對機器視覺（MV）市場的最新研究表明，相機技術(shù)、人工智能技術(shù)和AI芯片的快速發(fā)展正在推動機器視覺應用的爆發(fā)應用，MV越來越受到市場和投資人的青睞。

機器視覺——工業(yè) 4.0 的關(guān)鍵技術(shù)

在所有工業(yè) 4.0 技術(shù)中，機器視覺 （MV） 具有最高的投資回報率 （ROI），2022 年的研究表明，機器視覺預計將在未來幾年投資增長強勁。

什么是機器視覺

MV是不同技術(shù)和方法的組合，用于自動提取圖像信息，為機器在工業(yè)和非工業(yè)環(huán)境中執(zhí)行給定任務(wù)提供操作指導/關(guān)鍵數(shù)據(jù)。

?

?

特別是相機技術(shù)、人工智能、芯片組等領(lǐng)域的持續(xù)創(chuàng)新，為機器視覺的發(fā)展提供強勁的支持，也深入影響機器視覺應用的格局。

關(guān)鍵技術(shù)：先進的相機技術(shù)

分辨率超過45萬像素的相機現(xiàn)在不僅（在許多情況下）優(yōu)于人眼，而且它們還可以以極高的速度捕獲物體而不會失真?！盎谑录囊曈X傳感器”的技術(shù)創(chuàng)新促進了相機技術(shù)發(fā)展。

?

?

基于事件的視覺傳感器：

與視神經(jīng)處理信息的方式類似，基于事件的視覺傳感器通過僅檢測每個像素的亮度變化（即亮度變化）來捕獲圖像。與傳統(tǒng)的基于框架的視覺傳感器相比，這允許更黑暗的環(huán)境或更惡劣的天氣條件（例如，適合自動駕駛）。

關(guān)鍵技術(shù)：利用人工智能做出更好的決策

從基于規(guī)則的機器視覺（基于預先確定的參數(shù)進行決策）到基于AI的機器視覺（基于適用的MV模型輸出的決策）的轉(zhuǎn)變影響著機器視覺的應用。

基于規(guī)則的MV是“剛性的”，僅適用于可量化、清晰和非常具體的特征（例如，產(chǎn)品上的劃痕是水平的，長度為30毫米）。它回答了一個是/否問題。

相反，基于AI的MV可以為不可量化的特征提供準確的結(jié)果，在更廣泛的背景和照明設(shè)置中識別缺陷，并靈活地處理產(chǎn)品外觀和缺陷類型（例如凹痕或變色）的變化。深度學習是人工智能的一個更復雜、更強大的子集，在機器視覺應用中也越來越多地被采用。

?

?

關(guān)鍵技術(shù)：采用AI芯片的更強大的硬件

人工智能的進步與芯片組的進步齊頭并進。最新一代的芯片功能更強大，適合處理圖像和運行基于AI的計算機視覺算法。這些進步有助于將深度學習訓練時間從幾周縮短到幾小時。

?

?

許多智能相機機器視覺系統(tǒng)現(xiàn)在都配備了強大的AI芯片，例如凌華科技的NEON-2000-JNX系列內(nèi)置了Nvidia Jetson Xavier NX模塊。

CORPORATE CULTURE

由于相機技術(shù)、人工智能和AI芯片的新技術(shù)的發(fā)展，下面介紹7個機器視覺的典型應用場景

機器視覺應用#1：缺陷識別

缺陷識別是一種機器視覺應用，主要部署在制造操作的質(zhì)量檢測過程中。過去，非人工智能機器視覺需要一個包含所有可能缺陷圖像的數(shù)據(jù)庫，以便系統(tǒng)成功識別缺陷。然而，今天的MV技術(shù)可以識別某些東西是不需要該缺陷的特定圖像（即異常檢測）。

?

檢查印刷電路板，通過訓練AI通過修復數(shù)千個有缺陷（例如形狀，大小和顏色異常）的模擬圖像中的異常區(qū)域來生成正常圖像，從而實現(xiàn)了這種效率改進。最初，訓練圖像沒有缺陷。在下一步中，添加模擬缺陷（例如，形狀、大小和顏色異常）。

然后訓練人工智能以消除該缺陷并將圖像恢復到其原始形式。通過比較初始圖像和“恢復”圖像來測量精度。這樣，當AI對特定類型的異常不太準確時，第一步可以生成更多此類異常，從而精確定位和改善AI的不足。

機器視覺應用#2：流程/操作優(yōu)化

另一個（主要是）與制造相關(guān)的機器視覺用例是流程/操作優(yōu)化。更好的相機技術(shù)和人工智能的結(jié)合允許實現(xiàn)特定結(jié)果的新方法。例如，機器人現(xiàn)在可以以比人類更高的精度和效率處理更復雜的任務(wù)。結(jié)果是，借助MV技術(shù)，機器人（或其他機械）可以完成負責的多任務(wù)。

?

?

弗勞恩霍夫設(shè)計工程機電一體化研究所（IEM）開發(fā)的新型橡膠研磨解決方案。該公司使用三菱電機機械臂、光學激光掃描儀和配備AI軟件的控制系統(tǒng)，開發(fā)了一種新的AI研磨系統(tǒng)RoboGrinder，該系統(tǒng)可以自動研磨復雜的橡膠狀材料，這在以前是無法實現(xiàn)的。

機器視覺應用#3：自動駕駛

機器視覺在開發(fā)全自動駕駛汽車的過程中起著至關(guān)重要的作用。自動駕駛有六個級別，從L0（全手動）到L5（全自動）。如今，大多數(shù)（商用）車輛提供L?1 級或L?2 級駕駛輔助，只有少數(shù)提供L?3 級選項。要達到L?4 級或L?5 級，需要車輛在技術(shù)應用上有質(zhì)的飛躍。非常復雜的MV相機系統(tǒng)和AI硬件芯片是解決這一過程的重要部分。

?

?

Google Waymo One自動駕駛叫車服務(wù)是商用4級自動駕駛汽車的一個例子。每輛車都配備了Waymo Driver系統(tǒng)，這是一個復雜的MV系統(tǒng)，由五個激光雷達，四個雷達，29個攝像頭和AI軟件組成，可以收集傳感器數(shù)據(jù)并實時計算最佳路線。該解決方案已經(jīng)收集了超過20萬英里的真實駕駛經(jīng)驗。

機器視覺應用#4：托盤尺寸標注

物流垂直領(lǐng)域即的機器視覺應用是托盤尺寸標注。使用先進相機技術(shù)可以測量裝載托盤的尺寸，從而消除手動測量所花費的時間，并最大限度地減少承運人因體積重量不準確而產(chǎn)生的潛在費用。

?

?

例如：產(chǎn)品包裝公司 DS Smith 與機器視覺公司 Neadvance 和傳感器/過程儀表公司 SICK 合作，試行托盤體積測量解決方案。攝像頭安裝在生產(chǎn)傳送帶的末端，并在取貨之前拍攝所有托盤的 3D 快照。這些數(shù)據(jù)對制造商和承運人都至關(guān)重要，因為它可以準確地提供托盤的尺寸和體積負載。

制造商可以使用這些信息來優(yōu)化生產(chǎn)，而承運人可以使用它來確保使用正確的設(shè)備安全有效地運輸貨物。預期結(jié)果是提高了成品和木托盤庫存數(shù)據(jù)的準確性和可靠性，并降低了附加費用。

機器視覺應用#5：身體姿勢/運動分析

機器視覺還在醫(yī)療保健領(lǐng)域?qū)崿F(xiàn)了幾個新的應用。相機精度和質(zhì)量的進步使身體姿勢和運動分析成為可能。現(xiàn)在只需使用攝像頭即可識別骨骼和關(guān)節(jié)的位置和方向，而無需使用其他設(shè)備（例如，磨損的傳感器/附件）。人體工程學、骨科等醫(yī)療保健實踐和一般手勢交互都可以從這種機器視覺應用中受益。

例如：利用德國相機制造商IDS的新型USB 3.0工業(yè)相機，生物醫(yī)學解決方案公司DIERS開發(fā)了一種解決方案，可以對人體背部、脊柱和骨盆進行快速、高分辨率的光學測量。通過使用相機連續(xù)記錄設(shè)備投射到患者背部的光線，計算機軟件可以生成脊柱曲率的準確表示。該解決方案可幫助整形外科醫(yī)生檢測肌肉系統(tǒng)的不平衡或姿勢缺陷。

機器視覺應用#6：自動結(jié)賬

機器視覺旨在改善零售店的自動結(jié)賬體驗。通過使用基于 MV 的解決方案，可以顯著減少結(jié)賬所需的時間。

?

?

總部位于美國的初創(chuàng)公司Mashgin開發(fā)了一種機器視覺解決方案，可以對產(chǎn)品進行視覺掃描，而不必搜索條形碼?？偛课挥诘驴怂_斯州的DK商店等客戶報告說，由于自動結(jié)賬解決方案減少了等待排隊，交易量增加了34%。

機器視覺應用#7：污染物識別

產(chǎn)品中污染物的識別是食品行業(yè)質(zhì)量評估的重要組成部分，但該過程很難用傳統(tǒng)的MV方法解決，因為它是高度定性的，并且需要每種可能的污染物組合的數(shù)據(jù)庫。然而，通過利用人工智能，可以有效地識別加工食品中的變色、異物和其他此類異常。

?

?

冷凍食品公司Apetito在20多條生產(chǎn)線上測試并部署了自動化定性評估解決方案，從而確保加工食品部門能夠成功檢測原材料中的所有污染物。

CORPORATE CULTURE 寫在最后

相機技術(shù)、人工智能和AI芯片正在推動機器視覺技術(shù)的新的創(chuàng)新應用。IoT Analytics 預計，未來8年機器視覺市場將以 27% 的年增長率增長。受益于人工智能技術(shù)的快速發(fā)展，未來機器視覺領(lǐng)域還會涌現(xiàn)出不同的應用場景，商業(yè)化機會不斷涌現(xiàn)。

編輯：黃飛

?