全球经济或许会有波动，但是所有企业都有一件恒久不变的大事，那就是竞争。公司一直面临着保持市场领先地位的压力，这迫使他们不断改善运营、降低成本并提高效率。

这些挑战是越来越多制造商转向使用工业物联网的一部分原因。智能工厂既可实现更高的容量和质量改进，又可节省时间和金钱。

过程自动化成就了超越人类能力的准确度和生产力水平。而在工厂中，自动化带来巨大差别的一个重要方面是质量保证。

质量管理对制造商的品牌和业绩起着非常重要的作用。 一份报告表明，一家蓬勃发展的公司如果品质不良，付出的代价可能是营业额的 10% 至 15%。有效的质量改进计划可以大幅降低此代价，直接有利于提高利润。

这就是机器视觉和深入学习在工厂质量控制方面做出突出贡献的地方。这些技术可针对生产线上的每个产品实现检查自动化。这意味着一致且准确的结果。

“机器视觉可以从利润计算中去除劳动力因素。它可以全天工作，全年无休，并且可以得到一致的结果”，Matrox Imaging 的销售和营销总监说道。

通过结合运用深入学习与机器视觉，可帮助解释存在于 “明显是好的” 和 “明显是不可接受的” 之间的产品问题。只要将成千上万张图像馈送给系统并训练系统学习分辨什么情况可以接受，什么情况不可以接收，深入学习可不断精炼机器视觉结果。

简化代码标签质量控制

业内资深企业 Matrox Imaging 通过其机器视觉系统消除了质量控制难题。

该公司的技术通过各种各样的方法应用于工业质量控制。它可读取并记录产品信息（例如文本或条码），弹出不符合标准的产品，或指导工厂机器人完成其任务。

Matrox Imaging 系统行之有效的一个绝佳示例作是在 Suntory PepsiCo 的五家越南工厂中的使用。Suntory PepsiCo 公司难以准确扫描印刷的制造日期 (MFD) 和到期日期 (EXP) 代码标签，这会导致生产延迟。

有时，代码在表面干透之前贴上去，导致留下污迹。或者操作员失误可能会导致贴上不正确的标识代码。这些问题及其它错误会导致代价高昂的生产线停工。

为了解决这些问题，Suntory PepsiCo 向它的集成商 Pacific Hi-Tech 寻求帮助。为此，Pacific Hi-Tech 团队设计并实施了基于 Matrox Imaging 的解决方案。

自从部署该系统以来，代码标签图像会立即得到解释以确定它们是否已贴上，代码是否正确，以及类型是否难以辨认或模糊不清。如果标签缺失或难以阅读，集成的弹出器会从生产线中去除有问题的产品，无需停止生产。

通过快速读取以前的系统错过了的位置不合宜的标签，并去除标签有问题的产品，Matrox Imaging 解决方案帮助 Suntory PepsiCo 大大简化了器质量流程。

机器视觉框架

灵活的开放式 Matrox Imaging 机器视觉系统包括三个要素：

• Matrox Iris GTR - 一个紧凑的智能摄像头，具有图像感应、嵌入式处理和 I/O 功能，适用于一体化视觉系统。
• Matrox 4Sight GPm - 一个基于计算机的工业控制器，专为工厂车间的机器视觉而构建，用于处理多个摄像头检查。
• Matrox Design Assistant - 一个集成开发环境 (IDE)，使用基于流程图的直观方法，简化视觉应用的创建。

Matrox Design Assistant 是系统的心脏，为系统集成商和 OEM 提供开发自定义视觉应用的框架。这些应用部署在 Matrox Iris GTR 智能摄头或 Matrox 4Sight GPm 控制器上。

该机器视觉解决方案遵循采集和分析图像以获得特定结果的基本框架。这些包括定位、测量、读取、验证和根据这些结果采取行动，如图 1 所示。

Matrox Imaging 的系统集成商可以使用 Matrox Design Assistant 中图形界面来设置工作流程，而不是使用 C# 或 C ++ 代码进行编程。系统开发人员创建一个详细的流程图，来概括机器视觉硬件将执行的每个步骤。

“图形界面将开发时间从几个月缩短到几周甚至几天，具体视流程而定，” Lopez 说道，“它还使使得些没有编程技能的用户能够执行设计工作本身。”

Matrox Imaging 工具针对英特尔^® 处理器进行了优化。借助英特尔技术，Matrox Imaging 解决方案软件环境能够执行自定义的深入学习模型，来完成以前很难甚至无法实现的图像检查任务。现在，这些任务可以高效完成。

“英特尔提供了同类最佳的处理器，可在给定的功率范围内提供最佳的计算能力，” Lopez 说道。“它们达到了完美的性价比。另外，英特尔履行了提供面向未来的兼容产品的承诺，并提供透明的发展蓝图。”

帮助机器人对饼干进行分类

Matrox Imaging 计算机视觉和分析的作用远不止解决包装代码标签质量检查问题。例如，该解决方案还可以找到并确定对象的位置和功能。

在这种情况下，Matrox Imaging 系统使工业机器人能够理解点缀装饰和坚果不是产品缺陷，而是可以让饼干更加美味。

这就是为什么在一家欧洲工厂中，机器人可以分拣 80 种不同品种的饼干的原因。机器人不但必须判断出哪些饼干放在哪里，而且必须分拣出不符合标准的饼干。

由于饼干上的点缀装饰会造成阴影，而光滑的糖霜会形成反射，因此分拣饼干对于视觉系统而言非常具有挑战性。阴影和反射可能会导致图像读取结果不正确，并且这些视为视觉系统的最大干扰。

系统集成商 Bosch 将算法融入到视觉系统软件中以识别阴影和反射，以及机器人难以应付的所有其它变量。

Bosch 创建一个流程，告诉机器人要挑选哪些饼干，如何将它们右侧面朝上放在托盘中。该流程还会指导机器人通过评估饼干的颜色来检查饼干熟了没有，并防止将碎裂或烤糊的饼干放入包装中。

机器视觉的质量控制应用就像工厂生产的产品一样：种类繁多且千变万化。但在每个行业中，随着制造商采集大量的新图像和深入学习技术不断发展，机器视觉将在做出细微区别以指出特定问题或以更高的精度指导机器人方面越来越出色。当今的工厂才刚开始认识到自动化流程的优势，将会随着时间的推移继续发展并不断改进。