视觉抄表_当传统视觉OpenCV遇到AI
工业4.0的推行，大家都知道要智慧上网，才有办法将数据收集起来，否则一切都是流於空谈，就如同我在部落格写的六种方式联网(【工业4.0】设备智慧连网方式)，文中介绍最後的一种连网方式-AI视觉抄表，因为在很多工厂存在老旧机器设备，仪器及仪表都没有数据通信连接，必须要靠人工来抄写。但用人工抄写有几个缺点，包括费时费力、漏抄或错抄等现象。而且还要用人工输入至系统内，会产生资讯时间落差及无法即时警示问题。
AI视觉抄表的技术是结合AI技术与AOI技术(OpenCV)的整合。视觉技术方面分三方面，如下:
- 仪表检测：主要是用物体侦测方法，来辨识摄影机影片图框物体，以便後续处理。其中可以选用AI的YOLO/SSD或者是OpenCV的Haar的特徵处理。
- 数字分割：仪表检测後，利用OpenCV来做数字检测分割。但要考虑各种仪表有各种特殊场景及干扰，可能有些画面底色是黑色，数字是红字。有些画面底色是白色，数字是黑色。基於以上理由，所以使用传统AOI技术，并针对各种现象采用特徵方式处理。
- 数字识别：最後这个阶段，很多人在此犯了一个错误，采用OCR软体识别数字，结果辨别率不高，那是因为角度及阴暗造成的。加上有些是数字灯，本身字没有连贯，以致於上线使用，失败收场。最好的方式还是要用CNN神经网路来训练。
当然AI视觉抄表，也可以取代一些偏远地区或高温高压高热长时间恶劣工作环境的人工抄写，利用边缘运算设备(树莓派+USB摄影机)透过4G或NB-IoT，即可以达成。故AI视觉抄表的应用非常广泛。特别开辟一篇文章来叙述，希望能将各种旧设备也能智能化及智慧化。
视觉抄表绝对不是只有数字侦测，有可能是指针型的仪表，针对这部份，个人建议先用OpenCV将倾斜的仪表板更正，才能再进一步处理。第二步当然是用OpenCV计算偏移角度及计算指示数。
最後要提的，AI视觉抄表也可以架在原本工厂无人车巡检上面，透过巡检车视觉抄表，并传回数值至资料库内，并以Garfana当战情室及Alert警示至Line/E-Mail。还有一个更广阔的应用，就是利用无人机至各地巡检视觉抄表。所以AI视觉抄表，看似小小的技术，但活用它，可以创造很多市场及价值。
