機(jī)器視覺趨勢經(jīng)常被討論，那么可能影響工業(yè)自動化中機(jī)器視覺的這些技術(shù)的選擇和實(shí)施有哪些實(shí)用的信息？

一、用于計量和視覺引導(dǎo)機(jī)器人（VGR）的3D成像

機(jī)器視覺市場中3D成像組件的擴(kuò)展是一個強(qiáng)勁的趨勢，這是由對3D測量和指導(dǎo)的高需求以及作為3D成像系統(tǒng)一部分的成本效益技術(shù)的可用性的增加所推動的。部分?jǐn)U展是針對某些應(yīng)用的算法功能的激增，如3D測量，機(jī)器人引導(dǎo)（VGR - 視覺引導(dǎo)機(jī)器人以及相關(guān)任務(wù)，如拾取或隨機(jī)對象拾取和放置），以及自動移動機(jī)器人（AMR）指導(dǎo)和安全。

三維成像系統(tǒng)捕獲物理空間的視圖并提供表示包含深度的場景中的點(diǎn)以及熟悉的2D“平面”（x和y）位置的數(shù)據(jù)。一些可用的組件還提供灰度（對比度）或甚至彩色圖像以及3D數(shù)據(jù)。3D成像的基本優(yōu)勢在于提供3D位置，但另一個重要的好處是3D圖像通常是“對比度不容忍”。也就是說，圖像信息允許軟件處理深度變化而不是表面顏色特征的變化或陰影。

三維成像是機(jī)器視覺應(yīng)用的強(qiáng)大技術(shù)。可以很容易地說它已經(jīng)從“趨勢”轉(zhuǎn)移到機(jī)器視覺工具箱的標(biāo)準(zhǔn)部分。

實(shí)際執(zhí)行

3D組件的區(qū)分可能很困難，對功能的詳細(xì)討論超出了本討論的范圍。但是，第一步是確定目標(biāo)應(yīng)用程序的類型。需要分析分辨率，深度以及水平X，Y平面的要求。雖然大多數(shù)系統(tǒng)作為一個整體提供通用功能，但提供了更多的組件，這些組件在特定任務(wù)中具有目標(biāo)和優(yōu)勢，例如，專門用于3D測量或3D箱子拾取。也就是說，除了能夠?yàn)閼?yīng)用程序提供適當(dāng)?shù)木_度量之外，任何3D解決方案的成功主要是軟件實(shí)現(xiàn)和系統(tǒng)集成。

實(shí)際限制

在表面上集成3D成像可能很簡單，但特定應(yīng)用的細(xì)節(jié)存在挑戰(zhàn)。其中一些包括：

雖然看起來很明顯，但在物體或成像系統(tǒng)運(yùn)動的應(yīng)用中，任何一個位置的誤差都可能引入必須考慮的測量誤差。

大多數(shù)3D成像系統(tǒng)都表現(xiàn)出一定程度的“3D數(shù)據(jù)丟失”，即相對于主動照明和攝像機(jī)角度的特征陰影在3D信息中產(chǎn)生空白。根據(jù)應(yīng)用，使用一些成像技術(shù)可以克服這種情況。

簡而言之，并非所有3D機(jī)器視覺應(yīng)用都“準(zhǔn)備好迎接黃金時段?！崩纾m然應(yīng)用程序在挑選隨機(jī)定向，同質(zhì)對象或“箱子拾取”已經(jīng)很好地解決并且可以被認(rèn)為是通用的在許多情況下，挑選異構(gòu)和未知物體，包裹，盒子等在許多情況下仍然是3D成像的挑戰(zhàn)。此外，用于測量或區(qū)分的物體或表面的3D重建在生產(chǎn)率上可能是具有挑戰(zhàn)性的，因?yàn)榭赡苄枰S多圖像來完全建模和分析該部件。

二、不可見成像 - 紅外波長

更廣泛的可用性和改進(jìn)的成像組件性能，以從紅外波長的非可見光捕獲和創(chuàng)建圖像是一種趨勢能力，可以積極影響各種機(jī)器視覺應(yīng)用。這種趨勢的一部分是能夠在各種IR波長下產(chǎn)生光的LED照明的激增。用于這種類型的成像的用例是普遍的，并且識別IR成像可以在何時何地可以使應(yīng)用受益，這主要取決于被成像的對象和應(yīng)用的需要。

大約700-1000nm的“近紅外”（NIR）波長的成像已經(jīng)用于機(jī)器視覺多年。用于成像約1000-2800nm的“短波紅外”（SWIR）波長的相機(jī)也不是全新的，但最近傳感器技術(shù)的進(jìn)步使得這些相機(jī)在自動化應(yīng)用中更加實(shí)用。最后，現(xiàn)在可以使用非冷卻且非常適合自動檢測的小型相機(jī)（微測輻射熱計）進(jìn)行熱成像或大約7000-14000nm發(fā)射的IR波長的成像。

實(shí)際執(zhí)行

不可見成像具有特定用途。NIR已被用于消除機(jī)器視覺燈的高功率眩光造成的工作人員分心和不適，或突出顯示紅外燈可能以不同方式對顏色或某些材料作出反應(yīng)的特定部件的特征。SWIR波長由一些完全不透明的材料（例如許多塑料）傳輸，并且以與可見光波長非常不同的方式被一些透明的材料（例如水）吸收。當(dāng)熱像必須在自動化環(huán)境中進(jìn)行測試時，熱成像是唯一的解決方案。

實(shí)際限制

總體而言，對于非可見成像，如果目標(biāo)波長提供所需的成像結(jié)果，則該技術(shù)是一個不錯的選擇。但是，請記住，應(yīng)用程序庫是機(jī)器視覺組合中用例的一小部分。限制可能包括：

很難總是準(zhǔn)確地預(yù)測NIR或SWIR照明將如何與待檢查的材料相互作用。建議測試應(yīng)用程序。

自動化中熱成像的一個共同挑戰(zhàn)是為相對于背景溫度的所需熱分布開發(fā)可靠的基線。例如，必須在部件由于散熱而冷卻之前進(jìn)行“過熱”部件的檢查，并且在檢查過程中冷卻必須在部件之間保持一致。

成本正在下降，但SWIR和熱部件可能比可見成像部件更昂貴。

三、嵌入式成像

嵌入式成像作為機(jī)器視覺趨勢的情況取決于市場中關(guān)于技術(shù)定義的差異。將嵌入式視覺分類為任何結(jié)合圖像捕獲和處理的設(shè)備的一個定義涵蓋了傳統(tǒng)機(jī)器視覺組件的非常廣泛且可能重疊的部分。有人可能會將嵌入式視覺約束到那些完全集成在較低級別的設(shè)備（SOC - 芯片上的系統(tǒng)，或SOM - 模塊上的系統(tǒng)或單板計算機(jī)），以便將其集成到更大的設(shè)備中。易于想象的用例可能包括自動駕駛汽車和AMR甚至智能手機(jī)。

實(shí)際執(zhí)行

嵌入式視覺 - 無論是SOM，SOC還是具有嵌入式處理功能的攝像機(jī) - 在某種意義上都體現(xiàn)了嵌入式視覺處理器的存在; 通常（但不是唯一地）GPU（圖形處理單元）或FPGA（現(xiàn)場可編程門陣列）。在任何一種情況下，處理器都針對特定任務(wù)進(jìn)行編程，該任務(wù)是完整的應(yīng)用程序或某些圖像處理。在大多數(shù)實(shí)現(xiàn)中，嵌入式視覺處理器需要低級編程以配置或創(chuàng)建應(yīng)用程序。嵌入式視覺設(shè)備與主機(jī)系統(tǒng)的接口與標(biāo)準(zhǔn)機(jī)器視覺組件不同，這是實(shí)施的重要考慮因素。

通過組合利用相對于物體表面以多個角度指向的照射產(chǎn)生的圖像，可以更可靠地可視化在灰度圖像中不可見的特征。

實(shí)際限制

對于通用機(jī)器視覺，在特定的單用途應(yīng)用中使用低級嵌入式視覺可能是不實(shí)際的，因?yàn)榍度胧揭曈X設(shè)備的編程仍然是一個開發(fā)而不是集成任務(wù)。具有嵌入式處理的機(jī)器視覺相機(jī)對于某些應(yīng)用可能更實(shí)用。嵌入式視覺在機(jī)器視覺中的直接更廣泛的使用案例可能在于具有“預(yù)編程”嵌入式圖像處理應(yīng)用的相機(jī)的實(shí)現(xiàn) - 特別是AI或深度學(xué)習(xí)，以及針對特定任務(wù)的商業(yè)成像。

四、液體鏡頭和高分辨率光學(xué)元件

機(jī)器視覺光學(xué)中兩個明顯的趨勢技術(shù)方向是更先進(jìn)的高分辨率和大幅面相機(jī)鏡頭的激增，以及更加無縫集成組件液體鏡頭的趨勢。第一個趨勢是實(shí)用的； 隨著相機(jī)分辨率的增加和像素尺寸的減小，對更好的光學(xué)元件的需求被許多元件鏡片供應(yīng)商理解并得到滿足。更多產(chǎn)品規(guī)格包括鏡頭性能的詳細(xì)信息，例如顯示系統(tǒng)調(diào)制傳遞函數(shù)（MTF）的圖表，這是鏡頭比較的一個很好的衡量標(biāo)準(zhǔn)。

液體鏡頭是可以根據(jù)外部信號改變焦點(diǎn)的裝置，而不需要像手動可調(diào)焦鏡頭那樣在鏡頭中進(jìn)行任何機(jī)械改變。這不是一項(xiàng)新技術(shù)，液體鏡頭多年來一直用于智能傳感器，智能相機(jī)和其他機(jī)器視覺設(shè)備。然而，這些設(shè)備與機(jī)器視覺光學(xué)器件和相機(jī)的集成的最新進(jìn)展使該技術(shù)更多地進(jìn)入通用用途領(lǐng)域。

實(shí)際執(zhí)行

對于所有機(jī)器視覺應(yīng)用，將鏡頭與應(yīng)用的分辨率和物理要求相匹配是必需的集成任務(wù)。更多鏡頭選擇的可用性為用戶和解決方案提供商提供了更好的選擇。

液體鏡頭在成像距離可能會在應(yīng)用中從一個部件變?yōu)榱硪徊糠值那闆r下非常有價值，因?yàn)樗梢詣討B(tài)地實(shí)現(xiàn)非?？焖俚慕裹c(diǎn)變化，甚至具有自動對焦功

實(shí)際限制

廣泛的產(chǎn)品系列可能難以選擇和區(qū)分光學(xué)元件。評估組件相對于特定應(yīng)用的規(guī)格和特性非常重要。

液體鏡頭技術(shù)可能難以實(shí)現(xiàn)，但是一些具有嵌入式處理的組件相機(jī)正變得可用于自動控制液體鏡頭。一些附加液體透鏡組件可能限制相關(guān)透鏡的傳感器覆蓋范圍（對于集成的液體透鏡系統(tǒng)而言不是這樣）。同時注意焦點(diǎn)變化會影響校準(zhǔn)，因此液體鏡頭可能不適合需要精確校準(zhǔn)的應(yīng)用。

五、先進(jìn)的照明技術(shù)和加工

用于機(jī)器視覺的照明組件的趨勢是可控制的多光譜設(shè)備的可用性，其在某些成像情況下實(shí)現(xiàn)更大的靈活性和高級能力。通過改變單色顏色，可以更好地克服沒有多個照明設(shè)備的部分族變化，或者甚至使用不同照明顏色的多個圖像來創(chuàng)建彩色圖像。使用不同照明角度的多個視圖的高速成像可用于創(chuàng)建對象的3D表示或提供高動態(tài)范圍（HDR）圖像。

六、AI和深度學(xué)習(xí)

最后，讓我們來解決幾十年來最受歡迎的機(jī)器視覺趨勢：人工智能，機(jī)器學(xué)習(xí)和深度學(xué)習(xí)。人工智能或人工智能是計算機(jī)科學(xué)的一個分支，涉及計算機(jī)模仿人類行為的方式。作為一門學(xué)科，人工智能自上世紀(jì)中葉以來一直存在。AI沒有描述任何特定技術(shù)，只描述目標(biāo); 任何編程邏輯都可能被稱為AI，甚至是簡單的if-then規(guī)則和決策樹。機(jī)器視覺搜索算法被稱為人工智能。

機(jī)器學(xué)習(xí)是AI的一個子集，深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個子集。這些術(shù)語是通過學(xué)習(xí)算法實(shí)現(xiàn)AI的技術(shù)的名稱。機(jī)器學(xué)習(xí)是與系統(tǒng)相關(guān)的一般概念，其基于初始數(shù)據(jù)輸入可以在給定任務(wù)中學(xué)習(xí)和改進(jìn)它們的性能。

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)，它使用“深層”神經(jīng)網(wǎng)絡(luò)，允許計算機(jī)基本上“通過實(shí)例”進(jìn)行學(xué)習(xí)。該技術(shù)已被證明在圖像識別，聲音識別和語言處理等任務(wù)中表現(xiàn)優(yōu)異。深度學(xué)習(xí)是高度計算密集型的，通常需要特殊的處理器硬件（例如GPU，具有深度學(xué)習(xí)核心的圖形處理單元），特別是在學(xué)習(xí)過程中。在過去幾年中，可用于執(zhí)行機(jī)器視覺深度學(xué)習(xí)的軟件和硬件平臺迅速擴(kuò)展。

來源：搜狐