多久就已經(jīng)遠遠落后于生產(chǎn)計劃。管理層見此情景，只好批準了更多的輪班和加班。

停機、重新編程、運行、檢查，反反復復沒完沒了。

這看起來就好似一個惡性循環(huán)，讓生產(chǎn)計劃越來越遙不可及。對于高速機器人而言，準確性是至關重要的，一個錯誤的尺寸讀數(shù)就可能導致災難性后果。不過，借助三維機器視覺技術，就可以提高大規(guī)模生產(chǎn)的質量和產(chǎn)量并降低成本，這對智能機器人而言無疑是一大革新。

這項技術可以讓機器人實時做出反應、自動糾正錯誤，同時向操作人員提供反饋，在不中斷生產(chǎn)運行的情況下，主動提醒機器人的人類同行注意到存在的問題。

三維機器視覺技術可以接收、處理和應對操作過程中的意外事件，并在無需重新編程的情況下完成其任務，從而創(chuàng)造出一種完全自動化的體驗。

本文中，我們將探討由機器人處理的三項制造任務（拾放、出廠尺寸檢測和缺陷識別），以及三維視覺如何解決這三項任務中出現(xiàn)的已知問題。

拾放

借助三維機器視覺技術帶來的準確性，出廠尺寸自動檢測可以做得更加精確，而拾放的工作也能得益于機器人技術的靈活性。拾放是一個至關重要的制造步驟，尤其是在供應鏈的各個環(huán)節(jié)都很緊張的情況下。軟件工程師為拾放工作開發(fā)算法，以檢測、觸及物品，并對其進行拾取、移動和放置，以便訂單能夠順利完成。企業(yè)資源計劃（ERP）系統(tǒng)從系統(tǒng)中接收訂單，并將其傳輸?shù)綑C器人以便獲取產(chǎn)品。

隨著訂單大量涌入，浪費時間就意味著損失收入。如果機器人拾取裝置設置的抓力不合適，就可能損壞產(chǎn)品，讓時間和可銷售的商品雙雙蒙受損失。借助三維成像技術，可以得到全面的產(chǎn)品圖像，還可以將其強度信息實時反饋給處理器，為下一步的拾放動作確定動態(tài)響應。

在這一過程中，機器人無需熟悉二維圖紙，而是根據(jù)CAD模型進行校準，并實時對物體的位置進行三角測量。同時，智能機器人技術會在多次重復拾取產(chǎn)品的過程中學習并優(yōu)化最佳的拾取方式。圖像在空間位置的準確性加上對產(chǎn)品結構完整性的了解，使機器人技術能夠不斷改善（并加快）訂單執(zhí)行速度。

出廠尺寸檢測

三維機器視覺非常適合用于測量和尺寸檢測。它使用圖像傳感器記錄高度、寬度和深度維度的數(shù)據(jù)，并根據(jù)偏航軸、俯仰軸和側傾軸上剩余的自由度來定位位置。在需要嚴控公差的情況下，這種方法可以提供所需的高精度。在二維檢測中，會使用零部件的平面圖像與二維工程圖紙或一系列已知測量結果進行比較，而采用三維成像，便可借助展現(xiàn)出物體或特征的形狀、體積或深度圖像，使二維的優(yōu)勢得到增強。

二維檢測中的一個常見挑戰(zhàn)是垂直于觀察面方向上的深度或旋轉度不符合規(guī)范的特征。通過一張平面圖，可能無法捕捉到這些超出尺寸公差的偏差，導致這些本應被拒絕并打上標記以供操作員檢查流程或設備的零部件，在檢測過程中被放行。

三維機器視覺技術會在所有六個自由度上收集定位數(shù)據(jù)并構建出圖像，從而應對這一挑戰(zhàn)。采用三維機器視覺的檢測機器人會對多個視角的圖像進行比較，從而收集到更多可供分析的數(shù)據(jù)，增強檢測人員的信心。隨后，軟件會將這些信息疊加起來，通過智能機器人技術在無需人工干預的情況下實時輸出相關零部件或特征的單獨視圖。

缺陷識別

如果說拾放需要的精度是宏觀級別，尺寸檢測需要的精度是微觀級別，那么零部件缺陷檢測所需的精度就是納米級別。對于一家企業(yè)而言，產(chǎn)量以及裝配/型式/功能固然很重要，可一旦出現(xiàn)缺陷產(chǎn)品，就會嚴重損害聲譽和形象，畢竟在發(fā)現(xiàn)產(chǎn)品有問題時，消費者和客戶必然會留下差評。在激烈競爭的市場中，產(chǎn)品質量是無法妥協(xié)的，如果存在質保工程師無法檢測出來的產(chǎn)品缺陷，便會帶來失去市場份額的巨大風險。

收集零部件三維圖像的方法有很多，這些方法也可以用來描述產(chǎn)品缺陷的形狀和位置。這些缺陷有多種多樣的表現(xiàn)形式，可以是由于材料非均質性而導致意外的密度不一致，可以是破碎的內部特征，也可以是增材制造的零部件中殘留的支撐材料，或者介于任何兩種情況之間。

除了尺寸精度外，質保工程師還可以定義一套標準來放行零部件。如果該工程師無法解決漏檢問題，報廢率就會因缺陷零部件而提高，從而降低產(chǎn)量，并帶來現(xiàn)場故障的風險。三維機器成像技術可以收集、分析信息并將其傳輸給操作員，此時操作員便可立即提醒質控工程師注意產(chǎn)品缺陷問題。

機器人收集的數(shù)據(jù)為工程師提供了寶貴的實時數(shù)據(jù)，他們可以用這些數(shù)據(jù)來總結缺陷的頻率、一致性和位置，以便分析出根本原因。及早發(fā)現(xiàn)產(chǎn)品缺陷，對降低生產(chǎn)風險、維持生產(chǎn)進度而言至關重要。

總結

與任何大批量、資本密集型的過程一樣，機器會隨著時間的流逝而磨損，因而您需要在生產(chǎn)過程中采用不同于以往的開創(chuàng)性技術。采用了這些技術的機器可以化解不可預見的變化和障礙，無需重新編程即可駕馭它們并完成任務。您在操作過程中可獲得的信息越多，就越有可能更快找到解決方案。

要追求信息更加豐富的生產(chǎn)過程，三維機器視覺技術是一大得力助手。與二維的同類技術相比，它收集的數(shù)據(jù)要多得多，并且可以在大規(guī)模制造中使用這些數(shù)據(jù)來描繪物體的完整圖像。這些圖像有助于引導機器縮小拾放應用涉及的位置，并通過增加對深度和旋轉軸方向的感知來改善出廠尺寸檢測，還可以識別可能導致召回或安全問題的重大有害產(chǎn)品缺陷。

由于可以執(zhí)行動態(tài)響應而無需重新編程，三維機器視覺技術正作為物聯(lián)網(wǎng)的一部分而變得越來越普及。雖然該項技術尚未完全成為主流，但可以預見的是，它將會迅速從新穎的創(chuàng)新走向商用。企業(yè)將會繼續(xù)推動機器和流程控制之間的反饋回路進一步縮短。這項技術的能力將會持續(xù)增長，因為越來越多的行業(yè)和大規(guī)模制造過程將會連接到一起。

編輯：jq