機(ji)器視覺是一項令人(ren)興奮的(de)技(ji)術，在toC領域，我們已經看到了(le)體驗到了(le)它(ta)的(de)強大之處。在其他領域，隨著AI的(de)繼續(xu)發(fa)展，全(quan)新的(de)用(yong)例還(huan)在不斷出(chu)現和(he)成熟。
所謂機(ji)器(qi)視(shi)覺(machine vision，MV)，就是(shi)不同技術和(he)方法的組合來自動提取(qu)圖像信息，為機(ji)器(qi)在工業和(he)非(fei)工業環境中執行給(gei)定任務提供操作指導和(he)關(guan)鍵數據。
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)(de)進(jin)步正(zheng)在推(tui)動機(ji)(ji)器視(shi)覺(jue)應用(yong)的(de)(de)使用(yong)，這(zhe)些進(jin)步增強了(le)典型的(de)(de)機(ji)(ji)器視(shi)覺(jue)優勢(shi)，例(li)如節(jie)省成本、提高(gao)競爭力或提高(gao)產品質量，也影響(xiang)了(le)IoT Analytics在研究中確定(ding)的(de)(de)39個機(ji)(ji)器視(shi)覺(jue)應用(yong)的(de)(de)前(qian)景。
2022年的(de)(de)研究(jiu)表明，機(ji)器(qi)視覺預(yu)計將在未(wei)來(lai)幾年經歷持續(xu)強(qiang)勁的(de)(de)投(tou)資流入，同時(shi)，機(ji)器(qi)視覺還擁有所有工業4.0技(ji)術(shu)中最高的(de)(de)投(tou)資回報率(ROI)和最快的(de)(de)攤(tan)銷(xiao)時(shi)間。
盡(jin)管機器視覺技(ji)術(shu)已經存在了30多年，但最(zui)近的(de)技(ji)術(shu)轉變依然為其產業應用提供了新的(de)推動力。
三項技術進步
關鍵技術轉變1：先進相機(Advanced cameras)
當前(qian)，分辨(bian)率超過4500萬(wan)像(xiang)素的(de)(de)(de)相機不僅在(zai)許多情況下優于(yu)人眼(yan)，而(er)(er)且還可以(yi)以(yi)極高的(de)(de)(de)速度無失(shi)真地追蹤移動(dong)的(de)(de)(de)物體。然而(er)(er)，還有其他的(de)(de)(de)一些創新可能對用戶來(lai)說(shuo)并不明顯，其中一個(ge)就是引入了(le)“基(ji)于(yu)事件(jian)的(de)(de)(de)視覺(jue)(jue)傳(chuan)感器”(Event-based vision sensors)。與視神(shen)經(jing)處理(li)信(xin)息的(de)(de)(de)方式類似(si)，基(ji)于(yu)事件(jian)的(de)(de)(de)視覺(jue)(jue)傳(chuan)感器僅通過檢測每個(ge)像(xiang)素的(de)(de)(de)亮(liang)度變化來(lai)捕(bu)獲圖像(xiang)，與傳(chuan)統的(de)(de)(de)基(ji)于(yu)幀(zhen)的(de)(de)(de)視覺(jue)(jue)傳(chuan)感器相比，在(zai)更(geng)暗的(de)(de)(de)環境(jing)或更(geng)惡劣的(de)(de)(de)天氣條件(jian)下也可以(yi)擁有更(geng)好的(de)(de)(de)效果。
關鍵技(ji)術(shu)轉(zhuan)變2：更好(hao)的決策型AI
從基(ji)于(yu)規(gui)則的(de)(de)(de)機(ji)(ji)器(qi)視覺(jue)(jue)到基(ji)于(yu)AI的(de)(de)(de)機(ji)(ji)器(qi)視覺(jue)(jue)的(de)(de)(de)轉變(bian)是(shi)(shi)有影(ying)響力的(de)(de)(de)。通常，基(ji)于(yu)規(gui)則的(de)(de)(de)機(ji)(ji)器(qi)視覺(jue)(jue)是(shi)(shi)更(geng)(geng)為(wei)(wei)嚴(yan)格的(de)(de)(de)描述，只(zhi)適用(yong)于(yu)可(ke)量化的(de)(de)(de)、清晰的(de)(de)(de)和(he)非(fei)常具體的(de)(de)(de)特征，例如，產品上的(de)(de)(de)劃痕是(shi)(shi)水(shui)平(ping)的(de)(de)(de)、長(chang)度為(wei)(wei)30毫米(mi)等。相反，基(ji)于(yu)AI的(de)(de)(de)機(ji)(ji)器(qi)視覺(jue)(jue)可(ke)以為(wei)(wei)無法量化的(de)(de)(de)特征提供準確的(de)(de)(de)結果，可(ke)以更(geng)(geng)加靈活地處理產品外觀和(he)缺陷(xian)類型的(de)(de)(de)變(bian)化，深(shen)度學習是(shi)(shi)AI的(de)(de)(de)一個更(geng)(geng)復雜和(he)強大的(de)(de)(de)子(zi)集，也(ye)越來越多地用(yong)于(yu)機(ji)(ji)器(qi)視覺(jue)(jue)應(ying)用(yong)。
關鍵技(ji)術轉變3：更強(qiang)大的(de)硬件和AI芯片
芯(xin)片的(de)進(jin)步(bu)與(yu)AI的(de)進(jin)步(bu)密切相(xiang)關，最新的(de)芯(xin)片功能(neng)已經十(shi)分(fen)強大，適(shi)合處理圖像和運(yun)行基于AI的(de)計算(suan)機視覺算(suan)法，這些性能(neng)的(de)提升有助于將深(shen)度學習的(de)訓(xun)練時(shi)間從幾(ji)周(zhou)縮短(duan)到幾(ji)個小時(shi)。現在的(de)很多智能(neng)相(xiang)機也都(dou)配(pei)備了強大的(de)AI芯(xin)片，例如ADLINK的(de)NEON-2000-JNX系列就內置了英偉達的(de)Jetson XavierNX模塊。
七個即將到來的機器視覺應用
根據(ju)IoT Analytics的市場研究，由于(yu)前面提(ti)到的相機(ji)、AI和芯(xin)片(pian)的最新變(bian)動，有七個(ge)機(ji)器視覺應用正(zheng)被大(da)力推動，在其分析的39個(ge)用例(li)中，這七個(ge)用例(li)被標記為“特別令人感興(xing)趣”。
1、缺陷檢測
缺陷(xian)(xian)檢(jian)測(ce)是一種機器視(shi)(shi)覺用例，主要部署(shu)在質量(liang)檢(jian)測(ce)過程中(zhong)。在過去，非AI機器視(shi)(shi)覺需要一個(ge)包含(han)所有可能缺陷(xian)(xian)圖像的(de)(de)(de)(de)(de)數據庫(ku)，以(yi)(yi)便系統成功識別(bie)缺陷(xian)(xian)。然而，今天(tian)的(de)(de)(de)(de)(de)機器視(shi)(shi)覺技術(shu)已經(jing)可以(yi)(yi)在不需要特定圖像的(de)(de)(de)(de)(de)情況下識別(bie)某些缺陷(xian)(xian)，進行異常(chang)檢(jian)測(ce)。以(yi)(yi)富士通(tong)日本工廠為例，通(tong)過訓練AI修(xiu)復(fu)數千張(zhang)有缺陷(xian)(xian)(例如形狀，大(da)小和顏色異常(chang))的(de)(de)(de)(de)(de)模(mo)(mo)(mo)擬圖像中(zhong)的(de)(de)(de)(de)(de)異常(chang)區域，從而生成正常(chang)圖像，使得(de)工廠檢(jian)查(cha)印刷電路板所需的(de)(de)(de)(de)(de)小時數減少了25%。當AI對(dui)特定類型(xing)(xing)的(de)(de)(de)(de)(de)異常(chang)檢(jian)測(ce)得(de)不夠準確(que)時，就可以(yi)(yi)產生更(geng)多(duo)此類型(xing)(xing)異常(chang)的(de)(de)(de)(de)(de)模(mo)(mo)(mo)擬圖片(pian)，從而精確(que)地改善模(mo)(mo)(mo)型(xing)(xing)的(de)(de)(de)(de)(de)弱點。
2、流程/操作優化
另一個與(yu)制造相關(guan)的(de)(de)(de)機(ji)器(qi)視覺用例是(shi)流程(cheng)(cheng)/操作(zuo)優化(hua)。例如，機(ji)器(qi)人(ren)現在可(ke)以比人(ren)類以更高(gao)的(de)(de)(de)精度和效(xiao)率(lv)完成復雜任務。其(qi)結果就是(shi)，借助于機(ji)器(qi)視覺，機(ji)器(qi)人(ren)或其(qi)他機(ji)械可(ke)以用和以前不同的(de)(de)(de)方式來執行操作(zuo)，或者完成從前無法完成的(de)(de)(de)事情。例如，弗勞恩霍(huo)夫-設計工(gong)程(cheng)(cheng)機(ji)電一體化(hua)研(yan)(yan)究所(suo)(IEM)所(suo)開發(fa)的(de)(de)(de)新型橡膠(jiao)研(yan)(yan)磨解決(jue)方案，就是(shi)使用三菱(ling)電機(ji)機(ji)械臂、光學(xue)激光掃描儀(yi)和配備AI軟件的(de)(de)(de)控制系(xi)統(tong)，開發(fa)了一種新的(de)(de)(de)AI研(yan)(yan)磨系(xi)統(tong)，該系(xi)統(tong)使得研(yan)(yan)磨復雜橡膠(jiao)狀材料(liao)的(de)(de)(de)過(guo)程(cheng)(cheng)自動化(hua)。據(ju)該團隊稱，新方法可(ke)以縮短(duan)高(gao)達40%的(de)(de)(de)橡膠(jiao)研(yan)(yan)磨過(guo)程(cheng)(cheng)花費的(de)(de)(de)時間。
3、自動駕駛
機(ji)器視覺在(zai)開發全自(zi)(zi)動(dong)(dong)駕駛(shi)(shi)汽車(che)(che)的(de)(de)過(guo)程中起著至關重(zhong)要(yao)的(de)(de)作用(yong)。自(zi)(zi)動(dong)(dong)駕駛(shi)(shi)有(you)六個(ge)級(ji)(ji)(ji)別，從0級(ji)(ji)(ji)(全手(shou)動(dong)(dong))到(dao)(dao)5級(ji)(ji)(ji)(全自(zi)(zi)動(dong)(dong))。如今，大多(duo)數(shu)(shu)商用(yong)車(che)(che)輛都還在(zai)提(ti)供1級(ji)(ji)(ji)或(huo)2級(ji)(ji)(ji)的(de)(de)輔助駕駛(shi)(shi)，只有(you)少數(shu)(shu)可(ke)(ke)以提(ti)供3級(ji)(ji)(ji)，而想(xiang)要(yao)達到(dao)(dao)4級(ji)(ji)(ji)或(huo)5級(ji)(ji)(ji)，車(che)(che)輛使用(yong)的(de)(de)技術必須實(shi)(shi)現飛(fei)躍才可(ke)(ke)以，而非常復雜的(de)(de)機(ji)器視覺系(xi)統(tong)(tong)和(he)AI計算(suan)正是(shi)讓這(zhe)一(yi)技術實(shi)(shi)現飛(fei)躍的(de)(de)一(yi)部分。谷歌Waymo One的(de)(de)自(zi)(zi)動(dong)(dong)叫車(che)(che)服務就是(shi)4級(ji)(ji)(ji)自(zi)(zi)動(dong)(dong)駕駛(shi)(shi)的(de)(de)一(yi)個(ge)例子。每輛車(che)(che)都配備(bei)了(le)Waymo司機(ji)系(xi)統(tong)(tong)，這(zhe)是(shi)一(yi)個(ge)復雜的(de)(de)MV系(xi)統(tong)(tong)，由五個(ge)激光雷(lei)達、四個(ge)雷(lei)達、29個(ge)攝(she)像頭(tou)和(he)AI軟件組(zu)成，可(ke)(ke)以收(shou)集傳感器數(shu)(shu)據并(bing)實(shi)(shi)時計算(suan)最佳(jia)路(lu)線(xian)。該解決方案已(yi)經收(shou)集了(le)超(chao)過(guo)2000萬英里的(de)(de)真(zhen)實(shi)(shi)駕駛(shi)(shi)體(ti)驗(yan)數(shu)(shu)據。
4、托盤尺寸標注
在(zai)物流領(ling)域，即將到(dao)來的(de)(de)(de)機(ji)器視覺用(yong)(yong)(yong)例之(zhi)一(yi)是托(tuo)盤(pan)(pan)尺(chi)(chi)(chi)寸標(biao)注。創(chuang)新的(de)(de)(de)3D飛行(xing)時(shi)間(time-of-flight)技術使(shi)得測(ce)量(liang)裝(zhuang)載托(tuo)盤(pan)(pan)的(de)(de)(de)尺(chi)(chi)(chi)寸成為可能，消(xiao)除了手動(dong)測(ce)量(liang)所花(hua)費的(de)(de)(de)時(shi)間，并最大程度地減少(shao)了由于尺(chi)(chi)(chi)寸重(zhong)量(liang)不準確(que)而(er)導(dao)致的(de)(de)(de)承運(yun)人的(de)(de)(de)潛在(zai)費用(yong)(yong)(yong)。產品包裝(zhuang)公(gong)司DSSmith與機(ji)器視覺公(gong)司NeAdvanced和傳感器儀表公(gong)司SICK合作，在(zai)生產傳送(song)帶的(de)(de)(de)末(mo)端安裝(zhuang)了攝(she)像頭，并在(zai)所有托(tuo)盤(pan)(pan)被拾取之(zhi)前對其進行(xing)快照，準確(que)地提供了托(tuo)盤(pan)(pan)的(de)(de)(de)尺(chi)(chi)(chi)寸和體積。隨著(zhu)時(shi)間的(de)(de)(de)推(tui)移(yi)，制(zhi)造商(shang)可以使(shi)用(yong)(yong)(yong)這些信息來優(you)化生產，而(er)承運(yun)人也可以使(shi)用(yong)(yong)(yong)它來確(que)保貨(huo)物安全(quan)有效地移(yi)動(dong)，并減少(shao)相關費用(yong)(yong)(yong)。
5、姿態/運動分析
機(ji)(ji)(ji)器視覺也在(zai)醫療保(bao)健(jian)領域實(shi)現了一些新的(de)應用，相(xiang)(xiang)機(ji)(ji)(ji)精(jing)度和(he)質量的(de)進步使身體(ti)姿勢和(he)運動分析(xi)成為可(ke)(ke)能。現在(zai)，只需使用相(xiang)(xiang)機(ji)(ji)(ji)而無(wu)需額外(wai)的(de)設備(bei)，就可(ke)(ke)以(yi)(yi)識別骨(gu)骼和(he)關節的(de)位置(zhi)和(he)方向。人體(ti)工(gong)程(cheng)學(xue)、骨(gu)科等醫療保(bao)健(jian)以(yi)(yi)及手勢交互等都可(ke)(ke)以(yi)(yi)從這種機(ji)(ji)(ji)器視覺應用中受益。利用德國相(xiang)(xiang)機(ji)(ji)(ji)制造商IDS研發的(de)新型工(gong)業相(xiang)(xiang)機(ji)(ji)(ji)，生物醫學(xue)解決方案(an)公司DIERS開發了一種解決方案(an)，可(ke)(ke)以(yi)(yi)對人體(ti)背(bei)部、脊(ji)(ji)柱和(he)骨(gu)盆進行快(kuai)速(su)、高(gao)分辨率(lv)的(de)光(guang)學(xue)測量，通過使用相(xiang)(xiang)機(ji)(ji)(ji)連(lian)續(xu)記錄(lu)設備(bei)投射(she)到患者背(bei)部的(de)光(guang)線，可(ke)(ke)以(yi)(yi)生成脊(ji)(ji)柱曲率(lv)的(de)準確表示，從而幫助骨(gu)科醫生檢測肌肉系統(tong)的(de)不平(ping)衡或姿態(tai)缺陷(xian)。
6、自動結帳
通過使用(yong)基于機器視覺的解(jie)決方案，可(ke)以(yi)顯著減少結(jie)賬所(suo)需(xu)的時間，改善(shan)零售店的自動結(jie)賬體驗。初創(chuang)公司Mashgin已(yi)經(jing)開發(fa)出(chu)一(yi)種機器視覺解(jie)決方案，可(ke)以(yi)對產品進行掃描而(er)不(bu)必搜(sou)索(suo)條(tiao)形(xing)碼。由于自動結(jie)賬解(jie)決方案減少了排隊時間，使得交易量增加了34%。
7、污染物識別
污染(ran)物的(de)(de)(de)識別是食品(pin)(pin)質量評估的(de)(de)(de)重要(yao)組成部分，但這一(yi)過程很難用傳統方法來解(jie)決，因為需要(yao)一(yi)個包含所有(you)可(ke)能污染(ran)物組合的(de)(de)(de)數據庫(ku)。然而，通過AI便可(ke)以有(you)效地(di)識別加(jia)工食品(pin)(pin)中(zhong)的(de)(de)(de)變色(se)、異物和其(qi)他異常(chang)。例如，冷凍食品(pin)(pin)公(gong)司Apeto在(zai)20多(duo)條生產線上測試并部署了自動(dong)化(hua)定(ding)性評估解(jie)決方案(an)，從而確保加(jia)工食品(pin)(pin)部門能夠成功檢測原料中(zhong)的(de)(de)(de)所有(you)污染(ran)物。
寫在最后
IoT Analytics預計，從2022年到2027年，機(ji)器(qi)視(shi)覺市(shi)場將(jiang)以(yi)8%的(de)(de)CAGR增長(chang)。與當(dang)今(jin)許多技術領域一樣，預計從AI的(de)(de)進步中受(shou)益的(de)(de)軟件(jian)增長(chang)最快。IoT Analytics的(de)(de)研究還表明，在確定的(de)(de)313家機(ji)器(qi)視(shi)覺供應商(shang)中，約60%已經提供了特定的(de)(de)機(ji)器(qi)視(shi)覺軟件(jian)，預計上述(shu)七個(ge)用(yong)例將(jiang)在接下來(lai)的(de)(de)幾年中變得更(geng)加普遍(bian)，更(geng)多的(de)(de)其他用(yong)例也會(hui)出現(xian)。
