機器視覺基本架構及主要應用領域分析

機器視覺基本架構及主要應用領域分析機器視覺起源于上世紀50年代——Gilson提出了“光流”這一概念，并基于相關統(tǒng)計模型發(fā)展了逐像素的計算模式，標志著2D影像統(tǒng)計模式的發(fā)展。相對于人類視覺而言，機器視覺在量化程度、灰度分辨力、空間分辨力和觀測速度等方面存在顯著優(yōu)勢。其利用相機、鏡頭、光源和光源控制系統(tǒng)采集目標物體數(shù)據(jù)，借助視覺控制系統(tǒng)、智能視覺軟件和數(shù)據(jù)算法庫進行圖形分析和處理，軟硬系統(tǒng)相輔相成，為下游自動化、智能化制造行業(yè)賦予視覺能力。隨著深度學習、3D視覺技術、高精度成像技術和機器視覺互聯(lián)互通技術的發(fā)展，機器視覺性能優(yōu)勢進一步提升，應用領域也向多個維度延伸。國內機器視覺起步晚，目前處于快速成長期。國內機器視覺源于上世紀80年代的第一批技術引進。自1998年眾多電子和半導體工廠落戶廣東和上海開始，機器視覺生產線和高級設備被引入我國，誕生了國際機器視覺廠商的代理商和系統(tǒng)集成商。隨著全球制造中心向我國轉移，目前中國已是繼美國、日本之后的第三大機器視覺領域應用市場。據(jù)中國視覺產業(yè)聯(lián)盟，2018年我國機器視覺行業(yè)銷售額達到83億元，較2013年翻了3倍，年復合增長率達33.54%。機器視覺基本架構機器視覺(MachineVision)是指通過光學裝置和非接觸傳感器自動接收并處理真實物體的圖像，分析后獲取所需信息或用于控制機器運動的裝置。通俗地說， 機器視覺就是用機器代替人眼。機器視覺模擬眼睛進行圖像采集，經過圖像識別和處理提取信息，最終通過執(zhí)行裝置完成操作。五大模塊構筑機器視覺系統(tǒng)：按照信號的流動順序，機器視覺系統(tǒng)主要包括光學成像、圖像傳感器、圖像處理、IO和顯示等五大模塊。?光學成像模塊設計合理的光源和光路，通過鏡頭將物方空間信息投影到像方，從而獲取目標物體的物理信息；?圖像傳感器模塊負責信息的光電信號轉換，目前主流的圖像傳感器分為CCD與CMOS兩類；?圖像處理模塊基于以CPU為中心的電路系統(tǒng)或信息處理芯片，搭配完整的圖像處理方案和數(shù)據(jù)算法庫，提取信息的關鍵參數(shù)；?IO模塊輸出機器視覺系統(tǒng)的結果和數(shù)據(jù)；?顯示模塊方便用戶直觀監(jiān)測系統(tǒng)的運行過程， 實現(xiàn)圖像的可視化。機器視覺的主要應用領域現(xiàn)在，發(fā)展迅猛的自動化技術在我國掀起了熱潮，我們對機器視覺的認識加深，每個人對它的看法發(fā)生了巨變。機器視覺系統(tǒng)讓大批量、持續(xù)生產的自動化程度提高了，大大提高了為工業(yè)生產效率和產品精度，同時獲取信息與自動處理的能力變得極其快，為工業(yè)生產的信息集成提供了有效途徑。機器視覺技術不斷成熟和進步，應用范圍變得越來越寬泛。工業(yè)檢測近幾十年來，在工業(yè)檢測中利用視覺系統(tǒng)的非接觸、速度快、精度合適、現(xiàn)場抗干擾能力強等突出的優(yōu)點，使機器視覺技術得到了廣泛的應用，取得了巨大的經濟與社會效益。機器視覺系統(tǒng)的特點是提高生產的柔性和自動化程度。運用在一些危險工作環(huán)境或人工視覺難以滿足要求的場合；此外，在大批量工業(yè)生產過程中，機器視覺檢測可以大大提高生產效率和生產的自動化程度。自動視覺識別檢測目前已經用于產品外形和表面缺陷檢驗，如木材加工檢測、金屬表面視覺檢測、二極管基片檢查、 印刷電路板缺陷檢查、焊縫缺陷自動識別等。這些檢測識別系統(tǒng)屬于二維機器視覺，技術已經較為成熟，其基本流程是用一個攝像機獲取圖像，對所獲取的圖像進行處理及模式識別，檢測出所需的內容。汽車制造行業(yè)汽車制造質量原先主要依靠三坐標測量完成，效率低、時間長、數(shù)據(jù)量嚴重不足，且只能離線測量。機器視覺引入非接觸測量技術，逐步發(fā)展成固定式在線測量站與機器人柔性在線測量站等在線測量系統(tǒng)，可嚴格監(jiān)拴車身尺寸波動，提供數(shù)據(jù)支持。除傳統(tǒng)三坐標測量、激光在線測量外，藍光掃描測量、表面缺陷測量等視覺測量方法可進行更加精細地測量，對車身基本特征尺寸、車體裝配效果、缺陷等提供高精度監(jiān)控。多種監(jiān)控測量手段互相結合，確保生產零件零缺陷、整車制造高質量。機器視覺檢測系統(tǒng)可以對產品進行制造工藝檢測、自動化跟蹤、追溯與控制等，包括通過光學字符識別（OCR）技術獲取車身零件編碼以保證零件在整個制造過程中的可追溯性，通過識別零件的存在或缺失以保證部件裝配的完整性，以及通過視覺技術識別產品表面缺陷或加工工具是否存在缺陷以保證生產質量。消費電子行業(yè)消費電子行業(yè)元器件尺寸小、質量標準高，適合用機器視覺系統(tǒng)檢測，也促進機器視覺技術進步。同時，消費電子產品生命周期短、需求量大，拉動機器視覺市場需求。機器視覺在消費電子領域，以PCB/FPCAOI檢測、零部件及整機外觀檢測、裝配引導等應用為主，并呈現(xiàn)出越來越多的新的應用場景。PCB缺陷檢測主要是焊點缺陷檢測和元器件檢測兩大部分。傳統(tǒng)的人工目視檢測法易漏檢、速度慢、時間長、成本高，已不能滿足生產需要，機器視覺PCB檢測系統(tǒng)具有重要的現(xiàn)實意義。在電路板從印刷裝置中移下，或在清洗劑中清洗后，以及返修完成返回生產線中，機器視覺提供的在線視覺技術可以在實施印刷操作后直接發(fā)現(xiàn)存在的缺陷情況，保證了操作者在加上PCB以前能夠及時處理有關問題。另外，發(fā)現(xiàn)缺陷時可以有效防止有缺陷的電路板送達生產線后端，從而避免出現(xiàn)返修或廢棄現(xiàn)象。操作者能夠及時得到反饋，明確處于操作中的印刷工藝操作是否良好，達到預防缺陷產生的目的，對生產效率和良率的提升至關重要。圖像識別圖像識別，簡單講就是使用機器視覺處理、分析和理解圖像，識別各種各樣的的對象和目標，功能非常強大，圖片識別應用熱度在視覺與圖像領域中排名第三。最典型的圖像識別應該就是識別二維碼了。二維碼和條形碼是我們生活中極為常見的條碼。在商品的生產中，廠家把很多的數(shù)據(jù)儲存在小小的二維碼中，通過這種方式對產品進行管理和追溯，隨著機器視覺圖像識別應用變得越來越廣泛，各種材質表面的條碼變得非常容易被識別讀取、檢測，從而提高現(xiàn)代化的水平、生產效率大大的提高、生產成本降低。圖像識別大多商用場景還屬于藍海，潛力有待開發(fā)，同時，圖片數(shù)據(jù)大多被大型互聯(lián)網企業(yè)所掌握，創(chuàng)業(yè)公司數(shù)據(jù)資源稀少。人臉識別也屬于圖像識別的一個應用場景，做人臉識別的大多數(shù)企業(yè)同時也在提供圖像識別服務，但是銷售效果不佳，主要贏利點還在于人臉識別。物體分揀在機器視覺應用環(huán)節(jié)中，物體分揀應用是建立在識別、檢測之后的一個環(huán)節(jié)，通過機器視覺系統(tǒng)將圖像進行處理，結合機械臂的使用實現(xiàn)產品分揀。舉個例子，在過去的產線上，是用人工的方法將物料安放到注塑機里，再進行下一步工序。現(xiàn)在則是使用自動化設備分料，其中使用機器視覺系統(tǒng)進行產品圖像抓取、圖像分析、輸出結果，再通過機器人把對應的物料放到固定的位置上，從而實現(xiàn)工業(yè)生產的智能化、現(xiàn)代化、自動化。6.視頻/監(jiān)控分析人工智能技術可以對結構化的人、車、物等視頻內容信息進行快速檢索、查詢。這項應用使得讓公安系統(tǒng)在繁雜的監(jiān)控視頻中搜尋到罪犯的有了可能。在大量人群流動的交通樞紐，該技術也被廣泛用于人群分析、防控預警等。視頻/監(jiān)控領域盈利空間廣闊，商業(yè)模式多種多樣，既可以提供行業(yè)整體解決方案，也可以銷售集成硬件設備。將技術應用于視頻及監(jiān)控領域在人工智能公司中正在形成一種趨勢，這項技術應用將率先在安防、交通甚至零售等行業(yè)掀起應用熱潮。文字識別計算頊字識別，俗稱光學字符識別，它是利用光學技術和計算機技術把印在或寫在紙上的文字讀取出來，并轉換成一種計算機能夠接受、人又可以理解的格式。這是實現(xiàn)文字高速錄入的一項關鍵技術。食品包裝與制藥行業(yè)應用機器視覺在食品包裝領域適用范圍廣泛，可用于檢測瓶子的分類和液位測量、標簽、蓋子、盒子的檢查，以及瓶的形狀、尺寸、密封性和完整性。被檢查的包裝形狀不限包裝盒、包裝箱、金屬箱、管狀、泡狀、盤狀、廣口瓶、細口瓶、罐裝和桶裝等。食品包裝是食品質量的重要保障，可以保護食品在流通過程中免受污染，提高品質，避免發(fā)生安全事故。制藥企業(yè)的生產過程中，藥品關系到人的生命健康，即使是微小的缺陷存在，一旦藥品流通到市場后也會對患者造成無法彌補的損失，甚至導致醫(yī)療事故的發(fā)生。機器視覺在藥品包裝、質量檢測及控制等多個方面有廣大作為，助力醫(yī)藥行業(yè)加快現(xiàn)代化、智能化進程。目前，在數(shù)粒、打碼、泡罩版缺粒、藥品殘缺和斷片、 加裝說明書、編碼識別等檢測環(huán)節(jié)，機器視覺檢測內容豐富、穩(wěn)定、精確，滿足醫(yī)藥行業(yè)包裝線經常變包裝產品的需求。無人駕駛隨著汽車的普及，汽車已經成為人工智能技術非常大的應用投放方向，但就目前來說，想要完全實現(xiàn)自動駕駛/無人駕駛，距離技術成熟還有一段路要走。不過利用人工智能技術，汽車的駕駛輔助的功能及應用越來越多，這些應用多半是基于計算機視覺和圖像處理技術來實現(xiàn)。圖像及視頻編輯目前市場上也出現(xiàn)了很多運用及機器學習算法對圖像進行處理，可以實現(xiàn)對圖片的自動修復、美化、變換效果等操作。并且越來越受到用戶青睞。機器視覺在應用場景上逐漸突破工業(yè)檢測，其應用邊界逐步向智能生活領域拓展。由于機器視覺在智能生活、智能制造兩個領域具有不同的技術特點和應用進展，所以機器視覺于這兩個領域的行業(yè)發(fā)展趨勢也不盡相同。應用場景不斷豐富全球機器視覺正處于快速成長期。據(jù)marketsandmarkets預測，全球機器視覺市場規(guī)模至2025年有望達到147美元；GGII數(shù)據(jù)顯示，2019年我國機器視覺市場規(guī)模65.5億元（不包含計算機視覺市場），同比增長21.8%。2014-2019年復合增長率為28.4%，并預測到2023年中國機器視覺市場規(guī)模將達到155.6億元。目前主流的機器視覺技術仍采用傳統(tǒng)方式，即首先將數(shù)據(jù)表示為一組特征，分析特征或輸入模型后，輸出得到預測結果，在結構化場景下定量檢測具有高速、高準確率、可重復性等優(yōu)勢。但隨著機器視覺的應用領域擴大，傳統(tǒng)方式顯示出通用性低、難以復制、對使用人員要求高等缺點。深度學習對原始數(shù)據(jù)通過多步特征轉換，得到更高層次、更加抽象的特征表示，并輸入預測函數(shù)得到最終結果。深度學習可以將機器視覺的效率和魯棒性與人類視覺 的靈活性相結合，完成復雜環(huán)境下的檢測，特別是涉及偏差和未知缺陷的情形， 極大地拓展了機器視覺的應用場景。傳統(tǒng)的2D機器視覺技術在三個自由度（x、y和旋轉）上定位目標物體，并基于灰度或彩色圖像對比度提供圖像處理分析結果，無法獲取目標物體的三維信息，也易受光照條件變化、物體運動等影響。3D機器視覺技術可以在六個自由度（x、y、z、旋轉、俯仰和橫擺）上定位目標物體，提供豐富的三維信息，使機器能夠感知物理環(huán)境的變化并作出相應調整，提高了應用中的靈活性和實用性。機器視覺功能很少作為孤立的系統(tǒng)，而是以整個自動化系統(tǒng)或者設備的有機組成部分之一出現(xiàn)，也往往在配合邏輯控制、運動控制、數(shù)據(jù)集、通信網絡以及企業(yè)數(shù)據(jù)庫管理等其它功能時，才能真正發(fā)揮出其優(yōu)勢。構建