CV应用在工业机器人上的bug
Q：作为应用机器人视觉的客户，在应用的时候你们遇到了什么问题，如何解决的？
第一，目前来说我们在用到视觉的时候觉得其实困扰最大的是我们现在用的视觉产品对于光源方案的要求非常非常高。
如果光源的方向不好那拍出来的图片的稳定度和它的质量，其实会极大的影响最后处理的效果。但是光源的方案很难说，即使是同一类的产品，他不同批次不同材料都可能会无法适应，可能会产生一些不稳定因素。但是我在实施过程中又不太可能经常更换光源方案，所以这一点上我觉得对我们现在来说是非常不方便的。
比如说我们之前遇到的一个测试需求是测试PCB板，但是这个时候我们会发现，比如不同的PCB板的工艺，他有些上面可能刷的是比较亮一点的防护漆，有些就会比较暗像漫反射一样。这个时候不同的光源就体现出非常大的一个差异。
第二，就是我们现在用到的视觉，我刚才提到的，主要是一些基于2D的视觉。
在这种高精度的视觉应用里，我们经常发现的是，标定的好坏会极大的影响整个方案的精度最后是否能够达标。
但是标定呢，这个过程又感觉没有一个非常快速的方式。比如说我每次更换夹具，或者说客户端可能会偶尔要进行一些设备的维护啊，或者是搬送。那这时候可能都需要对视觉进行重新的标定。
然后客户现场的工人也好或者设备工程师也好。大部分也没有经过这种专业的训练。所以往往就需要我们的服务工程师到现场帮客户做一个。这样一个我们觉得很regular的一个动作。这个部分是我们的另一个困扰。就是觉得现在能否有一个快速标定甚至是不用标定的一个视觉方案。
第三，其实是我们现在自动化行业大家都在迫切等待的一个部分，就是视觉的缺陷检测。
但缺陷检测这个其实在整个行业都是一个非常非常空缺的地方，毕竟缺陷太多了！我们举个例子，刚才的那种手机的玻璃的缺陷。
可能划痕有千变万化，那不同的厂家对于不同的划痕，要求都不一样。这一部分其实是一个非常非常难做一个标准化的缺陷检测的工艺的。
其实我们做自动化的时候大家都在讲机器换人，那是不是机器换了人就可以了呢？我们的经验是 人在生产中除了在很多的供应环节，他除了简单的搬运，还提供了自己的视觉和大脑，他们提供的就是一种缺陷的检测 。
但是如果说比如说有十个缺陷，我们解决了九个还有一个缺陷无法解决。那这个时候其实我这个人工检测的工位还是没有办法进行替代 。所以从某种程度上来说。是否有好的缺陷检测的方案和解决方案，其实是真正实现大量人工替代的一个很重要的环节。
我所知道的很多场景，我有很多做视觉的朋友也在做这种方面的缺陷检测，但是这个过程其实非常的困难。
因为缺陷的这种原因或者说缺陷的形态太多了。现在大家一般在做曲线检测的时候采用的那些方案。很多人用的是一些开源的算法，比如opencv。或者是hoken的一些底层的库甚至是在别人的视觉上面做二次开发。这样的一些系统架构也很难在客户端能够做一些比如智能的一些判断或者一些经验的累积。所以很难做到真正完整的缺陷的可靠性辨识。
所以这三个应该是我们在应用层中遇到的最迫切的需求吧，那我们是怎么解决的？
其实我们现在还无法解决这个问题，因为我们现在还真的没有在视觉方面去做什么样的工作。但是我们可以做到的是：
比如说我们拿到一个客户需求，会第一时间通过供应商跟我们的合作伙伴的一个大量测试，来确保一些方案的可行性。同时我们会自己设置一些可能影响这个稳定性和鲁棒性的一些干扰因素。尽可能在设备的设计之前把这些方案性的测试和这种可以为以后的设计提供参考性的测试，进行一个完成。然后在我们设计的过程中，尽量不要触碰到这些不稳定因素。比如说我们尽量不动视觉方案，或者说如果客户真的需要变化的时候，我们给他一些我们可控的方式来引导客户去进行操作，来规避我刚才提到的这些风险。
关于理想的状态，我目前也不是很清楚说理想的状态应该是怎么样的，我们内部觉得可能现在的这种视觉的方式还会有一个很长的路。这个部分要怎么去完善这种视觉产品的定义或者是开发可能是需要做视觉的人。和我们这种做自动化的人大家一起坐下来，好好的去理清我们现在所面对的问题和客户需求，然后进行一个产品的重新规划和定义。
另外呢，我们其实私底下有跟公司比较资深的做技术的人员讨论。我们在想有没有可能去利用一些仿生物的这种思路。去帮助视觉的算法。而不是说像现在一样，我们要对每一个缺陷，或者每一种特征进行一个建模、描述，再进行计算。
Q：怎么看待国内很多机器人厂商没有核心技术的现状？
首先我觉得核心技术还是非常的重要的，如果一个公司没有核心技术的话，最后一定是死路一条。
对于你说的这个现状来讲，我觉得现在没有必要太过恐慌，毕竟核心技术是需要时间的，而机器人这个行业在中国其实也处于刚开始的阶段。所有的公司其实都需要花时间对自己进行一个行业的定位和技术方向和路线的一个定位。
同时有了这个定位，即使想做核心技术，也是需要时间一步步的去积累和磨练，不是一个一蹴而就的事情。所以我倒觉得现在我们不必太过去计较说现在国内厂商没有核心技术。
另外一个部分其实现在很多的厂商会号称自己有核心技术。但是这个所谓的技术是不是真的核心呢？或者说我们现在有的这个技术。我们常说机器人里面几个核心的技术：减速机、电机、控制器，那未来的机器人是否还真的是这样。或者说即使我们拿到了一些山寨国外的或者可能打了些折的这些所谓的核心的东西，那它还是真正有用的核心吗？我觉得这个部分其实还是有待时间和市场的一个考验。
针对这个问题，我倒觉得，如果大家很关心机器人这个行业，我觉得应该是可以更关注国内的厂商有哪一些真的去想清楚了我刚刚提到的一个自己的行业定位。和未来的发展路线，甚至是自己核心的一个技术路线。
清楚了之后，有没有在做，有没有做准备，有没有计划，这些其实反而是更重要的事。
实践才是良药
在本期硬创公开课中，石金博为我们重点介绍了CV 在工业机器人上的应用和服务机器人上的区别，以及阐明了工业机器人在和自己，和人，和环境三大交互过程中，最大的意义就是在于如何处理意外。
在提到现在工业机器人中推崇的柔性自动化问题时，她以实际经验向我们展示，现在的自动化还做不到100%的柔性自动化水平，所以我们所谓的柔性一定是在一个范围内进行的柔性。
作为 应用机器人视觉客户中的一员，他们以自己非常“苦闷”的经验向大家展示了目前，视觉产品对于光源方案的要求非常非常高，2D视觉中标定的好坏会极大的影响整个方案的精度最后是否能够达标，视觉的缺陷检测非常糟糕的一个现状。
这让过去一直以为工业机器人就是个傻乎乎自动化生产线的读者朋友们对工业机器人有了重新的认识——工业机器人天生就是一个平台级的东西，它不像服务机器人只要专注做好每个具体的产品就好，其更多是处理好机器人和自己，和人，和环境交互过程遇到的各种难题，来适应不断变化的生产车间需求。
上页 1 2 3 4