赋能工业数字化升级-机器视觉特刊2024

英特尔®赋能 工业数字化升级 机器视觉特刊2024 英特尔网络与边缘事业部中国区工业解决方案团队 编委会 主编：刘俊、张恒、刘波 编委：马小龙、丁秋兵、黄昊、邱丽颖、胡杨、单娜 机器视觉，指用机器代替人眼，来对目标进行测量和判断。在中国，机器视觉主要的应用方向为制造业，称为智能制造之眼。当前中国作为全球第一制造业大国，已成为全球机器视觉增长最快的地区之一。 根据调查显示，2022年下半年，伴随疫情逐渐缓解，物流逐渐通畅，视觉企业上半年积压订单开始持续释放，市场展现较高韧性，全年增速在20%以上。另一方面，消费市场缺乏增长动力，3C、传统汽车等下游行业景气度持续下降，两大机器视觉支柱型下游行业需求增速下滑。2022-2023年机器视觉行业主要需求推动力来自于锂电、新能源汽车、光伏等领域。预计未来三年，得益于宏观经济逐步回暖，下游行业恢复增长，产业结构升级等因素，中国机器视觉行业规模将进一步增长。 本手册收录了英特尔及合作伙伴最新发布的硬件和整体方案，可帮助您全面了解基于英特尔®架构的机器视觉方案在实际场景中的应用。这本特刊也是英特尔中国2.0战略的一个缩影，根据中国客户的需求不断升级解决方案，全面融入，全速前进。 ―――陈伟博士英特尔副总裁、网络与边缘事业部中国区总经理 1.1机器视觉用例/应用领域02 02 英特尔助力工业机器视觉—硬件篇04 2.1第四代英特尔®至强®可扩展处理器05 2.2英特尔®酷睿™平台07 2.2.1第12代英特尔®酷睿™AIderLake-S平台08 2.2.2第12代英特尔®酷睿™AlderLake-P平台12 2.3英特尔®低功耗平台系列：凌动®和赛扬®平台15 2.4英特尔®工业边缘节点硬件参考架构18 英特尔助力工业机器视觉—软件篇20 3.1英特尔®OneAPI工具包—跨架构性能加速21 3.1.1什么是oneAPI21 3.1.2英特尔®oneAPI产品22 3.2OpenVINO™工具套件概述—深度学习推理加速23 3.2.1OpenVINO™工具套件工作流程23 3.2.2封装和部署26 3.2.3OpenVINO™工具套件组件27 3.3英特尔®工业边缘洞见平台（Intel®EdgeInsightsforIndustrial-EII）28 3.3.1边缘洞见平台（EII）简介28 3.3.2特性与优势28 3.3.3应用范例29 3.3.4解决方案组成部分与特性29 英特尔助力工业机器视觉—技术篇30 4.1使用英特尔®oneAPI工具包优化英特尔工业视觉31 4.1.1英特尔®oneAPI工具包31 4.1.2性能优化示例32 4.1.3英特尔®oneAPI数学核心函数库33 4.1.4使用OpenMP进行对称多处理（SMP）编程34 4.1.5结论35 4.23D视觉加速—3D配准用例36 4.2.13D视觉简介36 4.2.2面向3D配准的英特尔®软件堆栈36 4.2.33D配准算法概述37 4.2.4从硬件优化3D配准37 4.2.5PCL优化38 4.2.63D配准38 4.2.7结论39 4.3基于OpenVINO™工具套件的视觉引导和抓取40 4.3.1概述40 4.3.2三维视觉输入40 4.3.3智能视觉抓取软件参考实现41 4.4飞拍方案42 英特尔助力工业机器视觉—实战篇43 5.1维视智造：电池片EL/PL检测视觉解决方案44 5.1.1背景与挑战44 5.1.2解决方案44 5.1.3方案优势44 5.2晶圆表面和覆膜缺陷检测46 5.2.1背景与挑战46 5.2.2解决方案46 5.2.3方案优势46 5.3锂电池检测-模切分切场景47 5.3.1背景与挑战47 5.3.2场景47 5.3.2解决方案47 5.3.3方案优势47 英特尔工业电脑优选项目48 6.1英特尔工业电脑优选项目简介49 6.2工业电脑优选产品推荐–机器视觉篇52 东擎科技53 康士达54 控汇智能55 卓信创驰56 诺达佳57 派勤58 苏州源控59 01 机器视觉概述 机器视觉（MV）是一种用于提供基于图像的自动检测和分析的技术和方法，被誉为“工业自动化的眼睛”，能够替代人眼对外部环境进行测量、识别与判断。 机器视觉系统能够利用视觉传感器和计算设备，根据像素分布和亮度、颜色等信息，将目标的视觉信息转变成数字化信号。随后，图像处理系统通过对这些信号进行各种运算来抽取目标的特性，进而根据判别的结果来控制现场设备，完成既定的工业任务，比如工业中的自动检测、过程控制和机器人引导等。 机器视觉是工业领域用于机器自主控制的工具，计算机视觉是构建机器视觉的关键技术之一，计算机视觉能够让计算机处理和理解真实图像，从而为机器视觉的后续流程提供图像洞察能力的支撑。 机器视觉是工业4.0的关键元素，它能够助力工业系统实现自动化 、智能化升级，改善系统在成本、效率、安全性、稳定性等方面的表现。例如，通过在产线中部署机器视觉系统，工业企业能够将部分流程转变为智能化的流程，从而改善库存状况、提升生产效率和改善制造质量。 近年来，随着视觉传感器成本的降低和图像识别精度的提高及计算机性能与人工智能算法的突飞猛进，机器视觉系统在工业系统中得到了广泛部署，机器视觉市场快速增长。GrandViewResearch预测，到2027年，全球机器视觉市场规模将达到211.7亿美元1。 麦肯锡预计，到2025年，工业4.0将为全球带来1.2万亿至3.7万 亿美元的潜在价值，预计工业4.0将创造相当于效率提高15-20%的价值2。 机器视觉系统包括三个主要的步骤：图像获取，图像处理与系统动作。 •图像获取 通过视觉传感器（包括X-ray等其它类型的传感器）、数码相机、紫外线或红外相机被用来捕捉图像。这些硬件捕捉图像并将其转换为数字信息。 •图像处理 这一步骤能够通过图像处理算法，对来自硬件的数字信号进行分析。机器视觉中的图像处理主要分为图像预处理（包括去除噪声和增强对比度等），图像分割（通过一个阈值，确定图像的边缘），图像特征提取（可以提取大小、颜色、长度、形状或这些特征的组合）等流程。 •系统动作 根据前一步提取的信息，机器自动执行必要的操作与动作。 1https://www.grandviewresearch.com/press-release/global-machine-vision-market 2https://www.mckinsey.com/~/media/mckinsey/industries/advanced%20electronics/our%20insights/capturing%20value%20at%20scale%20in%20discrete%20manufacturing%20with%20industry%204%200/industry-4-0-capturing-value-at-scale-in-discrete-manufacturing-vf.pdf 1.1机器视觉用例/应用领域 01 机器视觉概述 当前，机器视觉已经被广泛应用于半导体、汽车制造、消费电子制造、锂电、光伏、医药，物流，能源与食品包装等众多行业，跨行业成为其应用的主要特点，生产质量控制和预测性维护成为这些行业必不可少的数字化和智能化变革的支撑。 •3C电子制造：3C电子制造对于精度的要求越来越高，部分产品的瑕疵尺寸指标已经小于10um以下，超过了人眼的分辨率极限，单靠人工的品质检测方式已经不能满足生产现场的要求，必须采用机器视觉技术才能确保产品出厂质量。 •半导体：机器视觉在半导体行业中的应用主要涉及到半导体外观缺陷、尺寸、数量、平整度、距离、定位、校准、焊点质量、弯曲度等检测，尤其是晶圆制作中的检测、定位、切割和封装过程全程都需要机器视觉技术的辅助。随着半导体产业规模的不断扩展以及技术的不断革新，半导体企业对于检测效率与精度的要求在不断提升，这将推动机器视觉应用的快速落地。 •光伏：在光伏产品的几大生产环节中，机器视觉系统可在产品生产控制、质量把控、生产管理方面为企业带来多项助益。在硅片环节，金刚线切割机将具备更高线速、更小轴距，使用线径更小的金刚线，对视觉系统的精度有了更高要求；硅片分选设备需要更灵活的尺寸规格切换能力，生产效率，以及对硅片厚度、线痕、尺寸、隐裂等的检测精度；在电池片环节，激光设备因新的工艺需求也对视觉精度、稳定性要求更为严格；丝网印刷机中，双轨高精度大硅片印刷设备对视觉系统能力的集成度需求更高；在组件环节，划焊一体机将成为新建产线的宠儿，其中对组件全尺寸的兼容能力、电池片切割精度、0BB串焊技术的创新，也将提升机器视觉系统的应用和技术迭代速度。 •汽车：保证汽车生产过程的高效与安全是汽车生产企业的重要目标。通过将机器视觉系统应用于质量检测、装 配等流程中，企业可有效提升大部分系统和组件的性能，确保汽车零部件制造商和汽车装配厂所生产的产品满足汽车行业严苛的质量要求。2021年是我国新能源汽车产业市场化的“元年”，在一系列利好因素带动下，我国新能源汽车产业高速发展带动上游动力电池需求增加，间接带动我国锂电池设备市场规模的增长。 •锂电：锂电池在迈向PPB极限制造的目标过程中，工艺非常复杂，机器视觉的特点就是-极高的检测效率、检测精度和超强稳定性，改变锂电池的生产方式，已成为锂电池生产装配中的标准配置。电芯前段工序，在涂布、辊压等环节，锂电池表面容易产生露箔、暗斑、亮斑、掉料、划痕等缺陷，机器视觉主要应用于涂布的涂覆纠偏、尺寸测量，极片的表面瑕疵检测、卷绕对齐度等环节。电芯后段工序主要应用于裸电芯极耳翻折、极耳裁切碎屑、极耳、入壳顶盖和密封钉焊接质量检测以及电芯外观检测、尺寸测量、贴胶定位等。模组和pack工序主要应用于底部蓝胶、BUSBAR焊缝、侧焊缝、模组全尺寸和PACK检测等。 •物流：通过在自动化物流系统中应用机器视觉系统，快递物流企业能够获得精确的计费依据、实时的分拣信息、长效的历史数据，为快件分拣、费用结算、物流追溯提供基础支撑，进而提升物流运转的效率，并帮助快递物流企业获得数据洞察，改善决策与调度水平。 机器视觉概述 01 02 英特尔助力工业机器视觉—硬件篇 英特尔为机器视觉控制器系统提供了各种算力级别的处理器，丰富的可扩展高速IO及外围接口电路等硬件支撑，这些硬件包括英特尔®凌动®、酷睿™、至强®等处理器与FPGA及网络芯片，可以广泛满足用户从基础、主流、到高级的不同机器视觉系统的需求。 2.1第四代英特尔®至强®可扩展处理器 02 新特性 •全新英特尔®DLBoost的加速引擎英特尔®AMX支持BF16/INT8数据类型，可大幅提升AI训练和推理性能 •支持DDR5内存（1DPC内存模式下速度高达4,800MT/s，2DPC模式下速度高达4,400MT/s），每路最多16个DIMM •英特尔®数据流加速器（英特尔®DSA）可实现数据快速传输，满足存储和网络的需求；支持CXL1.1则可在CPU与加速器之间实现高效且一致的互联 英特尔助力工业机器视觉 •多达80条PCIe5.0通道带来出色的连接性 1.33倍3.01倍4.25倍 可扩展处理器 的性能对比 性能提升4AI推理性能提升 （面向图像分类，借助 AI推理性能提升 — （面向对象检测，借助 硬件篇 配合工作负载/配置信息请见：https://edc.intel.com/content/www/cn/zh/products/performance/benchmarks/processors/ 工业制造：在更短的时间内运行计算密集型自动化设施以提高工厂产出 应用：装配线验证、缺陷检测、人机接口(HMI) •以多达52个内核1、高带宽DDR5内存和PCIe5.0以及经全新英特尔®AMX增强的英特尔®DLBoost，支持自动化和机器视觉领域的更多工作负载融合 •支持英特尔®RDT，并且可为高优先级任务分配高速缓存和内存，