人工智能拓宽机器视觉的视野.docxVIP

近年来，机器视觉系统在工业过程中的应用显著增加。传统上，机器视觉系统多用于一些基本的图像识别，比如监测在传送带上运输的产品。然而，最近人工智能（AI）和机器学习（ML）的出现，将有望使机器视觉系统为工业应用带来的价值更上一层楼。

从工业生产线上生产出来的产品，通常都有明确的参数指标，检测这样的产品是传统机器视觉系统的理想应用，因为可以对检测系统预先编程以检测出不合规的产品。但是，对于那些不是预先编程要识别的“事件”，传统机器视觉系统处理起来就显得无能为力了。AI和ML将有助于传统机器视觉系统解决这个问题，从而使机器视觉系统能够部署到更高附加值的场景中，只需识别传送带是否意外停止，或者物体是否在生产线上丢失。这将使机器视觉系统能够在多个垂直市场大显身手。

随着成本的降低和精确度的提高，商业上可用的云平台正越来越多地用于处理AI算法，而这些AI算法用于处理从应用中收集的视觉数据。这意味着在机器视觉系统中增加AI和ML功能将变得更加容易；而机器视觉系统将不可避免地成为不断演进的物联网（和工业物联网）设备的一个主要部分。

超低功耗传感

超低功耗传感器解决方案的可用性对这一增长至关重要，因为许多应用将需要一个能够按需快速捕获图像的主动式视觉系统，并且集高性能与低功耗的优势于一身。通过在云端处理AI图像，可以使用更小、更节能的传感器平台，但这些平台需要一个强大的高速数据传输方式，将图像数据传输到云端。

安森美推出的Bluetooth?LowEnergy（BluetoothLE）技术，将在提供这种连接方面发挥重要作用；它通过一个IoT网关，为将机器视觉传感器平台无线连接到远程云服务，提供了一种简单方法。通过这种方式，传感器平台可以将图像数据（另一种信息）传输到云端由AI算法进行处理，然后可以向传感器或智能执行器发送适当的指令来做出响应（如果需要的话）。

彩色图像采集

对许多机器视觉系统来说，单色（黑白）图像就足以进行基本的物体识别；但是彩色图像包含更多的信息，在很多新兴应用中，彩色图像有潜力为使用AI进行场景识别带来新的维度。彩色提供了更大的对比度，能够更容易地准确区分场景中的物体，AI系统也可以更充分地利用这一点。

然而，捕获彩色图像比捕获单色图像更耗电，因此，这对电池供电的设备来说是个挑战。通常情况下，电池供电的设备预计仅靠一粒纽扣电池就能运行至少5年。因此，在机器视觉系统中使用彩色图像时，图像传感器、控制系统和通信接口的电源管理，是最大化电池寿命的关键。安森美开发的RSL10智能拍摄相机，专门用于在机器视觉系统中实现低功耗图像捕获。该平台的最新版本支持彩色图像捕获，并且集成了用于图像传输连接的BluetoothLowEnergy（蓝牙低能耗）技术，能通过AI支持事件触发的成像。

图1：通过AI支持事件触发成像的低功耗相机平台。

事件触发的机器视觉

事件触发的机器视觉不是接连不断地捕获图像并传输图像数据，而是只有在预定义的事件发生时才捕获图像。事件的发生是使用集成在相机平台上的高度先进的传感器来监测的。这些传感器监测的事件发生条件包括运动、温度、时间、湿度和加速度。然后，开发人员可以使用这些传感器的输出，为事件处理创造复杂的条件。如果这些事件的条件得到满足，相机就会触发进行图像捕获，然后再使用蓝牙低功耗传输技术，将捕获到的图像数据传输到智能手机或网关。

AI图像分析的应用

事件触发的机器视觉能在许多应用中发挥重要作用，这些应用中既不需要也不可能有持续的图像数据流。库存监控就是这样一种应用。在这里，可以用一台事件触发型相机监测超市货架上的库存水平，如果发现货架上有空隙，系统就会自动发送补货警报。作为这一应用的延伸，系统不会只是发送某个通道中特定货架需要补货的一般补货警报，而是使用基于云端的AI算法对图像进行处理，确定需要补货的准确产品类型。同样，这种方法也可以应用于家庭环境中，比如监测厨房橱柜或冰箱中的食物存量，并配置为与移动购物应用程序相连接，以自动创建重新购物清单。

图2：具有图像分析功能、并且连接到云端的移动应用程序。

从这类应用的性质来看，通常这些存储空间在很长时间内是静止的，也就是没有“触发事件”发生，这意味着连续的视频监控是没有意义的。它们只是间歇性地被安保人员关注，即万一发生非法进入或改变存储条件的事件（例如泄漏或空调故障）时，在采取补救措施之前，损失或损坏可能会在一段时期内无法被发现。

在这种情况下，如果能使用一台相机检测到环境条件的变化或意外的运动，并向主机系统发送更新的图像，上述问题就能迎刃而解。对于那些在外度假的业主来说，也可以使用这种功能来监测自家的房产，万一房产有意外发生可以随时收到更新的信息。通过使用AI算法，可以进一步避免虚假警报，这些算法经过训练，可以对预期访客（如安保人员）进行人脸或特征识别。