当遇到图片显示不完整或错乱时,请清除浏览器缓存再次刷新页面即可(公司网站定期维护图像缓存有时不同步)
你好,欢迎来到我们的页面。常州范视电子科技、工图视觉科技是一家由机器视觉龙头企业的资深研发工程师组建的、具备算法级研发能力的机器视觉软件公司。在图像处理、图像分析、图像理解方面有比较深入的知识储备。我们使用自主技术研制各类瑕疵检测和图像识别系统。我们的核心研发人员来自机器视觉龙头企业北京大恒图像医药检测事业部与北京凌云光通信集团液晶屏检测事业部,核心人员具有国内重点院校电子与通信工程硕士学位,在机器视觉行业累计从事软件和算法研究约10年时间(截止2021年)。
核心研发人员从2011年进入机器视觉检测科研领域,当时马浩洋为全球第二大液晶显示器代工厂,台湾冠捷显示科技(TPV/AOC 艾德蒙海外投资公司)位于大陆的液晶电视总厂(位于厦门市翔安区翔海路1号)的WB软件工程师,因应集团Cost down要求,由曾在日本留学的自动化专业相树江博士和林燕飞高级工程师的带领,一起研制液晶电视主板图像声音检测系统Function Test,2年后博士和林工离职,马浩洋独自承担2.0版本的系统架构设计和检测稳定性提升,期间不断进行算法优化。随后该系统在冠捷显示科技厦门厂进行批量部署,系统稳定后集团又将该检测系统部署到冠捷巴西玛瑙斯工厂和波兰戈茹夫工厂,以提升主板FT检测良率并降低人工检测费用。2014年底马浩洋硕士毕业,前往北京大恒图像工作。FunctionTest系统由后来者陈*祖、陈*生继续维护,截止2021年与前同事陈*生沟通得知该系统仍正常服役。
近年本公司凭借扎实的工业视觉研发能力成为北自所---北京机械工业自动化研究所江苏长江智能制造研究院唯一视觉技术合作单位。另外本公司凭借纺织瑕疵检测系统(俗称智能验布或无人验布),荣获江苏常州市2020年第十三批创业领军人才项目奖(龙城英才奖)。对肯于坐冷板凳、深入技术研发人员的肯定和鼓励。
两位创始人均来自技术背景,保持和发扬技术人员认真务实的工作作风,用多年积累的专业知识为工厂外观缺陷检测环节提供可信赖的产品和技术。
备注: 本司秉承诚信经营理念,网站所列信息皆可查证
一、计算机在我国发展历史
我国计算机技术起源于1958-1964年第一代电子管计算机研制[1]。我国的计算机制造工业起步于五十年代中期。1957年下半年,在消化吸收的基础上正式开始了计算机的研制工作,由中国科学院计算所和北京有线电厂(原738厂)共同承担。在那个独特的历史年代里,闵大可教授率队赴苏考察。根据(前)苏联提供的M-3机设计图纸经局部修改,在(前)苏联专家的指导下,中科院计算所等单位完成了我国第一台小型电脑。1958年6月,该电子计算机安装调试,8月1日该机可以表演短程序运行,标志着我国第一台电子计算机诞生。为纪念这个日子,该机定名为八一型数字电子计算机,后改名为103型计算机(即DJS-1型),共生产36台。103机,字长31位,内存容量为1024字节,当时运算速度只有每秒几十次,后来安装了自行研制的磁心存储器,运算速度提高到每秒3000次。
二、机器视觉在我国发展历史
机器视觉技术在我国起源于上个世纪70-80年代引进国外先进半导体生产线(第六个五年计划[2])[3],为了检测晶片制造过程中晶格缺陷,机器视觉生产线和高级设备被引入我国(因晶片缺陷尺寸非常微小,微米级别或者更小,肉眼无法检测)。诞生了国际机器视觉厂商的代理商和系统集成商[4]。
1. 萌芽阶段1950-1970年 只在高端科学研究和航天、军工等项目有少量初级应用,尚未形成完整的概念[5]
1959年,加拿大神经生理学家David Hubel和瑞典生理学家Torsten Wiesel研究视觉皮质层神经元的生物反应特征(猫的视觉实验),证明了大脑神经皮层的多层次结构,垫定了现代人工智能的仿生学基础,为此荣获1981年度诺贝尔医学奖。同年Russell研制了一台可以把图片转化为被二进制机器所理解的灰度值的仪器。
1963年 Lawrence Roberts出版的三维固体的机器感知被广泛人为是现代计算机视觉的先导之一。
1969年,贝尔实验室成功研制出CCD传感器,可以直接把图像转换为数字信号并存储到电脑中参与计算和分析,垫定了机器视觉技术基石。
2. 起步阶段 机器视觉的概念首次在产业界被提及,但未形成精确的定义
1982年 受到Hubel和Wiesel研究的启发,英国神经科学家和心理学家David Marr介绍了一个视觉框架(计算理论、表达和算法、硬件实现),其中检测边缘、曲线、角落等的低级算法被用作对视觉数据进行高级理解的基础,同一时间建立了一个自组织的简单和复杂细胞的神经网络,可以识别模式并且不受位置变化的影响。
在此期间,首批机器视觉企业诞生,DALSA(加拿大,1980年成立),COGNEX(美国,1981年成立)
3. 成长阶段 1980-2000年 受益于半导体产业的发展使机器视觉得到蓬勃发展的机遇,尤其是定位检测功能
1999年 Nvidia公司在推销Geforce256芯片时,提出GPU概念,GPU是专门为了执行复杂数学和几何计算而设计的数据处理芯片。同年加拿大英属哥伦比亚大学教授David Lowe发表《基于尺度不变特征变换(SIFT特征)的物体识别》[6],标志着研究人员开始停止通过创建三维模型重建对象,而转为基于特征的对象识别。
4. 产业发展阶段2000年以后
2001年 第一个实时人脸检测框架被推出。
2005-2014年 HOG、SPM等特征提出,加拿大认知心理学家和计算机科学家Geoffrey Hinton创造Alexnet,使机器学习分类器的准确率获得革命性提高。使得大样本、深度学习的概念广为人知,深度学习在视觉中的应用日益广泛。
2017年至今 深度学习框架的发展到了成熟期,各大巨头纷纷布局机器视觉领域。机器视觉作为人工智能的底层产业及电子、汽车等行业的上游行业,仍处于高速发展的阶段,具有良好的发展前景。
三、视觉项目成败关键点
由于机器视觉技术可以替代人工完成很多工作,具有速度快,精度高,稳定性好等优点。很多工厂管理者为提升生产质量和效率,想引进该设备。但是中国机器视觉起步晚,国内最早从事机器视觉研究的公司自主研发至今也只发展了20多年。该技术不同于互联网或ERP等纯软件产品,软件只是工业技术的一个载体或躯壳,核心在于成像技术、机器学习理论的研究创新、生产数据特性的研究和可靠性理论的深度结合。它对研究人员知识储备,研究能力和工程经验有很高要求,不同公司机器视觉产品在检测能力和检测稳定性方面差距很大。我们从科研单位出来创业这6-7年时间里,接手过相当多失败项目,这些失败项目大部分因为找的研发团队不专业,只能处理基础技术问题,深入一些的便无能为力。综合起来看,这些失败的项目大部分在比较小众或者比较低附加值行业。经过与他们管理人员沟通发现:这些领域的管理人员不像电子、半导体、通信等前沿高端行业涉足视觉技术较早,他们普遍欠缺视觉项目相关经验。对这类产品的技术水平和质量好坏也缺乏认识。负责人对视觉技术的了解大部分来自广告,广告能相对实事求是的也就大公司还有可能,小公司很少。所以他们对业内里各种公司真正水平缺乏认识,所以找出价最便宜的那个来做,出价最便宜的往往是最不专业的那个小团队。因为视觉技术也分三六九等,典型可以概括为入门级和专家级。入门级技术只适用于基础任务应用,这类应用一般目标对比度高,产品缺陷形态简单,背景单一,比如识别饮料液位高低、给酒瓶计数,识别Logo有无等等。而面对例如复杂纹理背景、复杂形态、可见度低的缺陷检测则至少需要专家级。专家级一般都在各个大公司,例如北京大恒图像,北京凌云光子这类视觉行业领军企业。小团队一般难以支撑专家级研究人员。所以实施的时候,之前没考虑到的问题一个接一个出现,尝试再三无法突破,最终只能不了了之,浪费了预付款和大量时间,也错过技术升级窗口期。
机器视觉是多学科交叉的,包括光学、电子工程、软件、图像识别、机器学习、机械工程、自动化控制等。要落地视觉项目,需要保证所有学科无短板,同时在最核心的图像识别领域有技术突破。遇到技术瓶颈时,具备坚实研究能力,能够各方面优化到产线要求的水平。这需要具备坚实的团队知识体系和丰富的工程化研发落地经验。具体来讲,视觉项目的成功落地包括以下方面内容:
上述8点是视觉项目研究成败的关键。具备这些能力的大部分是至少十年左右研发工作经验的硕士、博士。所谓行百里者半九十,实现90%可靠性才算走了一半,难的是从90%提升到99%,99.9%这个过程。这个过程的难度不亚于特种钢材提纯冶炼的难度,需要克服难以想象的困难。不同于普通自动化生产设备,检测设备是保证出厂质量的最后一道关卡,须拦截所有外观瑕疵。这个角色决定了检测设备必须绝对可靠,技术上一丝一毫的不成熟不稳定都将让不合格品流出工厂,给企业带来无法挽回的损失。这也是为什么前些年机器视觉产品狂热,最近又冷却,浮躁和狂热无法成就过硬的产品。好产品需要长期研究、经验的积累和无数次失败和改进。任何品质过硬的产品都是克服一路艰险,跌跌撞撞走过来。只有能力过硬、意志力足够坚强的团队和公司能坚持到最后。
扩展知识:从一般规律来说,人的视觉和大脑经过几百万年的进化,已经高度发达,具有自我意识、感知、类比、联想、归纳、推演等几乎所有的智能要素,人工智能学科都是以人为目标,希望造出具备类似智力水平的机器。通俗的说,目标是造一个人出来,难度可想而知。现在人工智能研究方向仅在特定领域可以实现人的某些智能。举例来说,Alpha Go打败李世石也仅仅是最近3-5年的事情,而且仅限于围棋这种规则明确的游戏。为什么没有在艺术、军事、政治、文学创作、宗教等领域出现打败人类的AI呢?因为后者是不限制规则的,需要具备真正的智力才能实现。我们看到哪怕仅仅实现代替人的驾驶尚且事故频出,请不要将计算机技术神化。再举例来说,对于猫、狗的目标识别,也仅仅是随着近些年大数据深度学习技术在西方学界取得突破性研究才得到实现,而此前这种任务对人来说,一眼就能认出,计算机算法最好水平仅能实现60%左右准确率。抛开某些商业宣传不谈,根本上说,机器远远没有到人的水平。只是在部分专业领域随着深度学习技术发展,可以达到更好的效果,某些特定领域可以落地。机器的优势在于没有疲劳可以成千上万次的重复一个过程,可以通过高分辨率的传感器捕捉到人难以察觉细小目标,在可用数学和计算机语言描述的任务上能实现很好的效果。除此以外的任务上,人类基本完败机器,业界调侃人工智障很多源于此类,当然也有很多已经成熟的技术由于自身积累不充分导致没做好。
实际上,面对有难度的视觉项目,一方面有商业上的考量,另一方面即使单纯谈技术,多年耕耘的专业公司也不一定能保证达标,更不必谈那些不专业的团队或纯销售型的公司。
关于行业分工方面,由于技术壁垒高,机器视觉行业专业有分工,机器视觉供应商分为镜头、相机、光源生产厂家,以及具有系统研究能力的视觉自动化设备公司,该类公司一般是针对不同行业有对应的公司。
本文把多年积累的行业底层经验洞察披露出来,一方面现在是中国生产制造技术升级的历史时期,这份资料给广大工厂管理者提供一个专业参考,客观认识机器视觉项目和技术,降低试错、时间成本,更顺利的实现产线智能升级,提升竞争力。另一方面此文将这些信息披露,也保护真正注重技术注重口碑的公司的切身利益,跟不重视技术,一味打价格战的商业行为有效区分,让视觉检测设备市场减少一些乌烟瘴气,技术的回归技术,价值的回归价值,实现工厂和设备商双赢局面。
参考文献
[1] 电子科技博物馆 https://www.museum.uestc.edu.cn/info/1184/2337.htm
[2] 1981-1985年,科技攻关项目,国家主要抓 8 个方面、38 个项目、100 个课题,其中最重要的项目是: 一、选育一批水稻、小麦、大豆、王米、棉花、糖料、 油菜、畜禽等优良新品种,并建立完善的繁育体系。 二、研究大规模集成电路生产工艺及其工业化生产技术 和装备,以及计算技术的开发。 三、能源开发及节能技术。 四、化纤纺丝工艺及织物染整设备的研究。 五、石油化工深度加工及综合利用研究。 六、金川、攀枝花、包头三大共生矿的综合利用研究; 贫红铁矿选矿技术;国防工业、电子工业等方面急需的关键 新型材料。 七、研制 2050 毫米热连轧机、60 万千瓦火力发电机组、 13 超高压交流输变电、海上石油钻采等大型成套设备。 以上这些项目,有一部分在六五计划期间完成或取得重 大进展。中央发展与改革委员会 https://www.ndrc.gov.cn/fggz/fzzlgh/gjfzgh/200709/P020191029595670483752.pdf
[3] 我国第一座具备规模化生产的晶圆厂是1980年开始建设的第四机械工业部无锡742厂,获当时国务院投资2.8亿人民币。该厂1980年从日本东芝引进全套三英寸半导体晶圆厂(5微米技术),并于1982年起投产,被认为是中国第一个具规模半导体晶圆厂。无锡742厂主要产品是搭配陕西彩色电视机生产线所使用的集成电路江南晚报 http://szb.wxrb.com/jnwb/content/202210/14/content_125967.html
[4] 北京励德展览有限公司上海分公司 https://www.nepconchina.com/zh-cn/mtzx/hyxw/jiqishijuefazhanlicheng.html
[5] 头豹研究院 https://pdf.dfcfw.com/pdf/H3_AP202207051575830378_1.pdf?1657055578000.pdf
[6] 英属哥伦比亚大学 https://www.cs.ubc.ca/~lowe/keypoints/
Main customer
Partner