視覺抄表_當傳統視覺OpenCV遇到AI
工業4.0的推行，大家都知道要智慧上網，才有辦法將數據收集起來，否則一切都是流於空談，就如同我在部落格寫的六種方式聯網(【工業4.0】設備智慧連網方式)，文中介紹最後的一種連網方式-AI視覺抄表，因為在很多工廠存在老舊機器設備，儀器及儀表都沒有數據通信連接，必須要靠人工來抄寫。但用人工抄寫有幾個缺點，包括費時費力、漏抄或錯抄等現象。而且還要用人工輸入至系統內，會產生資訊時間落差及無法即時警示問題。
AI視覺抄表的技術是結合AI技術與AOI技術(OpenCV)的整合。視覺技術方面分三方面，如下:
- 儀表檢測：主要是用物體偵測方法，來辨識攝影機影片圖框物體，以便後續處理。其中可以選用AI的YOLO/SSD或者是OpenCV的Haar的特徵處理。
- 數字分割：儀表檢測後，利用OpenCV來做數字檢測分割。但要考慮各種儀表有各種特殊場景及干擾，可能有些畫面底色是黑色，數字是紅字。有些畫面底色是白色，數字是黑色。基於以上理由，所以使用傳統AOI技術，並針對各種現象採用特徵方式處理。
- 數字識別：最後這個階段，很多人在此犯了一個錯誤，採用OCR軟體識別數字，結果辨別率不高，那是因為角度及陰暗造成的。加上有些是數字燈，本身字沒有連貫，以致於上線使用，失敗收場。最好的方式還是要用CNN神經網路來訓練。
當然AI視覺抄表，也可以取代一些偏遠地區或高溫高壓高熱長時間惡劣工作環境的人工抄寫，利用邊緣運算設備(樹莓派+USB攝影機)透過4G或NB-IoT，即可以達成。故AI視覺抄表的應用非常廣泛。特別開闢一篇文章來敘述，希望能將各種舊設備也能智能化及智慧化。
視覺抄表絕對不是祇有數字偵測，有可能是指針型的儀表，針對這部份，個人建議先用OpenCV將傾斜的儀表板更正，才能再進一步處理。第二步當然是用OpenCV計算偏移角度及計算指示數。
最後要提的，AI視覺抄表也可以架在原本工廠無人車巡檢上面，透過巡檢車視覺抄表，並傳回數值至資料庫內，並以Garfana當戰情室及Alert警示至Line/E-Mail。還有一個更廣闊的應用，就是利用無人機至各地巡檢視覺抄表。所以AI視覺抄表，看似小小的技術，但活用它，可以創造很多市場及價值。