導(dǎo)讀

機(jī)器視覺是一項(xiàng)令人興奮的技術(shù)，在toC領(lǐng)域，我們已經(jīng)看到了體驗(yàn)到了它的強(qiáng)大之處。在其他領(lǐng)域，隨著AI的繼續(xù)發(fā)展，全新的用例還在不斷出現(xiàn)和成熟。 ? 所謂機(jī)器視覺（machine vision，MV），就是不同技術(shù)和方法的組合來自動(dòng)提取圖像信息，為機(jī)器在工業(yè)和非工業(yè)環(huán)境中執(zhí)行給定任務(wù)提供操作指導(dǎo)和關(guān)鍵數(shù)據(jù)。 ? 近期，IoT Analytics對機(jī)器視覺市場的最新研究表明，相機(jī)、AI和芯片組的進(jìn)步正在推動(dòng)機(jī)器視覺應(yīng)用的使用，這些進(jìn)步增強(qiáng)了典型的機(jī)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，也影響了IoT Analytics在研究中確定的39個(gè)機(jī)器視覺應(yīng)用的前景。 ? 2022年的研究表明，機(jī)器視覺預(yù)計(jì)將在未來幾年經(jīng)歷持續(xù)強(qiáng)勁的投資流入，同時(shí)，機(jī)器視覺還擁有所有工業(yè)4.0技術(shù)中最高的投資回報(bào)率（ROI）和最快的攤銷時(shí)間。 ?

? 盡管機(jī)器視覺技術(shù)已經(jīng)存在了30多年，但最近的技術(shù)轉(zhuǎn)變依然為其產(chǎn)業(yè)應(yīng)用提供了新的推動(dòng)力。

三項(xiàng)技術(shù)進(jìn)步

關(guān)鍵技術(shù)轉(zhuǎn)變1：先進(jìn)相機(jī)（Advanced cameras） ? 當(dāng)前，分辨率超過4500萬像素的相機(jī)不僅在許多情況下優(yōu)于人眼，而且還可以以極高的速度無失真地追蹤移動(dòng)的物體。然而，還有其他的一些創(chuàng)新可能對用戶來說并不明顯，其中一個(gè)就是引入了“基于事件的視覺傳感器”（Event-based vision sensors）。與視神經(jīng)處理信息的方式類似，基于事件的視覺傳感器僅通過檢測每個(gè)像素的亮度變化來捕獲圖像，與傳統(tǒng)的基于幀的視覺傳感器相比，在更暗的環(huán)境或更惡劣的天氣條件下也可以擁有更好的效果。 ?

? 關(guān)鍵技術(shù)轉(zhuǎn)變2：更好的決策型AI

? 從基于規(guī)則的機(jī)器視覺到基于AI的機(jī)器視覺的轉(zhuǎn)變是有影響力的。通常，基于規(guī)則的機(jī)器視覺是更為嚴(yán)格的描述，只適用于可量化的、清晰的和非常具體的特征，例如，產(chǎn)品上的劃痕是水平的、長度為30毫米等。相反，基于AI的機(jī)器視覺可以為無法量化的特征提供準(zhǔn)確的結(jié)果，可以更加靈活地處理產(chǎn)品外觀和缺陷類型的變化，深度學(xué)習(xí)是AI的一個(gè)更復(fù)雜和強(qiáng)大的子集，也越來越多地用于機(jī)器視覺應(yīng)用。 ?

關(guān)鍵技術(shù)轉(zhuǎn)變3：更強(qiáng)大的硬件和AI芯片

? 芯片的進(jìn)步與AI的進(jìn)步密切相關(guān)，最新的芯片功能已經(jīng)十分強(qiáng)大，適合處理圖像和運(yùn)行基于AI的計(jì)算機(jī)視覺算法，這些性能的提升有助于將深度學(xué)習(xí)的訓(xùn)練時(shí)間從幾周縮短到幾個(gè)小時(shí)?，F(xiàn)在的很多智能相機(jī)也都配備了強(qiáng)大的AI芯片，例如ADLINK的NEON-2000-JNX系列就內(nèi)置了英偉達(dá)的Jetson XavierNX模塊。 ?

七個(gè)即將到來的機(jī)器視覺應(yīng)用

根據(jù)IoT Analytics的市場研究，由于前面提到的相機(jī)、AI和芯片的最新變動(dòng)，有七個(gè)機(jī)器視覺應(yīng)用正被大力推動(dòng)，在其分析的39個(gè)用例中，這七個(gè)用例被標(biāo)記為“特別令人感興趣”。

? 1、缺陷檢測 ? 缺陷檢測是一種機(jī)器視覺用例，主要部署在質(zhì)量檢測過程中。在過去，非AI機(jī)器視覺需要一個(gè)包含所有可能缺陷圖像的數(shù)據(jù)庫，以便系統(tǒng)成功識別缺陷。然而，今天的機(jī)器視覺技術(shù)已經(jīng)可以在不需要特定圖像的情況下識別某些缺陷，進(jìn)行異常檢測。以富士通日本工廠為例，通過訓(xùn)練AI修復(fù)數(shù)千張有缺陷（例如形狀，大小和顏色異常）的模擬圖像中的異常區(qū)域，從而生成正常圖像，使得工廠檢查印刷電路板所需的小時(shí)數(shù)減少了25%。當(dāng)AI對特定類型的異常檢測得不夠準(zhǔn)確時(shí)，就可以產(chǎn)生更多此類型異常的模擬圖片，從而精確地改善模型的弱點(diǎn)。

? 2、流程/操作優(yōu)化 ? 另一個(gè)與制造相關(guān)的機(jī)器視覺用例是流程/操作優(yōu)化。例如，機(jī)器人現(xiàn)在可以比人類以更高的精度和效率完成復(fù)雜任務(wù)。其結(jié)果就是，借助于機(jī)器視覺，機(jī)器人或其他機(jī)械可以用和以前不同的方式來執(zhí)行操作，或者完成從前無法完成的事情。例如，弗勞恩霍夫-設(shè)計(jì)工程機(jī)電一體化研究所（IEM）所開發(fā)的新型橡膠研磨解決方案，就是使用三菱電機(jī)機(jī)械臂、光學(xué)激光掃描儀和配備AI軟件的控制系統(tǒng)，開發(fā)了一種新的AI研磨系統(tǒng)，該系統(tǒng)使得研磨復(fù)雜橡膠狀材料的過程自動(dòng)化。據(jù)該團(tuán)隊(duì)稱，新方法可以縮短高達(dá)40%的橡膠研磨過程花費(fèi)的時(shí)間。 ?

3、自動(dòng)駕駛 ? 機(jī)器視覺在開發(fā)全自動(dòng)駕駛汽車的過程中起著至關(guān)重要的作用。自動(dòng)駕駛有六個(gè)級別，從0級（全手動(dòng)）到5級（全自動(dòng)）。如今，大多數(shù)商用車輛都還在提供1級或2級的輔助駕駛，只有少數(shù)可以提供3級，而想要達(dá)到4級或5級，車輛使用的技術(shù)必須實(shí)現(xiàn)飛躍才可以，而非常復(fù)雜的機(jī)器視覺系統(tǒng)和AI計(jì)算正是讓這一技術(shù)實(shí)現(xiàn)飛躍的一部分。谷歌Waymo One的自動(dòng)叫車服務(wù)就是4級自動(dòng)駕駛的一個(gè)例子。每輛車都配備了Waymo司機(jī)系統(tǒng)，這是一個(gè)復(fù)雜的MV系統(tǒng)，由五個(gè)激光雷達(dá)、四個(gè)雷達(dá)、29個(gè)攝像頭和AI軟件組成，可以收集傳感器數(shù)據(jù)并實(shí)時(shí)計(jì)算最佳路線。該解決方案已經(jīng)收集了超過2000萬英里的真實(shí)駕駛體驗(yàn)數(shù)據(jù)。 ?

4、托盤尺寸標(biāo)注 ? 在物流領(lǐng)域，即將到來的機(jī)器視覺用例之一是托盤尺寸標(biāo)注。創(chuàng)新的3D飛行時(shí)間（time-of-flight）技術(shù)使得測量裝載托盤的尺寸成為可能，消除了手動(dòng)測量所花費(fèi)的時(shí)間，并最大程度地減少了由于尺寸重量不準(zhǔn)確而導(dǎo)致的承運(yùn)人的潛在費(fèi)用。產(chǎn)品包裝公司DSSmith與機(jī)器視覺公司NeAdvanced和傳感器儀表公司SICK合作，在生產(chǎn)傳送帶的末端安裝了攝像頭，并在所有托盤被拾取之前對其進(jìn)行快照，準(zhǔn)確地提供了托盤的尺寸和體積。隨著時(shí)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(yùn)人也可以使用它來確保貨物安全有效地移動(dòng)，并減少相關(guān)費(fèi)用。

? 5、姿態(tài)/運(yùn)動(dòng)分析 ? 機(jī)器視覺也在醫(yī)療保健領(lǐng)域?qū)崿F(xiàn)了一些新的應(yīng)用，相機(jī)精度和質(zhì)量的進(jìn)步使身體姿勢和運(yùn)動(dòng)分析成為可能?，F(xiàn)在，只需使用相機(jī)而無需額外的設(shè)備，就可以識別骨骼和關(guān)節(jié)的位置和方向。人體工程學(xué)、骨科等醫(yī)療保健以及手勢交互等都可以從這種機(jī)器視覺應(yīng)用中受益。利用德國相機(jī)制造商IDS研發(fā)的新型工業(yè)相機(jī)，生物醫(yī)學(xué)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(jìn)行快速、高分辨率的光學(xué)測量，通過使用相機(jī)連續(xù)記錄設(shè)備投射到患者背部的光線，可以生成脊柱曲率的準(zhǔn)確表示，從而幫助骨科醫(yī)生檢測肌肉系統(tǒng)的不平衡或姿態(tài)缺陷。

? 6、自動(dòng)結(jié)帳 ? 通過使用基于機(jī)器視覺的解決方案，可以顯著減少結(jié)賬所需的時(shí)間，改善零售店的自動(dòng)結(jié)賬體驗(yàn)。初創(chuàng)公司Mashgin已經(jīng)開發(fā)出一種機(jī)器視覺解決方案，可以對產(chǎn)品進(jìn)行掃描而不必搜索條形碼。由于自動(dòng)結(jié)賬解決方案減少了排隊(duì)時(shí)間，使得交易量增加了34%。

? 7、污染物識別 ? 污染物的識別是食品質(zhì)量評估的重要組成部分，但這一過程很難用傳統(tǒng)方法來解決，因?yàn)樾枰粋€(gè)包含所有可能污染物組合的數(shù)據(jù)庫。然而，通過AI便可以有效地識別加工食品中的變色、異物和其他異常。例如，冷凍食品公司Apeto在20多條生產(chǎn)線上測試并部署了自動(dòng)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。 ?

寫在最后

IoT Analytics預(yù)計(jì)，從2022年到2027年，機(jī)器視覺市場將以8%的CAGR增長。與當(dāng)今許多技術(shù)領(lǐng)域一樣，預(yù)計(jì)從AI的進(jìn)步中受益的軟件增長最快。IoT Analytics的研究還表明，在確定的313家機(jī)器視覺供應(yīng)商中，約60%已經(jīng)提供了特定的機(jī)器視覺軟件，預(yù)計(jì)上述七個(gè)用例將在接下來的幾年中變得更加普遍，更多的其他用例也會(huì)出現(xiàn)。

編輯：黃飛

?