/

工业自动化的“第三只眼” | 斑马技术 原创

作者：黄当当
机器视觉赋予了工业机器人智慧化，并被认为是整个工业从 3.0 时代迈向 4.0 时代的关键一步。
工业1.0、2.0时代，走进一家电子厂，你或许会看到一排排工人正在进行装配、贴标或质检等重复性的劳动作业。这是那个时代司空见惯的制造场景。
 
然，工业3.0时代，技术改了一切。如今，在许多现代化工厂中，工人变成了流水线旁边负责巡检的“配角”，工业机器人替代了繁重的人工作业，电子信息技术的广泛应用让生产的自动化水平大幅提高，工业界也由此步入了3.0时代。
 
但，这依然不够。因为传统的工业机器人，还停留在通过编程设置来实现各种简单的操作，极大限制了机器人的应用。如果能让机器像人一样拥有“意识”，可以根据产品的位置、颜色、表面特征等信息进行对应的操作，显然就能进一步解放生产力，完成柔性化的制造，而实现这一切的前提就是为机器装上“眼睛”，也就是“机器视觉”。
 

工业自动化的“第三只眼” | 斑马技术

 
某种程度上，机器视觉赋予了工业机器人智慧化，并被认为是整个工业从 3.0 时代迈向 4.0 时代的关键一步。
 
作为数字技术的提供商，斑马技术就拿出了一套机器视觉方案：包含硬件——固定式工业扫描器 (FIS) 和机器视觉 (MV) 智能相机套件，与软件——Zebra Aurora，用于检验生产线和产品运输流程，并助力完善制造、仓储和物流环境中的质量水准，比如，汽车轮毂型号识别、磁性材料外观缺陷检测、产品包装上的条码和字符识别等。
 
最新的固定式工业扫描器（FIS）和即将发布的机器视觉（MV）解决方案，就像工业自动化产线上的“第三只眼”，帮助企业实现追踪和追溯能力，以及制造过程中的质量检验，以下是2个典型场景：
 

工业自动化的“第三只眼” | 斑马技术

 
场景1：外观检测
 
随之现代工业自动化的发展，机器视觉检测被广泛应用到各种各样的检查、测量和零件识别，这类应用的共同特点是连续大批量生产、对外观质量的要求非常高。
 
在过去，这种带有高度重复性和智能性的工作，只能靠人工检测来完成，在给工厂增加巨大的人工成本和管理成本的同时，仍然不能保证100%的检验合格率；而机器视觉检测，则可以通过自动化、客观、非接触和高精度的特点，来代替人工来检测这些单一、重复性的程序。
 
与一般意义上的图像处理系统相比，机器视觉检测强调的是精度和速度，以及工业现场环境下的可靠性，不仅可以提高合格产品的生产能力，并在生产过程的早期就报废劣质产品，从而减少了浪费节约成本。
 
场景2：扫描识别
 
二维码和条形码是我们生活中极为常见的条码。
 
工业自动化的“第三只眼” | 斑马技术
 
在商品的生产中，厂家把很多的数据储存在小小的二维码中，通过这种方式对产品进行管理和追溯，随着机器视觉图像识别应用变得越来越广泛，各种材质表面的条码变得非常容易被识别读取、检测，从而提高现代化的水平、生产效率大大的提高、生产成本却逐渐降低。
 
斑马技术的固定式工业扫描器(FIS)解决方案能够读取一维/二维条码、直接零部件标识 (DPM) 和光学字符识别 (OCR) 文本，有助于提升生产力和实现货物运输的自动化，从而推动仓储、运输和退货流程中的效率提升。
 
机器视觉 (MV) 智能相机则可应用在各种分离的制造过程中实现自动化质量检验，该技术能够减少缺陷并验证装配和追踪信息，以提高生产效率和质量水平。
 
斑马技术大中华区总负责人谢少毅表示：“斑马技术自创立至今53年以来，坚持创新与开拓。“同时，他还宣布了一个好消息，固定式工业扫描器 (FIS) 现已面市，而机器视觉 (MV) 解决方案也将于今年晚些时候落地中国市场，推动效率和生产力的提升。

来源：至顶网商用办公频道

0赞

好文章，需要你的鼓励

推荐文章
Ankh3: 蛋白质语言模型的多任务预训练革命，让蛋白质“说话“更有深度

蛋白质语言模型

多任务预训练

生物信息学

2025-06-01

Ankh3: 蛋白质语言模型的多任务预训练革命，让蛋白质“说话“更有深度

这项研究介绍了Ankh3，一种创新的蛋白质语言模型，通过多任务预训练策略显著提升了模型性能。研究者采用两种互补任务：多掩码概率的掩码语言建模和蛋白质序列补全，使模型仅从蛋白质序列就能学到更丰富的表示。实验表明，Ankh3在二级结构预测、荧光预测等下游任务中表现优异，尤其在模型未曾训练过的任务上展现出强大泛化能力，为蛋白质设计和分析开辟了新路径。

脑部核磁共振正片加强！波尔多大学研发通过强化学习驱动大语言模型的神经退行性痴呆症可解释诊断框架

人工智能

神经影像学

神经退行性疾病

2025-06-01

脑部核磁共振正片加强！波尔多大学研发通过强化学习驱动大语言模型的神经退行性痴呆症可解释诊断框架

法国波尔多大学研究团队开发了一个突破性框架，用于神经退行性痴呆症的差异化诊断。该框架将3D脑部MRI转换为文本报告，并利用强化学习优化的大语言模型进行详细诊断推理。不同于传统"黑箱"方法，这一系统能生成透明、有因果关系的解释，同时保持高诊断准确率。研究显示，通过群组相对策略优化(GRPO)训练的轻量级模型能展现复杂推理行为，包括假设检验和非线性思考，提供与临床决策流程一致的排序诊断结果。

揭秘事实核查的不确定性：哥本哈根大学研究团队如何让AI解释证据冲突

人工智能

自然语言处理

可解释AI

2025-06-01

揭秘事实核查的不确定性：哥本哈根大学研究团队如何让AI解释证据冲突

这项研究提出了CLUE框架，首次能够生成自然语言解释来揭示AI事实核查系统不确定性的来源。与现有方法不同，CLUE能识别文本片段间的冲突与一致关系，并解释它们如何影响模型的预测不确定性。实验表明，CLUE生成的解释在三种语言模型和两个事实核查数据集上都更忠实于模型不确定性，用户评价其更有帮助、信息更丰富、冗余更少且逻辑更一致。CLUE不需要微调或架构更改，适用于任何白盒语言模型，为事实核查提供了实用支持。

SynLogic：香港科技大学与MiniMax联合开发的逻辑推理数据集，让AI更懂得思考

人工智能

大型语言模型

逻辑推理

2025-05-31

SynLogic：香港科技大学与MiniMax联合开发的逻辑推理数据集，让AI更懂得思考

来自香港科技大学和MiniMax的研究团队开发了SynLogic，一个可合成35种逻辑推理任务的框架与数据集，填补了AI逻辑训练资源缺口。研究表明，在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力，32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是，将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率，还增强了模型的泛化能力，表明逻辑推理是构建通用AI推理能力的重要基础。

2022

03/27

19:51

分享

点赞

最新文章
相关文章
邮件订阅
AI启示录
更多

友情链接

业界热点:

北京第二十六维信息技术有限公司（至顶网）版权所有. 京ICP备15039648号-7 京ICP证161336号京公网安备 11010802021500号  京网文(2025) 0096-033号  京字第20868号

举报电话：010-62641205　涉未成年人举报专线：010-62641208 举报邮箱：jubao@zhiding.cn　公开举报受理处置规则

网上有害信息举报专区：https://www.12377.cn

安全联盟认证