顛覆性創(chuàng)新技術(shù)不但是投資者追逐的風(fēng)口，更是實業(yè)者努力創(chuàng)造的現(xiàn)實。走過130年創(chuàng)新路，ABB繼續(xù)在數(shù)字化浪潮中禦風(fēng)而行，通過自有實驗室實現(xiàn)了眾多技術(shù)突破，同時攜手新興科技領(lǐng)域，致力於開放式創(chuàng)新。

　　人工智能、深度學(xué)習(xí)、邊緣計算、數(shù)字孿生、Factory 2.0……熱詞頻現(xiàn)，數(shù)字化技術(shù)與各行業(yè)的交匯將產(chǎn)生什麼化學(xué)反應(yīng)?數(shù)據(jù)與算法將如何賦能新制造，重新定義未來工廠?近期，我們將集中介紹ABB的科研成果和應(yīng)用案例，跟我們一起來探尋這些熱詞背後的真相吧!

機器人抓蝦?到底有多難?

　　在食品加工領(lǐng)域，機器人對食品的抓取、揀選是實現(xiàn)自動化中的一個常見問題，需要實時、的圖像識別技術(shù)，但食品通常形狀不規(guī)則、特徵多變，導(dǎo)致快速、穩(wěn)定的視覺分析與較為困難。

　　以食物中常見的蝦為例——目前在工廠的自動剝蝦生產(chǎn)線上，有一個關(guān)鍵環(huán)節(jié)未能實現(xiàn)自動化——對於蝦身的抓取與放置，目前仍然由人工操作，地限制了生產(chǎn)線的速度、精度、穩(wěn)定性與生產(chǎn)效率，而且工作本身枯燥無味，浪費人力與時間。

　　在自動化方案中，核心是視覺係統(tǒng)與機器人的配合動作。視覺係統(tǒng)單元對線上移動的蝦身進(jìn)行實時拍攝，同時內(nèi)置算法識別出目標(biāo)點位置，並引導(dǎo)機器人進(jìn)行抓取與放置，從而替代人工操作，實現(xiàn)整條生產(chǎn)線的全自動化。

　　▲自動化揀選方案示意圖

　　而在實際應(yīng)用中，由於蝦的形態(tài)各異，對人來說十分簡單的識別任務(wù)，對於傳統(tǒng)的圖像特徵提取算法就變得非常困難。面對形態(tài)各異、尺寸不一，紋理顏色等特徵也不同的蝦，單一的圖像處理方法只能準(zhǔn)確識別部分樣本的關(guān)節(jié)點，很難達(dá)到工業(yè)應(yīng)用的高精度要求，而一個好的解決方案不僅要能滿足工業(yè)應(yīng)用的精度要求，還需要將識別失敗樣本的誤差控制在穩(wěn)定範(fàn)圍內(nèi)，便於工廠的後續(xù)處理。

　　▲待識別的目標(biāo)關(guān)節(jié)點

　　人工智能及圖像處理領(lǐng)域的科研發(fā)展，例如用於圖像識別的深度學(xué)習(xí)算法，為解決這一問題提供了新的思路。但是，深度學(xué)習(xí)算法在較復(fù)雜的圖像數(shù)據(jù)、精度要求較高的識別任務(wù)上往往性能不夠高，如果直接使用，很難同時滿足工業(yè)上的實時性要求與通常超過95%的精度要求。