解决方案 | PLCnext 在视觉检测解决方案中的应用

一、开发背景

从AlphaGo围棋人机大战到最近爆火的ChatGPT，人工智能仍然是当今科技时代炙手可热的研究主题。在耳濡目染之余，想必各位对于人工智能也有了一定的了解，在日常生活中也或多或少体验过人工智能带来的便利。但人工智能是如何开始改变我们的生活呢?具有独特开放性的PLCnext平台及ML1000机器学习模块是如何助力人工智能的应用呢?接下来的视觉检测解决方案将一一为各位解答上述问题。

二、视觉算法应用

机器视觉是人工智能正在快速发展的一个分支。简单说来，机器视觉就是用机器代替人眼来做测量和判断。今天为大家介绍的视觉检测解决方案便是PLCnext控制器AXC F 3152+ ML1000在工业检测领域上的应用。

工作原理

机器视觉检测系统采用CCD照相机将被检测的目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号，图像处理系统对这些信号进行各种运算来抽取目标的特征，如面积、数量、位置、长度，再根据预设的允许度和其他条件输出结果，包括尺寸、角度、个数、合格 / 不合格、有 / 无等，实现自动识别功能。

AXC F 3152及ML1000介绍

PLCnext 控制器AXC F 3152操作系统为Linux x86_64，支持C++, Python及其它等等高级语言，因此得以实现人工智能算法在控制器中的部署。ML1000模块搭载谷歌Coral TPU加速卡，提供高速运算性能。与此同时，ML1000 提供多个预训练模型包括人体姿态、动作识别，物体识别，物体跟踪，语音识别等等。用户可以根据自身需求进行模型再训练。另外也可以遵循以下的流程训练自己的TF模型，并将其转换成适用于TPU的TFlite格式。

PLCnext在视觉检测解决方案中的应用案例

本节将向大家介绍PLCnext 控制器AXC F 3152和ML1000在基于5G与AI的智能制造生产平台中的应用。智能制造生产平台经过一系列的工序印刷好充电插头的LOGO，之后通过PLCnext控制器AXC F 3152和ML1000实现机器视觉算法在工业检测系统中的应用，进而能够评价充电插头印刷效果。与此同时，可以检测出漏印的插头，达到剔除废件的目的。检测流程大致可分为数据集获取，模型训练及保存，模型推理三步。

1 数据集获取

根据检测需求，收集印刷合格插头的图片。

2 模型训练及保存

在智能制造生产平台的AXC F 3152上对收集到的合格插头图片进行迁移学习，然后将模型保存到AXC F 3152上。

3 模型推理

工业相机采集插头图片送入部署于AXC F 3152的模型中进行模型推理，ML1000加快推理速度，仅需4ms左右就可得到检测结果(印刷效果评分)。

三、结语

采用PLCnext控制器AXC F 3152+ML1000时，模型推理时间大大缩短，首次推理28ms就可完成，随后每次推理只需3-4ms，图片分类效率得到显著的提升。由于其模型推理速度极快，此基于机器视觉的解决方案还可以用在对实时性要求较高的工业检测系统中，具有对错误工件及时准确发出剔除控制信号、剔除废品的功能。此外在设备边缘侧即可完成视觉检测，数据无需上云，满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。随着机器视觉技术自身的成熟和发展，相信它将在现代和未来制造企业中得到越来越广泛的应用。

（菲尼克斯自动化）