什么是機(jī)器視覺(jué)？

機(jī)器視覺(jué)(Machine Vision，簡(jiǎn)稱MV ）是不同技術(shù)和方法的結(jié)合，可自動(dòng)提取圖像信息，為機(jī)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(dǎo)/關(guān)鍵數(shù)據(jù)。

高投資回報(bào)率的持續(xù)報(bào)告除其他外，是最近技術(shù)發(fā)展的結(jié)果，特別是在以下領(lǐng)域：

●相機(jī)技術(shù)

●人工智能 (AI)

●芯片組

這些進(jìn)步增強(qiáng)了典型的機(jī)器視覺(jué)優(yōu)勢(shì)，例如節(jié)省成本、提高競(jìng)爭(zhēng)力或提高產(chǎn)品質(zhì)量。這些技術(shù)轉(zhuǎn)變也影響了我們?cè)谘芯恐写_定的 39 種機(jī)器視覺(jué)應(yīng)用的前景。

本文重點(diǎn)介紹了一些從這些發(fā)展中受益匪淺的現(xiàn)有機(jī)器視覺(jué)應(yīng)用程序（例如，缺陷檢測(cè)）和新用例（例如，過(guò)程/操作優(yōu)化和托盤(pán)尺寸標(biāo)注）。

三個(gè)顯著的機(jī)器視覺(jué)技術(shù)轉(zhuǎn)變

機(jī)器視覺(jué)技術(shù)已經(jīng)存在了 30 多年，但最近的技術(shù)變革為其采用提供了新的推動(dòng)力。

關(guān)鍵技術(shù)轉(zhuǎn)變 #1：先進(jìn)相機(jī)

分辨率超過(guò) 45 兆像素的相機(jī)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和不失真地捕捉物體。

但是，在幕后還發(fā)生了其他創(chuàng)新，用戶可能并不那么明顯。其中一項(xiàng)進(jìn)步是引入“基于事件的視覺(jué)傳感器”。

基于事件的視覺(jué)傳感器：

類似于視神經(jīng)處理信息的方式，基于事件的視覺(jué)傳感器通過(guò)僅檢測(cè)每個(gè)像素的亮度變化（即亮度變化）來(lái)捕獲圖像。與傳統(tǒng)的基于框架的視覺(jué)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，適用于自動(dòng)駕駛）。

關(guān)鍵技術(shù)轉(zhuǎn)變 #2：利用人工智能做出更好的決策

從基于規(guī)則的機(jī)器視覺(jué)（基于預(yù)先確定的參數(shù)進(jìn)行決策）到基于 AI 的機(jī)器視覺(jué)（基于適用的機(jī)器視覺(jué)模型的輸出進(jìn)行決策）的轉(zhuǎn)變具有重大影響。

基于規(guī)則的機(jī)器視覺(jué)是“剛性的”，僅適用于可量化、清晰且非常具體的特征（例如，產(chǎn)品上的劃痕是水平的，長(zhǎng)度為 30 毫米）。它回答是/否問(wèn)題。

相反，基于人工智能的 機(jī)器視覺(jué)可以為不可量化的特征提供準(zhǔn)確的結(jié)果，在更廣泛的背景和照明設(shè)置中識(shí)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(xué)習(xí)作為人工智能的一個(gè)更復(fù)雜、更強(qiáng)大的子集，它也越來(lái)越多地被機(jī)器視覺(jué)應(yīng)用所采用。

關(guān)鍵技術(shù)轉(zhuǎn)變 #3：帶有人工智能 芯片的更強(qiáng)大的硬件

人工智能的進(jìn)步與芯片組的進(jìn)步齊頭并進(jìn)。最新一代芯片功能更強(qiáng)大，適合處理圖像和運(yùn)行基于人工智能 的計(jì)算機(jī)視覺(jué)算法。這些進(jìn)步有助于將深度學(xué)習(xí)訓(xùn)練時(shí)間從數(shù)周縮短至數(shù)小時(shí)。

許多智能相機(jī)機(jī)器視覺(jué)系統(tǒng)現(xiàn)在都配備了強(qiáng)大的人工智能芯片，例如凌華科技的 NEON-2000-JNX 系列就內(nèi)置了NvidiaJetson Xavier NX 模塊。

即將到來(lái)的 7 大機(jī)器視覺(jué)應(yīng)用

由于上述最近在相機(jī)、人工智能和芯片組方面的改進(jìn)，以下七種機(jī)器視覺(jué)應(yīng)用（根據(jù)我們的市場(chǎng)研究）得到了提升。

即將到來(lái)的機(jī)器視覺(jué)應(yīng)用 #1：缺陷檢測(cè)

缺陷檢測(cè)是一種機(jī)器視覺(jué)用例，主要部署在制造業(yè)務(wù)的質(zhì)量檢測(cè)過(guò)程中。過(guò)去，非人工智能機(jī)器視覺(jué)需要一個(gè)包含所有可能缺陷圖像的數(shù)據(jù)庫(kù)，系統(tǒng)才能成功識(shí)別缺陷。然而，當(dāng)今的 MV 技術(shù)無(wú)需針對(duì)該缺陷的特定圖像（即異常檢測(cè)）即可辨別出某些“異常”。

例子：

富士通測(cè)試這種解決方案在日本長(zhǎng)野工廠生產(chǎn)，該工廠生產(chǎn)電子設(shè)備。該公司表示，檢查印刷電路板所需的時(shí)間減少了 25%。它通過(guò)修復(fù)數(shù)千張具有缺陷（例如，形狀、大小和顏色異常）的模擬圖像中的異常區(qū)域來(lái)訓(xùn)練 AI 生成正常圖像，從而實(shí)現(xiàn)了這種效率提升。最初，訓(xùn)練圖像沒(méi)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(xùn)練 AI 去除該缺陷并將圖像恢復(fù)為原始形式。通過(guò)比較初始圖像和“恢復(fù)”圖像來(lái)衡量準(zhǔn)確性。這樣，當(dāng) AI 對(duì)特定類型的異常不太準(zhǔn)確時(shí)，第一步可以生成更多此類異常，

即將到來(lái)的機(jī)器視覺(jué)應(yīng)用 #2：過(guò)程/操作優(yōu)化

另一個(gè)（主要是）與制造相關(guān)的機(jī)器視覺(jué)用例是過(guò)程/操作優(yōu)化。更好的相機(jī)和人工智能的結(jié)合允許以新的方式實(shí)現(xiàn)特定的結(jié)果。例如，機(jī)器人現(xiàn)在可以比人類以更高的精度和效率完成更復(fù)雜的任務(wù)。結(jié)果是，使用 MV 技術(shù)，機(jī)器人（或其他機(jī)器）可以做以前以不同方式執(zhí)行的事情。

例子：

一個(gè)典型的例子是德國(guó)弗勞恩霍夫設(shè)計(jì)工程機(jī)電一體化研究所 (IEM)開(kāi)發(fā)的新型橡膠研磨解決方案。使用三菱電機(jī)機(jī)械臂、光學(xué)激光掃描儀和配備 AI 軟件的控制系統(tǒng)，該公司開(kāi)發(fā)了一種新的 AI 研磨系統(tǒng)——RoboGrinder——可以自動(dòng)完成復(fù)雜的橡膠類材料的研磨過(guò)程，這在以前是不可行的.據(jù)該團(tuán)隊(duì)稱，新方法可減少高達(dá) 40% 的典型橡膠研磨過(guò)程。

即將到來(lái)的機(jī)器視覺(jué)應(yīng)用#3：自動(dòng)駕駛

機(jī)器視覺(jué)在開(kāi)發(fā)完全自動(dòng)駕駛汽車的過(guò)程中起著至關(guān)重要的作用。自動(dòng)駕駛有六個(gè)級(jí)別，從 0（完全手動(dòng)）到 5（完全自動(dòng)）。今天大多數(shù)（商用）車輛提供 1 級(jí)或 2 級(jí)駕駛輔助，只有少數(shù)提供 3 級(jí)選項(xiàng)。要達(dá)到 4 級(jí)或 5 級(jí)，就車輛使用的技術(shù)而言，需要實(shí)現(xiàn)飛躍。非常復(fù)雜的 MV 相機(jī)系統(tǒng)和 AI 驅(qū)動(dòng)的計(jì)算是這一技術(shù)飛躍的一部分。

例子：

GoogleWaymo One自動(dòng)叫車服務(wù)是商用 4 級(jí)自動(dòng)駕駛汽車的一個(gè)例子。每輛車都配備了Waymo Driver系統(tǒng)，這是一個(gè)復(fù)雜的 MV 系統(tǒng)，由五個(gè)激光雷達(dá)、四個(gè)雷達(dá)、29 個(gè)攝像頭和實(shí)時(shí)收集傳感器數(shù)據(jù)并計(jì)算最佳路線的 AI 軟件組成。該解決方案已經(jīng)收集了超過(guò) 2000 萬(wàn)英里的真實(shí)世界駕駛體驗(yàn)。

即將推出的機(jī)器視覺(jué)應(yīng)用#4：托盤(pán)尺寸標(biāo)注

物流垂直領(lǐng)域即將到來(lái)的關(guān)鍵機(jī)器視覺(jué)用例之一是托盤(pán)尺寸標(biāo)注。新穎的 3D 飛行時(shí)間* 相機(jī)技術(shù)可以測(cè)量裝載托盤(pán)的尺寸，從而消除手動(dòng)測(cè)量所花費(fèi)的時(shí)間，并最大限度地減少承運(yùn)人因尺寸重量不準(zhǔn)確而可能產(chǎn)生的費(fèi)用。

例子：

產(chǎn)品包裝公司DS Smith與機(jī)器視覺(jué)公司Neadvance和傳感器/過(guò)程儀表公司SICK合作試行托盤(pán)尺寸解決方案.一臺(tái)攝像機(jī)安裝在生產(chǎn)傳送帶的末端，在所有托盤(pán)被拾取之前拍攝 3D 快照。該數(shù)據(jù)對(duì)制造商和承運(yùn)商都至關(guān)重要，因?yàn)樗鼫?zhǔn)確地提供了托盤(pán)的尺寸和體積負(fù)載。隨著時(shí)間的推移，制造商可以使用這些信息來(lái)優(yōu)化生產(chǎn)，而承運(yùn)商可以使用它來(lái)確保使用正確的設(shè)備安全高效地運(yùn)輸貨物。預(yù)期結(jié)果是提高成品和木托盤(pán)庫(kù)存數(shù)據(jù)的準(zhǔn)確性和可靠性，并降低輔助費(fèi)用。

即將到來(lái)的機(jī)器視覺(jué)應(yīng)用#5：身體姿勢(shì)/運(yùn)動(dòng)分析

機(jī)器視覺(jué)還在醫(yī)療保健領(lǐng)域?qū)崿F(xiàn)了多項(xiàng)新應(yīng)用。相機(jī)精度和質(zhì)量的進(jìn)步使身體姿勢(shì)和運(yùn)動(dòng)分析成為可能。現(xiàn)在可以僅使用相機(jī)而不需要額外的設(shè)備（例如，磨損的傳感器/配件）來(lái)識(shí)別骨骼和關(guān)節(jié)的位置和方向。工作空間人體工程學(xué)、醫(yī)療保健實(shí)踐（如骨科）和一般手勢(shì)交互可以從該機(jī)器視覺(jué)應(yīng)用程序中受益。

例子：

利用德國(guó)相機(jī)制造商IDS的新型 USB 3.0 工業(yè)相機(jī)，生物醫(yī)學(xué)解決方案公司DIERS開(kāi)發(fā)了一種解決方案，可以對(duì)人體背部、脊柱和骨盆進(jìn)行快速、高分辨率的光學(xué)測(cè)量。通過(guò)使用相機(jī)連續(xù)記錄設(shè)備投射到患者背部的光，計(jì)算機(jī)軟件可以生成脊柱曲率的準(zhǔn)確表示。該解決方案可幫助整形外科醫(yī)生檢測(cè)肌肉系統(tǒng)的不平衡或姿勢(shì)缺陷。

即將推出的機(jī)器視覺(jué)應(yīng)用#6：自動(dòng)結(jié)賬

機(jī)器視覺(jué)旨在改善零售店的自動(dòng)結(jié)賬體驗(yàn)。通過(guò)使用基于 MV 的解決方案，可以顯著減少結(jié)帳所需的時(shí)間。

例子：

總部位于美國(guó)的初創(chuàng)公司Mashgin開(kāi)發(fā)了一種機(jī)器視覺(jué)解決方案，可以對(duì)產(chǎn)品進(jìn)行視覺(jué)掃描，而不必搜索條形碼。德克薩斯州DK 商店等客戶表示，由于自動(dòng)結(jié)賬解決方案減少了排隊(duì)等候，交易量增加了34% 。

即將到來(lái)的機(jī)器視覺(jué)應(yīng)用 #7：污染物識(shí)別

產(chǎn)品中污染物的鑒定是食品行業(yè)質(zhì)量評(píng)估的重要組成部分，但該過(guò)程很難用傳統(tǒng)的 MV 方法解決，因?yàn)樗歉叨榷ㄐ缘?，并且需要一個(gè)包含每種可能的污染物組合的數(shù)據(jù)庫(kù)。然而，通過(guò)利用人工智能，可以有效地識(shí)別加工食品中的變色、異物和其他此類異常情況。

例子：

冷凍食品公司Apetito在 20 多條生產(chǎn)線中測(cè)試并部署了自動(dòng)化定性評(píng)估解決方案，從而確保加工食品部門能夠成功檢測(cè)原料中的所有污染物。

結(jié)論與展望

本文中描述的三項(xiàng)技術(shù)進(jìn)步正在推動(dòng)使用機(jī)器視覺(jué)技術(shù)的新應(yīng)用和改進(jìn)應(yīng)用。IoT Analytics 預(yù)計(jì)機(jī)器視覺(jué)市場(chǎng)從 2022 年到 2027 年將以 8% 的復(fù)合年增長(zhǎng)率增長(zhǎng)（已經(jīng)考慮到 2023 年技術(shù)市場(chǎng)的艱難時(shí)期）。與當(dāng)今的許多技術(shù)領(lǐng)域一樣，受益于人工智能進(jìn)步的軟件有望實(shí)現(xiàn)最高增長(zhǎng)。我們的研究表明，在我們確定的 313 家機(jī)器視覺(jué)供應(yīng)商中，約有 60% 已經(jīng)提供了特定的 MV 軟件。我們預(yù)計(jì)上述七個(gè)用例在接下來(lái)的幾年中會(huì)變得更加普遍——我們還預(yù)計(jì)會(huì)出現(xiàn)許多我們?cè)诒疚闹袥](méi)有討論的其他用例。MV 是一項(xiàng)令人興奮的技術(shù)，我們還沒(méi)有看到它的強(qiáng)大功能。