机器视技术：机器视觉≠计算机视觉.docVIP

机器视技术：机器视觉≠计算机视觉 在人们从自然界获取的各种信息中，视觉获取量最高，约占总信息量的80%。随着信息技术的发展，人类的视觉功能逐步被赋予计算机、机器人或其他智能机器。目前正处在行业风口的机器视觉就是这样一种技术，它通过图像处理实现自动检测和分析应用，包括自动检测、过程控制和机器人导航等。目前，机器视觉(MV)技术已经实现产品化。视觉传感器、镜头、高速相机、光源、视觉软件、图像采集卡、视觉处理器等都变得越来越完善。在工业自动化环境中，机器视觉越来越受到行业的关注，并被大量用于诸如自动驾驶汽车、食品生产、包装和物流、机器人和无人机等。　　当提到机器视觉时，技术人员可能会很多理解，本文尝试着从四个方面逐一解释有关机器视觉应了解的真相。　　真相一：机器视觉≠计算机视觉　　机器视觉是一种通过光学设备和非接触传感器自动接收和处理真实物体图像的设备，以获取所需信息或控制机器人的运动。自20世纪50年代开始运行，从1980年到1990年，这项技术真正开始起飞并逐渐普及。经过数十年的发展，机器视觉已经为它是什么以及它是如何工作的积累了各种定义。　　自动化成像协会(AIA)给出了一个更具广义意味的定义，即：机器视觉包括所有工业和非工业应用，其中硬件和软件的组合为设备执行基于图像捕获和处理的功能提供操作指导。而SearchEnterpriseAI则给出了机器视觉的狭义定义，将其称之为“计算机的视觉能力”，该系统使用一个或多个摄像机、模数转换(ADC)和数字信号处理(DSP)，将产生的数据传输到计算机或机器人控制器。　　在实际应用中，机器视觉通常需要与其他先进的技术协同工作，包括自然语言处理、机器人过程自动化(RPA)、人工智能(AI)和机器学习(ML)等，以实现自动化所需的“视觉”功能。你可以把机器视觉看作是自动化的眼睛，AI和ML是大脑，RPA提供了完成工作所需的“键盘手”。近年来，自动化的采用速度不断加快，这对企业保持行业竞争力至关重要。如果把自动化想象成“数字化员工”在工作，假如不增加机器视觉，那么所有这些“数字化员工”都会处于失明状态。　　计算机视觉也是近年来的行业大热门，那么它与机器视觉又有什么关联呢?宏观来讲，机器视觉是一种以新的方式与现有技术集成并应用于解决现实世界问题的技术能力，是一门系统工程学科。而计算机视觉是计算机科学的一种形式，不是通过固定在机器人上的视觉设备如摄像头等有形硬件来实现的。　　更具体来说，机器视觉是一个系统的主体，而计算机视觉是系统的智能，是处理信息的大脑。没有计算机视觉，机器视觉将无法工作。机器学习、深度学习和神经网络是通过机器视觉系统以更快的速度处理项目的三种技术。这三种技术可用于扩大机器视觉对要定位的内容的理解，使其成为机器视觉的宝贵资产。随着计算机视觉技术的进步，机器视觉潜在应用的可能性也相应增加。　　值得注意的是，机器视觉与图像处理同样是两个不同的概念，图像处理是一个输出图像的过程，而机器视觉系统可以检测和分类广泛行业中的各种物体和项目，包括汽车、电子和半导体、食品和饮料、道路和车辆交通或智能运输系统(ITS)、医疗成像、包装、标签和印刷、制药、电视广播等，基于机器视觉的技术正在成为自动化创建的核心。　　真相二：　　硬件和软件的发展促成了机器视觉的进步　　机器视觉是工业自动化的眼睛。其主要工作流程是：系统通过机器视觉产品(如摄像头、CMOS或CCD)将拍摄的目标转换为图像信号，然后将图像信号传输到专用图像处理系统。根据像素分布、亮度和颜色等信息，再将图像信号转换为数字化信号，最终使机器(机器人或其他工业工具)能够完成制造和质量验证等工业任务。　　机器视觉是工业4.0的关键要素，它正以多种方式帮助工业自动化系统，例如通过改善库存、检测故障产品和提高制造质量来提高效率。若要准确地模拟人类的感知，机器视觉需要一系列设备和软件的帮助。而这些软硬件技术的不断发展进一步推动了机器视觉技术的演进。　　#01　　智能摄像头　　摄像头(camera)是机器视觉系统中检查物体或物品的主要设备。有时，一个特定的检查点可能需要安装多个摄像头，以确保可以正确检查每一个细节。当机器视觉系统需要从图像中捕获和提取特定应用程序的信息时，这时就需要智能摄像头的支持。智能摄像头通常包含所有必要的通信接口，并可连接到Wi-Fi或服务器，以便传输捕获的图像数据。作为一种强大工具，深度学习能使系统设计师快速实现复杂且主观决策的自动化，同时有效提高产品质量和产能。由Teledyne Flir公司提供的FLIR Firefly DL摄像头，内建的深度学习推断使得该产品不再需要任务分类的主机系统，大大降低了系统的成本和复杂性。Firefly DL摄像头尺寸小巧、重量轻且功耗低，非常适合嵌入移动、桌面和手持系统。　　　　图1：Teled