機器視覺是一(yi)項令人興奮的(de)(de)技術，在(zai)toC領域(yu)，我們已經看到了(le)體驗到了(le)它(ta)的(de)(de)強大之處。在(zai)其(qi)他領域(yu)，隨著AI的(de)(de)繼續(xu)發展，全(quan)新的(de)(de)用(yong)例還在(zai)不斷(duan)出現(xian)和成熟。
所謂機器(qi)視覺(machine vision，MV)，就是不同(tong)技術和(he)(he)方法的組合來自動提(ti)取圖像信息，為機器(qi)在工(gong)業和(he)(he)非(fei)工(gong)業環境中執行給定任務提(ti)供操(cao)作指導和(he)(he)關鍵(jian)數據。
近期，IoT Analytics對機器視覺市場的最新研究表明，相機、AI和芯片組的(de)進(jin)步(bu)正在推動機(ji)(ji)器(qi)視覺(jue)應用(yong)的(de)使用(yong)，這些進(jin)步(bu)增強了典型(xing)的(de)機(ji)(ji)器(qi)視覺(jue)優(you)勢，例如節省成本、提高(gao)競爭力或提高(gao)產品質量，也影響了IoT Analytics在研究中確定的(de)39個機(ji)(ji)器(qi)視覺(jue)應用(yong)的(de)前景。
2022年的研究表(biao)明，機(ji)器視覺預計將在未來幾年經歷持續強(qiang)勁的投資(zi)流(liu)入，同時(shi)，機(ji)器視覺還擁(yong)有(you)所有(you)工(gong)業4.0技術(shu)中最高的投資(zi)回報率(ROI)和最快的攤(tan)銷(xiao)時(shi)間。
盡管(guan)機器視覺技術已經(jing)存在了30多年，但最近(jin)的(de)技術轉變依然(ran)為其(qi)產業應用提(ti)供了新的(de)推動力。
三項技術進步
關鍵技術轉變1：先進相機(ji)(Advanced cameras)
當(dang)前(qian)，分(fen)辨率(lv)超過(guo)4500萬像素(su)的(de)(de)(de)相(xiang)機不僅(jin)在許多情況(kuang)下優于人眼，而且還可(ke)(ke)以以極高的(de)(de)(de)速度無(wu)失真地追蹤移動的(de)(de)(de)物體(ti)。然而，還有(you)其(qi)(qi)他的(de)(de)(de)一(yi)些創新可(ke)(ke)能對(dui)用戶來說并不明(ming)顯，其(qi)(qi)中一(yi)個(ge)就(jiu)是引入(ru)了“基(ji)于事件的(de)(de)(de)視(shi)覺傳感器”(Event-based vision sensors)。與(yu)(yu)視(shi)神經處理信息的(de)(de)(de)方式類似，基(ji)于事件的(de)(de)(de)視(shi)覺傳感器僅(jin)通過(guo)檢(jian)測每(mei)個(ge)像素(su)的(de)(de)(de)亮度變化來捕獲(huo)圖像，與(yu)(yu)傳統的(de)(de)(de)基(ji)于幀的(de)(de)(de)視(shi)覺傳感器相(xiang)比，在更(geng)暗的(de)(de)(de)環境(jing)或(huo)更(geng)惡劣的(de)(de)(de)天(tian)氣條件下也可(ke)(ke)以擁有(you)更(geng)好(hao)的(de)(de)(de)效果。
關鍵技術轉變2：更好的(de)決策(ce)型AI
從基(ji)于(yu)(yu)(yu)規則的(de)(de)(de)(de)機(ji)器(qi)視覺(jue)到基(ji)于(yu)(yu)(yu)AI的(de)(de)(de)(de)機(ji)器(qi)視覺(jue)的(de)(de)(de)(de)轉變是(shi)(shi)有影響力的(de)(de)(de)(de)。通常，基(ji)于(yu)(yu)(yu)規則的(de)(de)(de)(de)機(ji)器(qi)視覺(jue)是(shi)(shi)更(geng)為嚴格的(de)(de)(de)(de)描述，只適用(yong)于(yu)(yu)(yu)可量(liang)化(hua)的(de)(de)(de)(de)、清(qing)晰的(de)(de)(de)(de)和非常具體的(de)(de)(de)(de)特(te)征(zheng)，例(li)如，產品(pin)上的(de)(de)(de)(de)劃痕是(shi)(shi)水平的(de)(de)(de)(de)、長度(du)為30毫(hao)米等。相反，基(ji)于(yu)(yu)(yu)AI的(de)(de)(de)(de)機(ji)器(qi)視覺(jue)可以為無(wu)法量(liang)化(hua)的(de)(de)(de)(de)特(te)征(zheng)提(ti)供準確的(de)(de)(de)(de)結果，可以更(geng)加靈活地處理產品(pin)外觀和缺陷類型的(de)(de)(de)(de)變化(hua)，深度(du)學(xue)習(xi)是(shi)(shi)AI的(de)(de)(de)(de)一(yi)個更(geng)復(fu)雜和強(qiang)大的(de)(de)(de)(de)子集，也越來越多地用(yong)于(yu)(yu)(yu)機(ji)器(qi)視覺(jue)應用(yong)。
關鍵技術轉變3：更強大(da)的硬件和AI芯片(pian)
芯(xin)(xin)片(pian)的(de)進步與(yu)AI的(de)進步密(mi)切相關(guan)，最新(xin)的(de)芯(xin)(xin)片(pian)功能已經十分強(qiang)大，適合處理圖像(xiang)和運行基于AI的(de)計算(suan)機視覺(jue)算(suan)法，這些性能的(de)提(ti)升有助(zhu)于將深度學習的(de)訓練(lian)時(shi)間(jian)從幾周縮(suo)短到幾個小(xiao)時(shi)。現在(zai)的(de)很多智能相機也都配備(bei)了強(qiang)大的(de)AI芯(xin)(xin)片(pian)，例如(ru)ADLINK的(de)NEON-2000-JNX系(xi)列就內置了英偉(wei)達的(de)Jetson XavierNX模塊。
七個即將到來的機器視覺應用
根(gen)據IoT Analytics的(de)(de)市場研究，由于前面提到的(de)(de)相機、AI和(he)芯片(pian)的(de)(de)最新變(bian)動(dong)(dong)，有七個機器視覺應用正(zheng)被大力推動(dong)(dong)，在其分(fen)析的(de)(de)39個用例中，這七個用例被標記為“特別(bie)令人感興趣”。
1、缺陷檢測
缺(que)陷檢(jian)(jian)測是(shi)一(yi)種機(ji)(ji)器視覺用例，主(zhu)要(yao)部署在質量檢(jian)(jian)測過(guo)程中。在過(guo)去，非AI機(ji)(ji)器視覺需要(yao)一(yi)個包含所有(you)可(ke)能缺(que)陷圖(tu)像的(de)數(shu)據(ju)庫(ku)，以便(bian)系(xi)統成功識別缺(que)陷。然而(er)，今天的(de)機(ji)(ji)器視覺技術(shu)已經可(ke)以在不需要(yao)特(te)定圖(tu)像的(de)情況(kuang)下識別某些缺(que)陷，進行異(yi)常(chang)檢(jian)(jian)測。以富士通日本工(gong)廠為(wei)例，通過(guo)訓練AI修復(fu)數(shu)千張(zhang)有(you)缺(que)陷(例如形(xing)狀(zhuang)，大(da)小和顏色(se)異(yi)常(chang))的(de)模(mo)擬圖(tu)像中的(de)異(yi)常(chang)區域，從而(er)生成正常(chang)圖(tu)像，使得(de)工(gong)廠檢(jian)(jian)查印刷電(dian)路板所需的(de)小時數(shu)減少了25%。當AI對特(te)定類型的(de)異(yi)常(chang)檢(jian)(jian)測得(de)不夠準確時，就可(ke)以產生更多(duo)此類型異(yi)常(chang)的(de)模(mo)擬圖(tu)片(pian)，從而(er)精確地改善模(mo)型的(de)弱點。
2、流程/操作優化
另一個(ge)與(yu)制造相(xiang)關的機(ji)(ji)器視(shi)覺用例(li)(li)是流程(cheng)/操作優化。例(li)(li)如(ru)，機(ji)(ji)器人現在(zai)可(ke)以(yi)(yi)(yi)比人類(lei)以(yi)(yi)(yi)更(geng)高的精度和效(xiao)率完(wan)成復雜任務。其(qi)結果就是，借助(zhu)于機(ji)(ji)器視(shi)覺，機(ji)(ji)器人或其(qi)他機(ji)(ji)械可(ke)以(yi)(yi)(yi)用和以(yi)(yi)(yi)前不同的方式來執行操作，或者(zhe)完(wan)成從前無法完(wan)成的事情。例(li)(li)如(ru)，弗勞恩(en)霍夫-設計工程(cheng)機(ji)(ji)電(dian)一體化研(yan)(yan)究所(IEM)所開(kai)發(fa)的新型橡(xiang)(xiang)膠研(yan)(yan)磨(mo)(mo)解決(jue)方案，就是使(shi)用三菱電(dian)機(ji)(ji)機(ji)(ji)械臂、光學激光掃描儀和配備AI軟件的控制系統，開(kai)發(fa)了一種新的AI研(yan)(yan)磨(mo)(mo)系統，該系統使(shi)得(de)研(yan)(yan)磨(mo)(mo)復雜橡(xiang)(xiang)膠狀材(cai)料的過程(cheng)自動化。據該團隊稱，新方法可(ke)以(yi)(yi)(yi)縮(suo)短高達40%的橡(xiang)(xiang)膠研(yan)(yan)磨(mo)(mo)過程(cheng)花費的時間。
3、自動駕駛
機(ji)(ji)器視覺在(zai)開發全(quan)自動(dong)駕(jia)駛汽車(che)的(de)過程中起(qi)著至關重要的(de)作(zuo)用。自動(dong)駕(jia)駛有(you)六個(ge)級(ji)(ji)別，從0級(ji)(ji)(全(quan)手動(dong))到5級(ji)(ji)(全(quan)自動(dong))。如今，大(da)多(duo)數商用車(che)輛都(dou)還在(zai)提供1級(ji)(ji)或(huo)(huo)2級(ji)(ji)的(de)輔(fu)助駕(jia)駛，只有(you)少數可以提供3級(ji)(ji)，而想要達到4級(ji)(ji)或(huo)(huo)5級(ji)(ji)，車(che)輛使用的(de)技術必(bi)須實現飛躍(yue)才可以，而非(fei)常復(fu)雜(za)的(de)機(ji)(ji)器視覺系統(tong)和(he)AI計算正(zheng)是(shi)讓(rang)這一技術實現飛躍(yue)的(de)一部分。谷歌Waymo One的(de)自動(dong)叫車(che)服務就是(shi)4級(ji)(ji)自動(dong)駕(jia)駛的(de)一個(ge)例(li)子。每輛車(che)都(dou)配(pei)備了Waymo司機(ji)(ji)系統(tong)，這是(shi)一個(ge)復(fu)雜(za)的(de)MV系統(tong)，由(you)五個(ge)激光(guang)雷達、四個(ge)雷達、29個(ge)攝像(xiang)頭(tou)和(he)AI軟件組成，可以收(shou)集(ji)傳感器數據(ju)并實時(shi)計算最佳路(lu)線。該解(jie)決(jue)方(fang)案已(yi)經收(shou)集(ji)了超過2000萬(wan)英里(li)的(de)真實駕(jia)駛體驗(yan)數據(ju)。
4、托盤尺寸標注
在(zai)(zai)物流領(ling)域，即(ji)將到來(lai)的(de)(de)(de)機器(qi)(qi)視(shi)覺(jue)用例之一是托盤(pan)尺(chi)(chi)寸標注。創新的(de)(de)(de)3D飛行時(shi)間(time-of-flight)技術使得測量(liang)裝載托盤(pan)的(de)(de)(de)尺(chi)(chi)寸成為可(ke)能，消(xiao)除了(le)(le)手動(dong)測量(liang)所花費的(de)(de)(de)時(shi)間，并(bing)最大(da)程度地減少了(le)(le)由于尺(chi)(chi)寸重量(liang)不準(zhun)確(que)而導致(zhi)的(de)(de)(de)承(cheng)(cheng)運人(ren)的(de)(de)(de)潛在(zai)(zai)費用。產品包裝公(gong)(gong)司DSSmith與機器(qi)(qi)視(shi)覺(jue)公(gong)(gong)司NeAdvanced和傳(chuan)感器(qi)(qi)儀(yi)表公(gong)(gong)司SICK合作，在(zai)(zai)生(sheng)產傳(chuan)送(song)帶(dai)的(de)(de)(de)末端安裝了(le)(le)攝像頭，并(bing)在(zai)(zai)所有托盤(pan)被拾取之前對其進行快照，準(zhun)確(que)地提供(gong)了(le)(le)托盤(pan)的(de)(de)(de)尺(chi)(chi)寸和體積。隨(sui)著時(shi)間的(de)(de)(de)推(tui)移，制造商可(ke)以使用這些信息來(lai)優(you)化(hua)生(sheng)產，而承(cheng)(cheng)運人(ren)也可(ke)以使用它來(lai)確(que)保貨物安全有效地移動(dong)，并(bing)減少相關費用。
5、姿態/運動分析
機(ji)器視覺也(ye)在醫(yi)(yi)療保健領域實現了一些新(xin)的(de)(de)應用(yong)，相(xiang)機(ji)精度和(he)(he)質量(liang)的(de)(de)進步(bu)使(shi)身體姿勢(shi)(shi)和(he)(he)運(yun)動分析成(cheng)為可(ke)(ke)能。現在，只(zhi)需(xu)(xu)使(shi)用(yong)相(xiang)機(ji)而無需(xu)(xu)額外的(de)(de)設備，就可(ke)(ke)以(yi)(yi)識別骨(gu)骼和(he)(he)關節的(de)(de)位置(zhi)和(he)(he)方向。人(ren)體工程學、骨(gu)科等(deng)醫(yi)(yi)療保健以(yi)(yi)及(ji)手勢(shi)(shi)交互等(deng)都可(ke)(ke)以(yi)(yi)從這(zhe)種機(ji)器視覺應用(yong)中受(shou)益。利用(yong)德(de)國相(xiang)機(ji)制造商IDS研發(fa)的(de)(de)新(xin)型工業相(xiang)機(ji)，生物醫(yi)(yi)學解決方案(an)(an)公司DIERS開發(fa)了一種解決方案(an)(an)，可(ke)(ke)以(yi)(yi)對人(ren)體背(bei)部、脊柱和(he)(he)骨(gu)盆進行快速、高分辨率的(de)(de)光(guang)學測量(liang)，通過使(shi)用(yong)相(xiang)機(ji)連續記(ji)錄設備投射到患者背(bei)部的(de)(de)光(guang)線，可(ke)(ke)以(yi)(yi)生成(cheng)脊柱曲(qu)率的(de)(de)準確表示，從而幫助(zhu)骨(gu)科醫(yi)(yi)生檢測肌(ji)肉系(xi)統的(de)(de)不平衡或姿態缺(que)陷(xian)。
6、自動結帳
通過(guo)使用基于機(ji)器視(shi)(shi)覺的解決方(fang)案，可以(yi)顯著減少結賬(zhang)所需的時間，改(gai)善零售店的自(zi)動結賬(zhang)體驗(yan)。初創公司Mashgin已經開發出(chu)一(yi)種(zhong)機(ji)器視(shi)(shi)覺解決方(fang)案，可以(yi)對產(chan)品進行(xing)掃描(miao)而不(bu)必搜索條形(xing)碼(ma)。由于自(zi)動結賬(zhang)解決方(fang)案減少了排隊時間，使得交易量增加了34%。
7、污染物識別
污染物(wu)的(de)(de)識別是(shi)食(shi)品質量(liang)評估(gu)的(de)(de)重要(yao)組成部(bu)分，但這一(yi)過程很難用傳統方(fang)法來解決，因為需(xu)要(yao)一(yi)個包含所(suo)有可能(neng)污染物(wu)組合(he)的(de)(de)數據庫。然而，通過AI便可以有效地識別加工(gong)食(shi)品中(zhong)的(de)(de)變色、異物(wu)和其他異常(chang)。例如，冷凍食(shi)品公司Apeto在20多條生(sheng)產線上測(ce)試并部(bu)署了自動(dong)化定性評估(gu)解決方(fang)案(an)，從而確保(bao)加工(gong)食(shi)品部(bu)門能(neng)夠成功檢測(ce)原料中(zhong)的(de)(de)所(suo)有污染物(wu)。
寫在最后
IoT Analytics預計(ji)，從2022年(nian)(nian)到2027年(nian)(nian)，機(ji)器(qi)(qi)視覺(jue)市(shi)場(chang)將以8%的(de)(de)CAGR增長。與(yu)當今許多(duo)(duo)技(ji)術(shu)領域一樣(yang)，預計(ji)從AI的(de)(de)進步中受(shou)益的(de)(de)軟(ruan)件(jian)增長最快。IoT Analytics的(de)(de)研究還表明，在(zai)確定的(de)(de)313家機(ji)器(qi)(qi)視覺(jue)供應商(shang)中，約60%已經提供了(le)特定的(de)(de)機(ji)器(qi)(qi)視覺(jue)軟(ruan)件(jian)，預計(ji)上(shang)述七個用例(li)將在(zai)接(jie)下來的(de)(de)幾年(nian)(nian)中變得更(geng)(geng)加普遍，更(geng)(geng)多(duo)(duo)的(de)(de)其(qi)他用例(li)也會出現。
