Re: [討論] 機器視覺
想請問一下, 機器視覺專做算法的公司有沒有搞頭?
為何每個工廠都還要請AOI工程師去調系統? 是否可以都選擇外包就好了?
做為一個專做算法的公司, 你的客戶可能只需要給你一堆圖片,
告訴你什麼東西要檢測出來, 你算法寫出來達到標準交給客戶,
客戶直接把函式庫移到系統上用就好了.
這樣對客戶來說是否比養一群AOI工程師來得專業划算?
※ 引述《schizophrena (你很記者你很腦殘)》之銘言:
: 視覺領域大概分成幾個部份
: 1. 演算法開發 (純訊號分析, 視覺辨識等等)
: 2. 硬體實現 (晶片級演算法開發, 平行處理...)
: 3. 硬體 (相機, 鏡頭設計及整合...)
: 基本上我覺得硬體部份在台灣以代理為多, 所以就不談了
: 如果是以電機領域要切入這部份, 就要看自己的興趣是在哪裡
: 基本上消費性電子影像領域的和AOI的部份就有很大的差別
: 消費性電子用的, 就打開自己的手機看一下相機的那部份
: HDR, 環場拍攝, 這些就是消費性電子用的, Android的大部份就是openCV整合進去
: AOI求的是速度和精確, openCV是不夠用的, 除了功能不足, 速度也跟不上.
: IC業需要的大宗人才是作3A的
: 不過這部份, 演算法設計和實現的能力就要很強....
: 台灣AOI的產業, 或設備製造業, 用的影像函式庫都是買的
: (不要看不起台灣, 連一台幾億的半導體機台的也是買下面列出的公司的...)
: 大廠包括: Eurosys (eVision), MIL(Matrox), VisionPro(Cognex), Halcon
: NI, Keyence....以上都是國外廠商, 歐美日
: 國內有一間叫光道的,
: 依照功能不同, 價格從高到低都有
: "基本上" 這些函式庫都是從下到上什麼都包, 所以你熟其中一個
: 你就可以組合成更多東西... 甚至你會用他們基礎的運算函式
: 你都可以開發新的演算法, 反正就當Matlab用..但是Matlab真的太慢
: 又太多限制, 所以不會有人用來作實作.
: 但是影像因為要處理的部份很多, 所以一間公司他會因為不同的需求聘不同專長的人
: 以前面說的三點, 演算法開發就可能需要專精一點的影像處理的人
: 依照各個公司的需要和個人經驗選擇..
: 第二點的 只要是電機資訊領域的人大概都可以
: 但有心要走業務的, 就走第三點吧, 但是通常要有一些基本背景知識
: 影像處理的領域很廣, 人才需求也很多, 但是因為是比較專精的領域
: 各種應用會的數學方法或概念又有一點差別, 所以變成人才也不好找
: 不過在台灣設備業界通常要的是整合的人
: 薪水又比IC業差了一截, 所以很難吸引到電機資訊的人
: 不過真的有心要學影像的, 設備業界是個好的起步, 因為你要面對的問題
: 是另一個尺度的問題... (這太深入了, 就不講了)
: 你未來要跳到別的領域, 包括3A, 包括辨識等等.. 都很好跳...
: 函式庫這問題, 其實是找到價格功能都合的, 不一定哪家比較好
: 不過台灣人很大的問題是, 只會用函式庫, 不懂後面的原理...
: 這變成很難去作一些fine tune, 最後都變成在作苦工
: 因為就是一直在有限的時間內試試試, 試到最後只符合某些情況
: 遇到某些情況fail了又再重試....
: 影像領域在未來機器人大量取代人力時一定會有很大的發展
: 希望以上的解釋有幫助到有志從事這行業的人
: : 想請教版上大大機器視覺的問題
: : 一般AOI機台大多使用Eazy Vision、OPENCV的函式庫撰寫程式
: : 除了做DSP或研發類的工作才會可能使用C語言撰寫
: : 請問這方面的工作很看重學歷嗎?
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 106.186.117.45
※ 文章網址: https://www.ptt.cc/bbs/Tech_Job/M.1434114905.A.1DD.html
推
06/12 21:27, , 1F
06/12 21:27, 1F
→
06/12 21:29, , 2F
06/12 21:29, 2F
→
06/12 21:29, , 3F
06/12 21:29, 3F
→
06/12 22:33, , 4F
06/12 22:33, 4F
推
06/12 22:44, , 5F
06/12 22:44, 5F
→
06/12 22:51, , 6F
06/12 22:51, 6F
推
06/13 01:44, , 7F
06/13 01:44, 7F
→
06/13 02:41, , 8F
06/13 02:41, 8F
這個基本上應該工廠在架設時用人眼來決定光源有沒有設置好, 人眼能看出缺陷就好,
人眼能看出來的在算法上大致也都能實現.
※ 編輯: tester (106.186.117.45), 06/13/2015 10:58:02
→
06/13 11:03, , 9F
06/13 11:03, 9F
→
06/13 11:06, , 10F
06/13 11:06, 10F
→
06/13 11:06, , 11F
06/13 11:06, 11F
→
06/13 11:06, , 12F
06/13 11:06, 12F
→
06/13 11:06, , 13F
06/13 11:06, 13F
→
06/13 11:08, , 14F
06/13 11:08, 14F
步驟應該是這樣吧
1. 裝光源(例如X-ray), 然後看照出來的結果缺陷明顯與否. 這步是人眼觀察.
2. 人眼分類並挑出缺陷的類型
3. 針對不同的缺陷寫各別的算法去識別.
4. 調整光源的參數提升算法的識別率. (這步不用人眼)
那麼算法公司的商業模式應該是
廠商做第1, 2步, 算法公司做3, 然後成品交給廠商
廠商回去調整4
※ 編輯: tester (106.186.117.45), 06/13/2015 13:50:05
推
06/13 15:33, , 15F
06/13 15:33, 15F
→
06/14 13:19, , 16F
06/14 13:19, 16F
→
06/14 13:20, , 17F
06/14 13:20, 17F
不會吧, Cognex光買一個相機就不只五萬吧. 光是算法部分至少15萬, 反正你請三個
工程師做一個月也不見得有專業的做的強.
※ 編輯: tester (58.39.164.215), 06/15/2015 01:28:33
→
06/15 12:48, , 18F
06/15 12:48, 18F
→
06/15 13:01, , 19F
06/15 13:01, 19F
推
09/26 07:41, , 20F
09/26 07:41, 20F
討論串 (同標題文章)