技术的前沿——机器视觉

    技术的前沿——机器视觉  

 机器视觉是一门学科技术，广泛应用于生产制造检测等工业领域，用来保证产品质量，控制生产流程，感知环境等。     机器视觉系统      是将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作

 机器视觉系统具有高效率、高度自动化的特点，可以实现很高的分辨率精度与速度。机器视觉系统与被检测对象无接触，安全可靠。

    嵌入式视觉系统的挑战  

 客户希望系统集成商为其开发整个嵌入式视觉系统。嵌入式视觉将智能相机带向其初衷，即在一个非常小的外壳内，尽可能靠近图像传感器，进行图像处理视频分析。为了应对嵌入式视觉市场，开发了从相机设计到FPGA编程的专业知识，以便在低成本、低功耗的平台中快速提供特定于应用程序的解决方案，该平台可以集成人工智能和深度学习功能。

 在许多使用案例中，传统机器视觉都无法与嵌入式视觉竞争。机器视觉数据不再局限于自己的孤岛中，包括机器视觉的全自动系统有许多传感器和运动组件，使我们能够收集数据，以便更好地了解系统内设备的运行效率。

    深度学习    将对传统的图像分析方法产生深远的影响。它不仅会改变我们生产的产品，还会改变我们与客户互动的方式。深度学习将在解决传统机器视觉无法解决的应用方面发挥重要作用。例如，在冷冻干燥的小瓶中检查疫苗，每次结果都有很大差异，这很大程度上取决于它们的干燥方式。采用传统检查过程非常具有挑战性，因为在一个实例中可能是一个粒子看起来非常类似于裂缝，而深度学习则有助于区分这种细微差异。

 虽然深度学习可能是从图像中收集信息的最新方式，但它并不是唯一的选择。InGaAs短波红外（SWIR）相机和照明的进步提高了非可见成像的有效性。在这些更高波长的环境中，你可以实现更多应用，比如透过一块航空公司机翼的复合材料来查找其内部缺陷。我们现在正在把高功率的SWIRLED引入市场，用于高速机器视觉应用。

    机器视觉的挑战  

 智能传感器、智能摄像头和可配置视觉系统在很大程度上消除了对机器视觉系统开发的需求，目前最常见的应用程序是通过现成的即插即用技术完成的。过去十年来，智能相机的功能越来越强大，照明公司提供的产品范围也越来越广。然而，随着软件变得越来越强大，价格不断下降，软件包的互连和标准化仍存在问题。

 今天的视觉产品可以满足大多数应用程序的需求，随着技术和客户需求的发展，     系统集成商    必须保持清醒。例如，在3D成像市场，硬件创新先于软件创新。尽管有许多3D传感器和摄像头可用，例如     激光三角测量      、伪随机图形发生器的立体传感器等，但要想实现快速的系统开发，在开发工具链中存在很大的空白。”

 随着机器视觉硬件方案的不断成熟和运算能力的提升，以及软件在各种应用解决方案、3D算法、深度学习能力的不断完善，机器视觉在电子产业（如PCB、FPC、面板、半导体等领域）应用的广度和深度都在提高，并加快向食品饮料、医药等其他领域渗透，预计我国机器视觉市场规模将继续保持较高的增速。