作为全球工业机器视觉领域的领导者之一，康耐视公司（纳斯达克：CGNX）宣布推出In-Sight® D900彩色型号。In-Sight D900彩色型号在In-Sight工业级智能相机中内置了具有彩色成像功能的康耐视深度学习软件，能够在解决大量复杂在线检测应用的同时进行彩色成像。  康耐视公司设计、研发、生产和销售各种基于图像的产品，所有产品均采用人工智能（AI）技术，这使它们能够像人类一样对它们所看到的一切作出决策。康耐视产品包括机器视觉系统、深度学习视觉软件、机器视觉传感器和读码器，这些产品广泛应用于世界各地的工厂和分销中心，能够在产品生产和配送过程中消除各种误差。  作为机器视觉行业的世界领导者之一，康耐视自从 1981 年成立以来，已经销售了 200 多万套基于图像的产品，累计利润超过 70 亿美元。康耐视总部设在美国马萨诸塞州 Natick 郡，在美洲、欧洲和亚洲设有地区办公室和经销处。  “对于许多装配验证和缺陷检测应用而言，色彩是一个重要的区分性特征，”康耐视视觉和ID产品事业部高级副总裁Carl Gerst表示，“In-Sight D900彩色型号进一步推动康耐视实现了其扩展线上检测应用的范围和广度，这类检测应用现在能够以快速、轻松且更具成本效益的方式实现自动化解决方案。”  In-Sight D900彩色型号将人工检测员的自主学习能力与机器视觉系统的可靠性和一致性相结合，显著扩大了工厂自动化应用中检测范围的限制。该系统只需使用少量图像样本即可完成设置，利用用户熟悉且易于使用的康耐视电子表格平台，无需PC，也无需具备深度学习专业知识就能轻松完成部署。  In-Sight D900彩色型号非常适用于依赖色彩自动化检测应用的行业，包括汽车、消费电子产品、消费品、包装、食品和饮料、医疗设备和物流业等。（文章来源于机器人在线网）

  11月8日在上海国家会展中心，拥抱进博，共享未来，在腾讯长三角人工智能超算中心·长三角G60科创走廊合伙人合作签约仪式中。浙江德马科技股份有限公司首席运营官于天文同腾讯云副总裁道峰签署合作协议。  自2016年长三角G60科创走廊启动建设以来，便一直是中国经济最具活力，城镇化平最高的区域之一。上海、嘉兴、湖州等九个城市不断强化科技创新驱动、高端产业引领、头部企业带动，在一体化和高质量发展上呈现纵深推进的良好态势，形成了战略比较优势。  区域创新升级更离不开产业链的紧密配合，在本届进博会上，腾讯长三角人工智能超算中心、中国商飞等头部企业，分别与科创走廊领先企业代表签订了跨区域产业链合作项目合作协议。截止目前，腾讯已经与长三角G60科创走廊九城市中的苏州、湖州、合肥、嘉兴等在项目、生态、产业等不同层面展开广泛的合作，比如智能物流生态、区块链、智慧社区等领域，促进长三角G60产业链一体化高质量发展。  据悉该腾讯人工智能超算中心在未来将成为亚洲单体规模最大的人工智能超算枢纽，形成具有国际影响力的“超算生态”；同时，腾讯将引入世界顶级的人工智能实验室及安全实验室，通过人工智能成熟模式的引入，将海量的数据转化为洞察力再转化为生产力，加速产业链的升级改造。  德马科技作为湖州推荐代表企业参加本次G60科创走廊合伙人合作签约仪式，不但体现了德马在物流装备领域的技术积淀，也彰显了德马一直以来的科技改变世界，连接创造未来的理念。对于本次合作，腾讯云副总裁道峰首先说道：“未来我们将与合作伙伴一起，从数字技术供给、解决方案打造、企业成长三个维度，逐步构建起长三角G60数字产业的开放生态。”  而德马科技首席运营官于天文则表示：“德马科技作为中国首家科创板智能物流设备制造企业，一直都致力于智能物流的技术创新，这与G60科技走廊和腾讯的创新技术的理念不谋而合。物流作为国民经济的血管，是国家科技赋能的一大关键领域。打造智慧迅捷，独立自主的物流装备已成为物流行业的共识。相信通过与腾讯云的合作平台，双方将进一步深化场景创新、技术应用合作，推动实现业务与技术的高度融合，全面提升物流设备的智慧能力。“（文章来源于机器人在线网）

  2020年11月欧姆龙自动化（中国）有限公司新品【手持式读码器V410-H系列】即日起在中国市场首次对外发布。先进的手持式读码器，读取范围广，可用于多种不同的应用。  自20世纪70年代起，一维(1D)码实现了商用，成为自动识别应用常见的符号。如今，越来越多的制造商正在使用能够提升放置灵活性并增加数据容量的二维(2D)码。一般来说，支持机器读取的符号可分为一维码、堆叠式符号、二维符号和光学字符识别(OCR)字体。  欧姆龙提供适用于一维和二维符号标准以及光学字符识别的快速、可靠的读码解决方案，能够读取以任何方式打印或标记的任意一维码或二维符号，根据行业标准对其进行验证。  优势1：从条码识别到打印质量验证的全方位解决方案：条码验证环节可以预防产品上出现劣质条码，从而杜绝在未来发生扫描失败的可能。欧姆龙条码验证器作为嵌入式解决方案，包括相机、软件和精确照明，专门用于验证一维/二维码和直接零件标记是否符合ISO/IEC标准。  优势2：可靠读取直接零件标记(DPM)：一般来说，直接零件标记(DPM)指的是通过点刻或激光/化学蚀刻等方法在金属、塑料、橡胶或玻璃等基材上进行永久标记的二维数据矩阵符号。欧姆龙读码器和验证器带有照明功能和解码算法，专门用于复杂的直接零件标记。  优势3：满足追溯需求：直接零件标记现在正被越来越多地用于满足不断增长的追溯性方面的需求。欧姆龙为各种跟踪，追溯和控制应用提供手持解决方案。  优势4:丰富的产品阵容，适用于不同应用：XD型具有高分辨率和X-模式解码算法，能够连续读取小型代码；SR型读取范围广，读码器可轻松对齐并读取代码；HC型具有耐用性，可适应医疗领域的强力消毒剂。（文章来源于机器人在线网）

  我们的双手就像是大脑和现实世界之间的桥梁，通过让我们将思想变成行动来实现我们的愿望。如果机器人要在交互方面真正发挥自己的潜能，那么至关重要的是，他们必须拥有一些与人类双手类似的工具。  我们知道，机器人专家已经在制造一些令人叹为观止的复杂的机器人手臂。但是他们还需要聪明的人来控制它们-能够根据机器手臂的形状以及它们的硬度或柔软度来正确地抓住它们。当您在办公室上班的第一天，你一定不希望与您，你未来的机器人同事将您的手撵成肉糊。  幸运的是，现在，德国研究人员正在研究的一种新的，受大脑操控的神经网络，它可以使机器人手（在这种情况下，称为Schunk SVH 5手指的现有模型）学习如何选择正确的抓握动作和力度，对不同形状和硬度等级的物体进行正确抓取。在概念验证演示中，机器人的手能够捡起各种物体，包括但不限于塑料瓶，网球，海绵，橡皮鸭，钢笔和各种各样的气球。  “我们的方法有两个主要组成部分：手的运动建模和顺应性控制，”德国卡尔斯鲁厄FZI Forschungszentrum Informatik的研究科学家Juan Camilo Vasquez Tieck告诉《数字趋势》。“手是在不同层次的层次结构中建模的，并且运动用运动图元表示。一个手指的所有关节都由原始手指协调。对于一种特定的抓握动作，所有的手指都由一个原始手来协调。”  换句话说，它可以以不同的方式合上手。该系统代表了开发用于执行此类动作的机器人系统的另一种方式。所涉及的神经网络可使手更智能地抓握，并在必要时进行实时调整。  Tieck继续说道：“尖峰神经网络（SNN）是一种特殊的人工神经网络，它可以更精确地模拟实际神经元的工作方式。” “基于神经科学研究，有许多尖峰神经元模型。对于这项工作，我们使用了泄漏集成和发射（LIF）神经元。神经元之间的通信是基于事件的，使用尖峰。尖峰是离散的脉冲，而不是连续的信号。这将减少神经元之间发送的信息量，并可提高能效。”（文章来源于机器认在线网）

  Spartan的研究人员已获得一笔拨款，用于开发下一代机器，以帮助果农和医护人员。这项工作的目标之一是开发更柔软的材料，帮助机器人更安全有效地在周围环境中导航，而又不会削弱它们的工作能力。另一个目标是在机器人与其协助的人类之间建立信任。  机械工程系的助理教授李（Li）设想了一个未来，机器人将与各种环境下的人们并肩工作，包括苹果园，手术室和辅助生活设施。他的团队正在通过这个名为“ Soft Mult-Arm Robot”（SMART）的项目在多个方面努力实现这一未来。李说：“我们希望我们的机器人了解他们的环境，并了解与之合作的人类。” “我们希望使机器人和人类能够进行互动和交流，而无需彼此交谈。您希望所有这些都是自动的。”  要了解团队将如何做到这一点，查看他们的起点很有帮助。李已经与美国农业部农业技术负责人卢仁福（Renfu Lu）合作了大约18个月，以制作摘苹果的原型。这是一台坚固耐用的机器，使用管状附件和吸力从树上摘苹果。想一想大象用树干抓住东西的能力。密歇根州立大学的教授谭晓波说，下一代的机器人将更像章鱼，它们的几个较软的手臂可以相互独立地抓握。Tan是这项研究的共同研究员，是电气和计算机工程系的Richard M. Hong Endowed主席兼机械工程学兼职教授。  机器人使用更多的手臂可以更快地采摘-该团队计划以四肢开始-并且由于结构较柔软，它们将能够穿过果园而不会损害树木或苹果。“我们希望材料足够柔软，不会伤到苹果，但仍然足够坚硬，可以紧紧抓住苹果。我们希望具有可调的刚度。” Tan说，他最近为机器人创造了柔软的人形手。“这并不容易。”尽管该团队计划使用苹果采摘来测试和验证其机器人，但其他强大的应用程序也将从中受益。例如，在辅助生活设施中，机器人可以帮助照顾者抬起跌倒的居民。李和谭说，这些想法激发了这项补助金旨在回答的其他重大问题。您如何训练机器人以了解人类打算做什么并协助完成该任务？而且，您如何在使用机器人工作的人们之间增进信任？  李说：“我们正在开发机器人，而不是代替人类，而是为人类提供帮助。” “我们认为这是因为机器人是您的合作伙伴。如果您不信任您的伴侣，您将无法与之合作。”在机器人方面，照相机，传感器和程序设计将帮助机器预测如何才能最好地帮助人类。要建立人与机器人之间的信任，就需要更好地了解使用机器人的心理。  “对于此类项目，您确实需要一个多学科团队。我们有一位美国农业部的苹果收割专家，还有材料和人机交互专家。” Tan说。  密苏里州立大学的研究人员Vaibhav Srivastava和曹长勇加入了Li和Tan的研究。Srivastava是电气和计算机工程系的助理教授，隶属于MSU的认知科学部门。研发出人形软手的曹操是包装学院的助理教授，并担任软机和电子实验室主任。（文章来源于贤集网）

  近年来，人工智能、技术与物流融合的智慧物流加快起步。据前瞻产业研究院发布的《智能物流行业市场需求预测与投资战略规划分析报告》数据显示，预计到2025年，智慧物流市场规模将超过万亿。面对智慧物流的万亿市场，在疫情当下，如何迎接新的机遇和挑战？  带着疑问，11月3日我们走进了上海新国际博览中心正在举办的亚洲物流展CeMAT，在快仓展台，我们独家采访了快仓智能科技市场部总监孙迪先生。  本届CeMAT，快仓以“让Quick不止于快+四面墙内智能驾驶”为主题，展示包括行业首创的Quick Pick、Quick AMR+、Quick Handling三大全新智能机器人解决方案及AMR系列新产品，全面展示智慧物流的创新变革！  孙迪先生介绍道，Quick Pick、Quick AMR+、Quick Handling三大全新解决方案是行业首创，每一种解决方案都有两台到两台以上产品的衔接，从而实现在一张地图、一个场景实现了多种机型的混合作业和配合作业，这样的解决方案更适合不同客户不同的场景需求。  Quick Pick智能机器人解决方案通过更高效率、更高存储、稳定性更强的料箱搬运机器人与小巧轻盈，高效灵活的载具搬运机器人相互结合，实现“密集存储+货到人拣选”的最佳CP，兼具存储能力、拣货能力双高特点，有效解决了“超高出入库流量”要求下“拆零拣选及海量SKU退货”人工作业效率低的痛点。  Quick Handling解决方案是快仓专为客户打造兼具同场景多机型多导航方式的智能机器人解决方案，集成于一张地图上，由WCS统一调度，二维码导航的高精度和SLAM的灵活性能够大幅提高工厂的作业效率和产值并降低现有工厂的改造成本。全新Quick AMR+智能机器人解决方案为制造行业赋能，助力制造工厂加速转型，打造高柔性的智能物流体系。  今年上半年，由于新冠肺炎疫情在全球范围内的爆发，各行各业都受到了疫情的影响，孙迪先生认为，疫情对整个无人物流来说是一把双刃剑——疫情在年初的疫情阻碍了生产复工，然而国内对于无人化改造的需求反而更加旺盛。后疫情时代下，智能工厂建设和柔性自动化生产线的应用是应对疫情带来挑战的重大突破口之一，在国内疫情逐步得到控制的同时，快仓的销售策略、解决方案、服务方式已经全面跟上。    今年8月，快仓与与全球最大工业车辆生产厂商凯傲集团达成了战略合作。根据协议，快仓智能的产品将通过凯傲旗下品牌林德物料搬运、施蒂尔和德马泰克的全球销售及服务网络进行分销。凯傲集团在全球市场的自动化仓储解决方案将由此得到扩充，快仓将继续加速全球化布局，携手合作伙伴共同迎接新的机遇和挑战。  孙迪先生表示，目前欧洲疫情在反复，通过与海外客户的交流，快仓将会不断地进行产品和解决方案的更新迭代，以满足全球智慧物流的发展需求，“我们希望中国的智能机器人解决方案不仅仅满足于国内的业务需求，快仓全球化的脚步不会停止。”  2020年，快仓始终以“赋能”作为核心目标，希望“赋能”合作伙伴更多的可能——包括产品“赋能”、技术“赋能”、方案“赋能”等全方位“赋能”，提供给用户更多的模块化产品、技术工具包、高效的解决方案等，未来，快仓将继续携手行业伙伴，共筑智慧物流新生态。（文章来源于机器人在线网）

  近日，《全球前沿技术发展趋势报告》在浦江创新论坛发布，“软体机器人”已成为全球科技界的关注热点。该报告由中国科学技术信息研究所和上海市科学学研究所联手编撰，包括两部分：重点技术发展趋势深度解析和TOP1000技术热点趋势追踪，其中，重点技术发展趋势深度解析篇由中国科学技术信息研究所完成。据悉，该报告选择软体机器人、 脑机接口、 神经形态芯片、 基因编辑和类石墨烯二维材料五个颠覆大众思维模式的前沿技术展开深入分析。  2009年开始，学术界开始寻求刚性材料和马达电机之外的机械解决方案，研究方向很快向仿生学靠拢，模型设计大多来自于自然界的软体生物。和传统的刚性构造不同，这类机器人通常使用硅胶、聚合物等软体材料，动力来自压缩空气、磁场或温度变化，输入软性的肢体进行相应驱动。  软体机器人面向全行业的应用场景，具有无限商业潜力，实验室的产品出现在《Science》《Nature》等知名学术期刊上，出现在TED振奋人心的演讲里，可在充斥着传统机器人的“现实世界”，却罕见软体机器人的身影。将软体机器人技术进行商业化应用具有极高的技术壁垒，一项拥有多应用场景的创新技术，即使潜力无限，若无法量产，就无法进入商业化运营。  在现代工业化社会中，传统刚性机械无处不在，市场占有率很高。传统刚性机械的技术累积完善，提供刚性机械的厂商多，可做到低成本的快速部署。可是刚性机械也有它的局限性，由于马达的驱动惯性导致灵活性很低，与柔性易损易坏物体接触时容易造成破损。根据国际机器人协会（IFR）的调查，全球工业界只解决了3%～4%规则刚性物品的自动化生产搬运问题，剩余96%的柔性异形易损物品仍处于使用人工上下料阶段。这是全球行业内普遍存在的问题，国内外长期以来均无成熟的解决方案。相比诞生于上世纪50年代的传统工业机器人，只有十多年发展历史的软体机器人仍是后起之秀。  整个软体机器人行业还在沉淀， 软体机器人科技有限公司（SRT）已率先突破细分领域，成为国内首家研发量产柔性夹爪的公司。公司产品SRT创新末端执行器源自对章鱼、水母、河豚等软体生物的研究和拓展，具有很高的灵活性，为全行业生产提供全新EOAT解决方案，对实现柔性制造和产能提升具有显著作用。  SRT创新末端执行器具有更高自适应性、更高安全性，无复杂机械结构，能在狭小的空间展开作业；拥有可靠的食品级材质；没有传统机器人的强电机惯性，可以和人亲密合作，共同完成任务，是新一代工业自动化的重要方向。SRT创新末端执行器在抓取和操控不规则的物体方面有着天然的优势。传统机器人抓起一个鸡蛋除了计算手指、鸡蛋间的精确距离外，还需计算手要放置的确切位置以及需要施加多大力道。而SRT软体机器人就像人手抓取物体一样，可以自适应地包覆物体，自然弯曲，无需提前判断物体精确的尺寸和形状。  SRT创新末端执行器面向全行业的应用场景——3C电子、食品行业、医药行业、日化、汽车、物流仓储、PCB及玻璃制品等。比如，在抓取电路板、组合汉堡、制造pizza面团、包装盒装鸡蛋、将不同形状的小食打包进一个塑料餐盒等任务时，传统机械操作很难抓取，刚性结构也容易导致食品损坏或变形，而SRT创新末端执行器可以像人类的手一样快速、准确、温柔地触碰这些食物，不会破坏形状也不会影响口感。  正是SRT创新末端执行器所具备的高自适应性、低廉的成本、和环境交互的安全性，让它从软体机器人这个类别中脱颖而出，成为整个行业在商业推广上的拓荒者。（文章来源于机器人在线网）

  近日消息，总部位于圣地亚哥的机器人技术公司Brain Corp已推出了针对自动移动机器人的解决方案.该技术旨在在全球范围内为不同类型的用户(从机器人操作员到管理人员)优化使用BrainOS驱动的机器人。它们还包括功能强大软件,这些功能适用于启用BrainOS的机器人洗涤器,可为商业场所提供更高的清洁效率和灵活性。  BrainOS是一个开创性的AI软件平台,可用于构建,操作和管理多个机器人应用程序，Brain Corp在UX设计和操作报告方面的创新以及Tennant Co.地板护理设备的成熟性能和规模,是Schnuck Markets最近选择由BrainOS驱动的新型Tennant T380AMR机器人洗涤塔的关键原因。  Schnucks是中西部地区领先的杂货连锁店,到今年年底完成部署后,将在其一半以上的商店中拥有自治部门，Schnucks商店运营支持高级总监Kim Anderson说:“这些新型机器人洗涤器将提高清洁性能,同时将宝贵的时间带给队友,使他们可以花更多的时间做最重要的事情:为客户服务。  新的软件版本包括以下功能,可为企业及其员工提高机器人的使用和采用率:通用设计和图标:带有国际通用符号的用户界面(UI)使机器人操作员可以轻松地立即了解如何操作,无论使用哪种语言。强大的路线清洁升级:BrainOS驱动的机器人洗涤器的新功能，为机器人操作员提供了最大的灵活性来清洁其商业场所.“多条连续路线”允许最多调度和执行六个不同路线，使一个或多个线路连续循环以清理问题区域。  跨应用程序的统一报告:行业首创的功能,使管理人员可以通过单个界面，获取多个由BrainOS支持的机器人应用程序的性能指标.用户可以轻松地在不同的机器人应用程序之间来回切换,以查看核心使用指标,从而使他们能够快速了解其机器人程序对其操作的影响。  BrainOS报告界面现在以多种不同的语言提供,并且还在不断增加中,以帮助全球企业更好地管理多个国家的机器人机队，这种国际化包括特定于产品的语言,以及时间格式和度量单位。新的集中式数据库和高性能报告，使BrainOS机器人的用户现在可以在几秒钟内查看一个商店中的一个机器人，或全球数千个机器人的活动报告和自主使用指标.这使高管可以近乎实时地了解其操作的使用情况和合规性。  Brain Corp的首席技术官Jon Thomason表示:“我们的目标是使BrainOS驱动的机器人对于任何全球受众来说都易于使用,并帮助最终客户更好地收集和利用机器人数据,从而提供更好的客户体验，“这个新版本扩展了我们平台的价值,并为用户对自动机器人投资的期望设定了标准。”   Brain Corp表示,通过其全球制造合作伙伴,Brain Corp目前在全球范围内运营着超过14,000个AMR,这是同类中最大的机器人团队,在交通繁忙的商业室内场所运行，该公司的机器人应用程序包括地板洗涤器,真空吸尘器,拖船和一个新的货架分析应用程序,目前正在主要零售地点进行试用。（文章来源于机器人在线网）

  采用一家工业AI公司Landing AI和促进自动化协会发布了一份报告，该报告展示了与基于AI的机器视觉状态相关的新发现。该调查涵盖了一系列主题，包括实施基于AI的视觉检查的采用程度，收益和挑战。  在制造，视觉检查的许多用例中，一项涉及使用人眼或机器视觉来验证产品是否没有缺陷或零件是否正确组装的任务非常适合AI。根据麦肯锡公司的一项研究，与人工检查相比，基于AI的质量检查可以将生产效率提高多达50％，将缺陷检测率提高多达90％。鉴于这些好处，企业是否已开始在视觉检查中使用AI？  如果是这样，采用的水平是什么，挑战是什么？这些问题以及更多的问题促使Landing AI和A3发起了基于AI的机器视觉状态的调查。该调查对来自制造业和机器视觉行业的110家公司进行了单选题调查。参与调查的受访者扮演着各种角色，其中包括高级管理人员，自动化工程师和工厂经理。一个主要的收获是，企业对AI的有效性充满信心，并且越来越多的公司已经在使用基于深度学习的机器视觉来进行自动视觉检查。 “由调查证明，基于AI的机器视觉已经为制造业创造了价值，其公认的好处包括提高了准确性，灵活性和降低了成本，” Landing AI的AI转型副总裁王冬艳说。“专门为视觉检查而设计的易于使用的AI工具的可用性将推动行业的进一步采用，并将AI的优势带给更多的组织。”  公司对AI的有效性充满信心，有55％的受访者表示他们的总体意见很高或很高。调查显示，有26％的受访者已采用基于AI的机器视觉，而41％的受访者表示他们计划在未来进行。在使用AI的人员中，有62％定义的提高准确性是最大的好处。62％的制造商指出，在实施AI时，主要挑战是训练AI模型所需的数据不足。随着解决方案退出试点计划，公司还担心可扩展性，有27％的公司表示，从概念验证过渡到初始部署时，他们一直在挣扎。  “随着越来越多的AI解决方案进入制造业，视觉检查解决方案得到了最广泛的应用，” A3教育策略总监Robert Huschka说。“由于速度，准确性和可重复性，自动化系统改善了质量和数量的测量，并使人工人员有更多时间专注于更高价值，更具战略意义的工作。”  Landing AI和A3报告的其他发现包括：在高度自动化的部门中，手动检查仍然扮演着重要的角色，有40％的人表示他们的检查完全或大部分是手动的。企业对AI有效性的信心水平很高，有26％的企业表示他们已经在使用AI进行视觉检查。在使用AI时，数据短缺，将AI集成到现有基础架构中的复杂性以及无法在生产中获得实验室结果是三大挑战。大多数企业更喜欢通过内部开发或与供应商合作来拥有其AI项目的所有权。  传统的机器视觉技术由于其久经考验的可重复性，可靠性和稳定性而在制造工厂中仍然很流行。但是，深度学习技术的出现为扩展功能和灵活性提供了可能性，从而带来了更高的成本效率和更高的生产良率。深度学习技术具有巨大的潜力，以至于智能制造中基于深度学习的机器视觉技术在2017年至2023年之间的年增长率将达到20％，到2023年的收入将达到340亿美元。” 根据ABI研究。  借助Landing AI的端到端视觉检查平台，一家全球钢铁制造商仅用了两周的时间就可以将38个缺陷类别的AI模型的准确性从76％提高到93％。这样可以更准确地检测钢缺陷。在另一种情况下，一家全球领先的压缩机制造商能够使用由Landing AI和该公司共同开发的基于AI的视觉解决方案来自动进行泄漏检测。  为了识别泄漏的压缩机，在玻璃水箱前安装了摄像头，玻璃水箱一次被淹没。然后，摄像头捕获图像并将图像发送到基于深度学习的系统，以检测和分析任何气泡泄漏的出现，从而表明压缩机泄漏或故障。（文章来源于机器人在限网）

  11月3日-6日，亚太地区的年度工业盛会——第21届亚洲国际物流技术与运输系统展览会于上海新国际博览中心开启。全球领先的机器视觉品牌所罗门展示了无缝集成3D光学、影像分析及机器人手臂运动控制为一体的自主研发AI 3D视觉系统在厂内物流及仓储物流的多样化应用，提供物流业者最佳的视觉解决方案。  作为全球第一家荣获Vision Systems Design's 2019 Innovators Awards创新金奖的华人企业，所罗门展台上的智能3D取放系统、智能机器人制导取放系统、AI影像检测软件以及多功能3D结构光扫描仪吸引了众多观众驻足。  如何赋予机器人“眼睛”和大脑？如何让它们拥有类似人类的视觉与辨识判断能力？带着这些疑问，我们走进了所罗门展台，并采访了所罗门视觉事业处中国区总监钟毓修先生。  钟毓修先生介绍道，作为一个视觉厂家，所罗门的核心在于“AI+软件”，简单易用是所罗门开发软件平台最大愿景，希望合作伙伴，尤其是在自动化、物流行业、仓储行业的系统集成商们，能得到一个非常容易使用的软件平台。  屡获创新奖的AccuPick 3D所罗门智能3D视觉机器人取放系统就是一个很好的例子。AccuPick 3D采用先进的3D视觉和AI技术，自主识别海量SKU，通过免教导、免学习的方式，在3D视觉的引导下，机器人可以在物件杂乱的深筐中拣选各式各样的物件，提高物流分拣的效益。  目前所罗门软件集成了全世界超过25种以上机器人品牌的控制。钟毓修先生表示，所罗门软件平台最大的优势在于它的应用广泛、以及高集成度。而AccuPick 2D同样是属于易用性较高的软件，它能“教导”机器视觉透过类神经网络自主“学习”，快速识别物件，以实现皮带线叠料拣选。即使皮带上的物品杂乱无序或物品包装反光，仍然阻挡不了所罗门视觉的“慧眼”。  物流是产业链上下游衔接的重要环节，也是实现供应链一体化的重要纽带，机器视觉在智慧物流的发展中起着关键的作用。以往的物流行业强调更多的是人工的替代率，但所罗门看到的是它的高效、高产。针对工厂内部物流应用场景，所罗门将ToF相机挂在机械手臂上，通过较为平价的相机识别黑色工件法兰盘的正反面，实现分拣、抓取、避障等应用，一站式解决工厂的需求和痛点。  “以我们在海外的经验，比如美国、韩国、澳大利亚、新加坡等国家，所罗门在很多的物流场景都有落地。这些落地的项目不仅只是说人工的替代，更重要的是我们在做很多流程的改造与优化。还有更便捷高效的方法，来引领物流行业更创新、更高效。”  为了减少人工作业，所罗门视觉通过人工智能检测同一箱子缺少的物件，实现包装物料出货前的复核。另外当运费开始随物料箱材积开始计算，而非仅单靠箱体重量，能否整齐的装满料箱变得更加重要。但在凡事讲究快速交货的电商时代，高效率的装箱对作业员长期来说是难以负荷的。所罗门SmartPack智能包装解决方案能控制机器人有效率完成这困难的作业。  随着疫情的发生，机器视觉不仅用于工业领域，在医疗系统也已得到推广应用，通过机器视觉解决高仿光、高透明度等类似药瓶的拣选，目前所罗门在国内外知名的药厂有很多的成功案例和落地项目。  在采访的最后，钟毓修先生表示，由于机器视觉在整个物流行业、制造业、工厂、或者仓储类的应用，它不是唯一单独存在的，作为机器人的“眼睛”，它需要仰赖机器人、集成系统的存在而存在，所罗门更想做的是，打造一个开放、共存、方便、易用的平台，兼容各类机器人品牌和系统，让整个自动化的集成项目有更多的选择。（文章来源于机器人机器认在限网）