您的位置:首頁 > 資訊 > 行業(yè)動態(tài) > 正文

七大即將到來的機器視覺應用——由人工智能、相機和芯片的最新進展

2023-02-08 09:35 性質(zhì):原創(chuàng) 作者:Hu yangbo 來源:AGV網(wǎng)
免責聲明:中叉網(wǎng)(m.m21363.cn)尊重合法版權(quán),反對侵權(quán)盜版。(凡是我網(wǎng)所轉(zhuǎn)載之文章,文中所有文字內(nèi)容和圖片視頻之知識產(chǎn)權(quán)均系原作者和機構(gòu)所有。文章內(nèi)容觀點,與本網(wǎng)無關。如有需要刪除,敬請來電商榷?。?/div>
什么是機器視覺?機器視覺(Machine Vision,簡稱MV )是不同技術(shù)和方法的結(jié)合,可自動提取圖像信息,為機器在工業(yè)和非工業(yè)環(huán)境中執(zhí)行給定任務提供操作指導/關鍵數(shù)據(jù)。高投資回報率的持續(xù)報告除其...

什么是機器視覺?

機器視覺(Machine Vision,簡稱MV )是不同技術(shù)和方法的結(jié)合,可自動提取圖像信息,為機器在工業(yè)和非工業(yè)環(huán)境中執(zhí)行給定任務提供操作指導/關鍵數(shù)據(jù)。

高投資回報率的持續(xù)報告除其他外,是最近技術(shù)發(fā)展的結(jié)果,特別是在以下領域:

●相機技術(shù)

●人工智能 (AI)

●芯片組

這些進步增強了典型的機器視覺優(yōu)勢,例如節(jié)省成本、提高競爭力或提高產(chǎn)品質(zhì)量。這些技術(shù)轉(zhuǎn)變也影響了我們在研究中確定的 39 種機器視覺應用的前景。

本文重點介紹了一些從這些發(fā)展中受益匪淺的現(xiàn)有機器視覺應用程序(例如,缺陷檢測)和新用例(例如,過程/操作優(yōu)化和托盤尺寸標注)。

三個顯著的機器視覺技術(shù)轉(zhuǎn)變

機器視覺技術(shù)已經(jīng)存在了 30 多年,但最近的技術(shù)變革為其采用提供了新的推動力。

關鍵技術(shù)轉(zhuǎn)變 #1:先進相機

分辨率超過 45 兆像素的相機現(xiàn)在不僅(在許多情況下)優(yōu)于人眼,而且它們還可以以極高的速度和不失真地捕捉物體。

但是,在幕后還發(fā)生了其他創(chuàng)新,用戶可能并不那么明顯。其中一項進步是引入“基于事件的視覺傳感器”。

基于事件的視覺傳感器:

類似于視神經(jīng)處理信息的方式,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(tǒng)的基于框架的視覺傳感器相比,這允許更黑暗的環(huán)境或更惡劣的天氣條件(例如,適用于自動駕駛)。

關鍵技術(shù)轉(zhuǎn)變 #2:利用人工智能做出更好的決策

從基于規(guī)則的機器視覺(基于預先確定的參數(shù)進行決策)到基于 AI 的機器視覺(基于適用的機器視覺模型的輸出進行決策)的轉(zhuǎn)變具有重大影響。

基于規(guī)則的機器視覺是“剛性的”,僅適用于可量化、清晰且非常具體的特征(例如,產(chǎn)品上的劃痕是水平的,長度為 30 毫米)。它回答是/否問題。

相反,基于人工智能的 機器視覺可以為不可量化的特征提供準確的結(jié)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(chǎn)品外觀和缺陷類型(例如凹痕或變色)的變化。深度學習作為人工智能的一個更復雜、更強大的子集,它也越來越多地被機器視覺應用所采用。

關鍵技術(shù)轉(zhuǎn)變 #3:帶有人工智能 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。最新一代芯片功能更強大,適合處理圖像和運行基于人工智能 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數(shù)周縮短至數(shù)小時。

許多智能相機機器視覺系統(tǒng)現(xiàn)在都配備了強大的人工智能芯片,例如凌華科技的 NEON-2000-JNX 系列就內(nèi)置了NvidiaJetson Xavier NX 模塊。

即將到來的 7 大機器視覺應用

由于上述最近在相機、人工智能和芯片組方面的改進,以下七種機器視覺應用(根據(jù)我們的市場研究)得到了提升。

即將到來的機器視覺應用 #1:缺陷檢測

缺陷檢測是一種機器視覺用例,主要部署在制造業(yè)務的質(zhì)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(shù)據(jù)庫,系統(tǒng)才能成功識別缺陷。然而,當今的 MV 技術(shù)無需針對該缺陷的特定圖像(即異常檢測)即可辨別出某些“異?!?。

例子:

富士通測試這種解決方案在日本長野工廠生產(chǎn),該工廠生產(chǎn)電子設備。該公司表示,檢查印刷電路板所需的時間減少了 25%。它通過修復數(shù)千張具有缺陷(例如,形狀、大小和顏色異常)的模擬圖像中的異常區(qū)域來訓練 AI 生成正常圖像,從而實現(xiàn)了這種效率提升。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 AI 去除該缺陷并將圖像恢復為原始形式。通過比較初始圖像和“恢復”圖像來衡量準確性。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,

即將到來的機器視覺應用 #2:過程/操作優(yōu)化

另一個(主要是)與制造相關的機器視覺用例是過程/操作優(yōu)化。更好的相機和人工智能的結(jié)合允許以新的方式實現(xiàn)特定的結(jié)果。例如,機器人現(xiàn)在可以比人類以更高的精度和效率完成更復雜的任務。結(jié)果是,使用 MV 技術(shù),機器人(或其他機器)可以做以前以不同方式執(zhí)行的事情。

例子:

一個典型的例子是德國弗勞恩霍夫設計工程機電一體化研究所 (IEM)開發(fā)的新型橡膠研磨解決方案。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(tǒng),該公司開發(fā)了一種新的 AI 研磨系統(tǒng)——RoboGrinder——可以自動完成復雜的橡膠類材料的研磨過程,這在以前是不可行的.據(jù)該團隊稱,新方法可減少高達 40% 的典型橡膠研磨過程。

即將到來的機器視覺應用#3:自動駕駛

機器視覺在開發(fā)完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 0(完全手動)到 5(完全自動)。今天大多數(shù)(商用)車輛提供 1 級或 2 級駕駛輔助,只有少數(shù)提供 3 級選項。要達到 4 級或 5 級,就車輛使用的技術(shù)而言,需要實現(xiàn)飛躍。非常復雜的 MV 相機系統(tǒng)和 AI 驅(qū)動的計算是這一技術(shù)飛躍的一部分。

例子:

GoogleWaymo One自動叫車服務是商用 4 級自動駕駛汽車的一個例子。每輛車都配備了Waymo Driver系統(tǒng),這是一個復雜的 MV 系統(tǒng),由五個激光雷達、四個雷達、29 個攝像頭和實時收集傳感器數(shù)據(jù)并計算最佳路線的 AI 軟件組成。該解決方案已經(jīng)收集了超過 2000 萬英里的真實世界駕駛體驗。

即將推出的機器視覺應用#4:托盤尺寸標注

物流垂直領域即將到來的關鍵機器視覺用例之一是托盤尺寸標注。新穎的 3D 飛行時間* 相機技術(shù)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尺寸重量不準確而可能產(chǎn)生的費用。

例子:

產(chǎn)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合作試行托盤尺寸解決方案.一臺攝像機安裝在生產(chǎn)傳送帶的末端,在所有托盤被拾取之前拍攝 3D 快照。該數(shù)據(jù)對制造商和承運商都至關重要,因為它準確地提供了托盤的尺寸和體積負載。隨著時間的推移,制造商可以使用這些信息來優(yōu)化生產(chǎn),而承運商可以使用它來確保使用正確的設備安全高效地運輸貨物。預期結(jié)果是提高成品和木托盤庫存數(shù)據(jù)的準確性和可靠性,并降低輔助費用。

即將到來的機器視覺應用#5:身體姿勢/運動分析

機器視覺還在醫(yī)療保健領域?qū)崿F(xiàn)了多項新應用。相機精度和質(zhì)量的進步使身體姿勢和運動分析成為可能?,F(xiàn)在可以僅使用相機而不需要額外的設備(例如,磨損的傳感器/配件)來識別骨骼和關節(jié)的位置和方向。工作空間人體工程學、醫(yī)療保健實踐(如骨科)和一般手勢交互可以從該機器視覺應用程序中受益。

例子:

利用德國相機制造商IDS的新型 USB 3.0 工業(yè)相機,生物醫(yī)學解決方案公司DIERS開發(fā)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(xù)記錄設備投射到患者背部的光,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(yī)生檢測肌肉系統(tǒng)的不平衡或姿勢缺陷。

即將推出的機器視覺應用#6:自動結(jié)賬

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

例子:

總部位于美國的初創(chuàng)公司Mashgin開發(fā)了一種機器視覺解決方案,可以對產(chǎn)品進行視覺掃描,而不必搜索條形碼。德克薩斯州DK 商店等客戶表示,由于自動結(jié)賬解決方案減少了排隊等候,交易量增加了34% 。

即將到來的機器視覺應用 #7:污染物識別

產(chǎn)品中污染物的鑒定是食品行業(yè)質(zhì)量評估的重要組成部分,但該過程很難用傳統(tǒng)的 MV 方法解決,因為它是高度定性的,并且需要一個包含每種可能的污染物組合的數(shù)據(jù)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情況。

例子:

冷凍食品公司Apetito在 20 多條生產(chǎn)線中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料中的所有污染物。

結(jié)論與展望

本文中描述的三項技術(shù)進步正在推動使用機器視覺技術(shù)的新應用和改進應用。IoT Analytics 預計機器視覺市場從 2022 年到 2027 年將以 8% 的復合年增長率增長(已經(jīng)考慮到 2023 年技術(shù)市場的艱難時期)。與當今的許多技術(shù)領域一樣,受益于人工智能進步的軟件有望實現(xiàn)最高增長。我們的研究表明,在我們確定的 313 家機器視覺供應商中,約有 60% 已經(jīng)提供了特定的 MV 軟件。我們預計上述七個用例在接下來的幾年中會變得更加普遍——我們還預計會出現(xiàn)許多我們在本文中沒有討論的其他用例。MV 是一項令人興奮的技術(shù),我們還沒有看到它的強大功能。

網(wǎng)友評論
文明上網(wǎng),理性發(fā)言,拒絕廣告

相關資訊

關注官方微信

手機掃碼看新聞