罗克韦尔自动化最新客户调研显示，提升产品质量是制造业数字化转型的首要催化剂。此外，受访企业表示，人工智能 (AI) 最具影响力的应用领域在于实现闭环质量控制。
在 2024 年自动化博览会上，罗克韦尔自动化 FactoryTalk Analytics VisionAI 产品经理 Amanda Thompson 主持了一场专题会议，重点推介了 2024 年 9 月发布的最新款 VisionAI。新发布的 VisionAI 解决了罗克韦尔客户高度关注的质量和 AI 功能问题。
Thompson 解释道，虽然 VisionAI 的确采用了机器视觉技术，但其远不止是一个机器视觉系统。“这是一个旨在帮助您了解所生产产品质量的质量检测平台，”她提到。“它不仅能判断零部件或产品的质量，还能分析其原因。”
她补充道，该系统每分钟可对 500 至 600 个零件执行视觉检测（视具体应用而定），以读取条形码、对零件分类以进行识别和分拣、检测表面缺陷、执行缺失检测以及读取/验证文本。
除检测功能外，VisionAI 还提供追溯功能，方便用户查看系统标记为缺陷的图像，并与验收合格图像进行比对，从而提供具体缺陷的证明。Thompson 表示：“VisionAI 具备根本原因分析功能，可分析产品不合格的原因，并提供通知功能，确保能够立即处理检测到的问题。”
该解决方案正是为顺应罗克韦尔自动化开发 AI 驱动技术的发展方向而打造的，这些技术依赖终端用户的领域专业知识进行优化，Thompson 指出，VisionAI 是一个专为运营与质量控制人员设计的无代码平台，且“依托您的专业知识来提供系统所需信息，以做出高质量决策”。
VisionAI 架构与运营
VisionAI 的架构覆盖范围从云端延伸到边缘，整合了嵌入式分析、数据存储以及多个应用程序编程接口，以实现与制造执行系统和企业资源计划系统的集成。云端部署了 AI 引擎及远程访问功能，用于监测、管理与部署 VisionAI 边缘功能。边缘端部署了本地硬件，如边缘计算机、人机界面、PLC 集成，以及视觉系统的摄像头、镜头和照明装置。
Thompson 强调，VisionAI 目前兼容 Basler 工业相机，其他对第三方视觉系统的支持将于 2025 年发布。
在阐释 VisionAI 的工作原理时，Thompson 表示第一步需要用户“明确指定希望 VisionAI 执行的检测类型。随后即可进行图像采集，并对图像进行合格状态标注。训练系统所需的图像数量取决于具体的检测类型。”
她补充道，VisionAI 提供图像训练进度图表，可提示用户当前图像供给量是否已达到成功训练模型所需标准。VisionAI 生成的训练报告会显示模型开发过程中的准确率，不仅能识别图像是否标注错误，还允许用户在部署前修正标注数据，从而提升准确性。
完成对云端模型的训练后，就可以部署至边缘，单个系统最多可支持 8 个摄像头，并支持通过现场或远程访问显示实时摄像机画面。
“缺陷轮播功能会显示不合格图像，用户可通过双击图像查看缺陷原因的详细分析，”她解释道。“VisionAI 还可聚合跨系统和跨时段数据，使系统仪盘支持批次、工位、生产日及其他要素的对比分析，从而满足具体排障需求。”
质量报告直接由 VisionAI 生成，以确保所有相关方接收的报告相一致。
Thompson 补充道，VisionAI 的远程访问功能还支持用户进行图像标注，即使用户不在现场也能进行模型训练与部署。“此外，版本控制功能确保用户可追溯模型变更记录，如此一来，如果新模型表现未达预期，用户即可重调至先前部署的模型版本。”她表示。
行业应用
Thompson 指出，VisionAI 适用于多种不同行业应用场景，包括：
包装：VisionAI 可执行多项包装检测，包括识别瓶体缺陷、核验标签上的保质期与时间戳，以及评估瓶盖是否旋紧或泄露。Thompson 强调：“所有上述检测项目均可通过 VisionAI 同步执行，以便为产品提供统一的质量评估结果。”她补充道，VisionAI 采用配方化理念。“若产线需生产不同品牌的洗发水，且需执行略有差异的检测方案，那么您可为每款产品或 SKU 创建专属检测配方。”她解释道。
食品饮料：即使在复杂背景下，VisionAI 也能够识别缺陷问题。例如，该系统可检测传送带上的谷物，验证其形状与颜色是否符合标准，并标记瑕疵或异物。它还能评估产品上配料的铺放情况，例如检测贝果或甜甜圈上的配料铺放空隙问题。
汽车：VisionAI 在该领域的应用包括检测必贴标签是否缺失、验证标签位置是否正确、识别汽车座椅套褶皱/堆积情况等，并可标注这些褶皱在座椅上的具体区域，便于进行物理评估。
作者简介
David Greenfield |《自动化世界》
David Greenfield 于 2011 年 6 月加入《自动化世界》。凭借丰富的行业知识和媒体经验，David 任职期间撰稿良多，常登于《自动化世界》（Automation World，简称“AW”）的印刷版、网络版及定制栏目中。在职业生涯早期，David 曾担任 UBM Electronics 旗下《设计新闻》的编辑总监。在加入 UBM 之前，他还担任过 Reed Business Information 旗下《控制工程》的编辑总监，并曾以出版人身份参与《制造商业技术》的工作。