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

機器視覺——工業 4.0 的關鍵技術

在所有工業 4.0 技術中，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是不同技術和方法的組合，用于自動提取圖像信息，為機器在工業和非工業環境中執行給定任務提供操作指導/關鍵數據。

?

?

特別是相機技術、人工智能、芯片組等領域的持續創新，為機器視覺的發展提供強勁的支持，也深入影響機器視覺應用的格局。

關鍵技術：先進的相機技術

分辨率超過45萬像素的相機現在不僅（在許多情況下）優于人眼，而且它們還可以以極高的速度捕獲物體而不會失真。“基于事件的視覺傳感器”的技術創新促進了相機技術發展。

?

?

基于事件的視覺傳感器：

與視神經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。與傳統的基于框架的視覺傳感器相比，這允許更黑暗的環境或更惡劣的天氣條件（例如，適合自動駕駛）。

關鍵技術：利用人工智能做出更好的決策

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

基于規則的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果，在更廣泛的背景和照明設置中識別缺陷，并靈活地處理產品外觀和缺陷類型（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。

?

?

關鍵技術：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現在都配備了強大的AI芯片，例如凌華科技的NEON-2000-JNX系列內置了Nvidia Jetson Xavier NX模塊。

CORPORATE CULTURE

由于相機技術、人工智能和AI芯片的新技術的發展，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據庫，以便系統成功識別缺陷。然而，今天的MV技術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域來生成正常圖像，從而實現了這種效率改進。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/操作優化

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

?

?

弗勞恩霍夫設計工程機電一體化研究所（IEM）開發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，開發了一種新的AI研磨系統RoboGrinder，該系統可以自動研磨復雜的橡膠狀材料，這在以前是無法實現的。

機器視覺應用#3：自動駕駛

機器視覺在開發全自動駕駛汽車的過程中起著至關重要的作用。自動駕駛有六個級別，從L0（全手動）到L5（全自動）。如今，大多數（商用）車輛提供L?1 級或L?2 級駕駛輔助，只有少數提供L?3 級選項。要達到L?4 級或L?5 級，需要車輛在技術應用上有質的飛躍。非常復雜的MV相機系統和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，這是一個復雜的MV系統，由五個激光雷達，四個雷達，29個攝像頭和AI軟件組成，可以收集傳感器數據并實時計算最佳路線。該解決方案已經收集了超過20萬英里的真實駕駛經驗。

機器視覺應用#4：托盤尺寸標注

物流垂直領域即的機器視覺應用是托盤尺寸標注。使用先進相機技術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生的潛在費用。

?

?

例如：產品包裝公司 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。這些數據對制造商和承運人都至關重要，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化生產，而承運人可以使用它來確保使用正確的設備安全有效地運輸貨物。預期結果是提高了成品和木托盤庫存數據的準確性和可靠性，并降低了附加費用。

機器視覺應用#5：身體姿勢/運動分析

機器視覺還在醫療保健領域實現了幾個新的應用。相機精度和質量的進步使身體姿勢和運動分析成為可能。現在只需使用攝像頭即可識別骨骼和關節的位置和方向，而無需使用其他設備（例如，磨損的傳感器/附件）。人體工程學、骨科等醫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工業相機，生物醫學解決方案公司DIERS開發了一種解決方案，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。通過使用相機連續記錄設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生檢測肌肉系統的不平衡或姿勢缺陷。

機器視覺應用#6：自動結賬

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

?

?

總部位于美國的初創公司Mashgin開發了一種機器視覺解決方案，可以對產品進行視覺掃描，而不必搜索條形碼。總部位于德克薩斯州的DK商店等客戶報告說，由于自動結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

產品中污染物的識別是食品行業質量評估的重要組成部分，但該過程很難用傳統的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據庫。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、人工智能和AI芯片正在推動機器視覺技術的新的創新應用。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的快速發展，未來機器視覺領域還會涌現出不同的應用場景，商業化機會不斷涌現。

編輯：黃飛

?