分析首件机质量检测的发展

　　1、认知视觉检测：

　　尽管机器视觉检测方法在应用层面上得到了快速发展，但机器视觉检测的稳定性较差，容易受到环境等客观因素的影响，实际应用中往往会达不到理论上的效果，一些产品如果缺陷种类较多，还需要多次检测。

　　此外，受限于软硬件技术水平和算法的发展，第二代机器视觉技术并不具备人类的视觉理解能力，更多是基于固定规则。

　　认知视觉检测方法，即第三代检测方法，有望打破固定规则，实现对于非预期缺陷的识别。

　　在这一领域，IBM于2017年推出了认知视觉检测方法，该方法源于IBM Watson技术平台，融入了工业机器人控制技术、工业照相技术、计算机视觉技术和基于深度神经网络的机器学习技术，代表了当下最新的检测技术，能有效帮助制造企业。

　　尤其在电子行业，现阶段很多制造企业的前端流程和自动化程度都比较高，但后端质检环节还在采用人工检测的方法，采用IBM的认知视觉检测方法，通过事先预定好缺陷类型，然后基于编程算法来定义和查找，大大精简了其装配线的检验流程。

　　值得一提的是，有别于机器视觉检测方法，IBM的认知视觉检测方法是一个智能系统——基于深度神经网络的机器学习技术，可以不断自我学习缺陷类型，通过机器学习的方式不断自我优化，完善缺陷类型的数据库，实现对非预期缺陷的精准检测。

　　同时，该方法在拥有足够信息时，还可以检测某些缺陷模式给出预警。

　　2、机器视觉检测：

　　第二代质量检测方法主要是指机器视觉检测，该方法是伴随着机器视觉技术而发展来的。在20世纪50年代，图像处理成为机械工业的一个检测项目，视觉检测作为一项生产检测机制诞生了。

　　在20世纪60年代到70年代，随着工业自动化生产对技术需求的日益增长，机器视觉开始崛起。20世纪80年代，机械视觉检测被应用于当时方兴未艾的半导体工业。

　　20世纪90年代，机器视觉技术开始在工业领域逐步得到应用。这是由于机器视觉是一种非接触的测量方式，在一些不适于人工作业的危险工作环境或者人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉。同时，在大批量重复性工业生产过程中，用机器视觉检测方法可以大大提高生产的效率和自动化程度。

　　机器视觉定位检测可分为两个步骤，一是制作标准模板，二是搜索。机器视觉定位系统采用先进的图像视觉检测技术，实现对高速运动的工业产品进行实时全面的时间检测定位分析。

　　当系统设备一台高性能彩色数字摄像机，摄像机采集工业品图像，并将图像数据传送到图像处理系统时，图像处理系统对每幅图像进行匹配搜索，准确定位出产品的位置和方向，控制机械手臂等自动化装备。

　　3、人工检测：

　　自人类进入工业化时代，便有了质量检测技术。第一代质量检测技术以人工检测的方法为主，由作业人员按照一定的质量检测标准，通过使用检测工具或经验判断来完成产品质量缺陷的检测。由于人员自身技术水平的限制，存在检测产品速度慢、效率低下、在检查过程中容易出错等问题，使得检测结果极为不精确。

　　同时，伴随着技术的进步、产品更新换代加快和国际分工的深化，现代工业生产中，常常涉及到各种各样的检查、测量和零件识别应用。例如微小尺寸的精确快速测量、形状匹配、颜色辨识等，用人眼已无法识别检测，传统的人工检测方法正在逐步被新型的检测方法所取代。