機(jī)器視覺是一項使機(jī)器或工業(yè)設(shè)備能夠解釋和分析視覺數(shù)據(jù)的技術(shù)，它將計算機(jī)科學(xué)與圖像處理技術(shù)相結(jié)合，實現(xiàn)了自動化的視覺檢查和分析。你也可以把它看作是一種賦予機(jī)器看到和理解周圍環(huán)境的能力。

作為工業(yè)自動化的基礎(chǔ)技術(shù)之一，機(jī)器視覺使工業(yè)設(shè)備能夠根據(jù)視覺數(shù)據(jù)“觀察”并做出快速決策。德勤的一項調(diào)查顯示，目前已有58%的制造商正在采用這項技術(shù)，由此我們也不難看出該項技術(shù)顯示出的巨大市場潛力。

在制造業(yè)中，常見的機(jī)器視覺應(yīng)用包括缺陷檢測、引導(dǎo)、尺寸測量和識別等，在與人工智能（AI）結(jié)合后，系統(tǒng)的功能得到了有效擴(kuò)展，檢測的準(zhǔn)確性顯著提高。

工業(yè)自動化中機(jī)器視覺技術(shù)的演變

在工業(yè)自動化的背景下，機(jī)器視覺是使用相機(jī)等硬件和軟件算法對零件進(jìn)行自動視覺檢查的過程。起初，它只是為基本的檢測任務(wù)而開發(fā)的，如今的機(jī)器視覺已經(jīng)發(fā)展成為能夠處理各個行業(yè)復(fù)雜操作的特定工具。

傳統(tǒng)的機(jī)器視覺應(yīng)用相對簡單，不需要人工智能，只要圖像數(shù)據(jù)清晰且易于區(qū)分就能滿足需求。人工智能、深度學(xué)習(xí)和先進(jìn)成像技術(shù)的融合進(jìn)一步增強(qiáng)了機(jī)器視覺系統(tǒng)的能力，使其在現(xiàn)代制造環(huán)境中成為不可或缺的一部分。

機(jī)器視覺由多個相互連接的關(guān)鍵組件構(gòu)成，主要組件包括相機(jī)、鏡頭、照明、圖像處理軟件、模式識別算法和光學(xué)字符識別（OCR）以及相關(guān)的控制軟件。此外，還可以根據(jù)特定的應(yīng)用需求在機(jī)器視覺系統(tǒng)中整合運動控制、圖像抓取器和AI加速器等組件。

在工業(yè)自動化中，智能相機(jī)是精確、高效視覺系統(tǒng)的核心。不同于僅捕獲圖像的傳統(tǒng)相機(jī)，智能相機(jī)將圖像采集、處理和數(shù)據(jù)分析整合在一起，在沒有單獨PC的情況下可自行處理和分析圖像，使自動化和質(zhì)量控制過程更快、更可靠、更高效，占用的空間更小，其應(yīng)用包括制造過程中的缺陷檢測、讀取條形碼或引導(dǎo)機(jī)器人手臂等。新一代的智能相機(jī)更是融入了人工智能、深度學(xué)習(xí)等功能，應(yīng)用靈活且功能強(qiáng)大，易于安裝，足以處理大量具有挑戰(zhàn)性的工業(yè)任務(wù)。

STMicroelectronics的B-CAMS-IMX攝像頭模塊提供了一套穩(wěn)健可靠的智能硬件，可處理多種機(jī)器視覺場景和應(yīng)用。它配備有高分辨率5-Mpx IMX335LQN CMOS RGB圖像傳感器、ISM330DLC慣性運動單元（IMU）和VL53L5CX飛行時間（ToF）傳感器。與具有MIPI CSI-2接口和22引腳FFC連接器的STM32開發(fā)板配合使用，可在STM32微控制器和微處理器上輕松實現(xiàn)全功能機(jī)器視覺，并將機(jī)器視覺應(yīng)用于工業(yè)自動化、OCR和OCV標(biāo)簽驗證、機(jī)器人、缺陷檢測、安全、智能家電等領(lǐng)域。

其中的IMX335LQN是一款對角線為6.52 mm的CMOS有源像素型固態(tài)圖像傳感器，具有方形像素陣列和5.14 M有效像素。B-CAMS-IMX模塊集成的VL53L5CX 8x8 ToF傳感器，可在各種環(huán)境照明條件下提供精確的測距。ISM330DLC iNEMO 6軸慣性測量單元是一款專為工業(yè)4.0應(yīng)用量身定制的高性能3D數(shù)字加速度計和3D數(shù)字陀螺儀，具有極高的精度和穩(wěn)定性，超低功耗可實現(xiàn)持久的電池供電應(yīng)用。

圖：適用于機(jī)器視覺應(yīng)用的B-CAMS-IMX攝像頭模塊（圖源：貿(mào)澤電子）

人工智能推理是采用神經(jīng)網(wǎng)絡(luò)模型的過程，通常是通過深度學(xué)習(xí)來進(jìn)行，然后將其部署到計算設(shè)備上。在數(shù)據(jù)源附近安裝帶有集成AI推理加速器的低功耗計算機(jī)，可以實現(xiàn)更快的響應(yīng)時間和更高效的計算，同時需要更少的互聯(lián)網(wǎng)帶寬和圖形處理能力。與云推理相比，邊緣推理可以將生成結(jié)果的時間從幾秒鐘縮短到不足一秒鐘。在涉及大型數(shù)據(jù)集或復(fù)雜計算的場景中，特別是對于圖像識別和分析等任務(wù)，AI加速器是機(jī)器視覺系統(tǒng)的關(guān)鍵組件，其主要目的是提高圖像識別和數(shù)據(jù)分析的效率和準(zhǔn)確性。

機(jī)器視覺中的人工智能

人工智能將機(jī)器學(xué)習(xí)和深度學(xué)習(xí)集成到機(jī)器視覺技術(shù)中，提高了其處理圖像數(shù)據(jù)和識別模式的能力。智能視覺系統(tǒng)在處理新數(shù)據(jù)集時會不斷改進(jìn)，使其在快節(jié)奏的行業(yè)中更有效。這些由人工智能驅(qū)動的機(jī)器視覺系統(tǒng)常常被成為AI視覺系統(tǒng)。AI視覺系統(tǒng)具有極強(qiáng)的適應(yīng)性和智能性，能夠根據(jù)收到的視覺數(shù)據(jù)做出復(fù)雜的決策。

AI視覺系統(tǒng)為工業(yè)環(huán)境帶來了諸多優(yōu)勢：

提高準(zhǔn)確性。人工智能系統(tǒng)通過從大量數(shù)據(jù)中學(xué)習(xí)，在執(zhí)行缺陷檢測、物體識別和視覺檢查時實現(xiàn)了更高的準(zhǔn)確性.

提高靈活性。人工智能驅(qū)動的視覺系統(tǒng)能夠快速適應(yīng)環(huán)境的變化，如光照、物體形狀或表面紋理的變化，而這一切對傳統(tǒng)視覺系統(tǒng)來說幾乎是不可克服的挑戰(zhàn)。

提高自動化水平。人工智能通過自動化質(zhì)量控制、材料檢查和串行連接跟蹤等流程，減少了人為錯誤并提高吞吐量，實現(xiàn)了更大規(guī)模的工業(yè)自動化。

提高系統(tǒng)的可擴(kuò)展性。AI視覺系統(tǒng)在所有行業(yè)都具有高度的可擴(kuò)展性和適應(yīng)性，從小規(guī)模運營到大型復(fù)雜的生產(chǎn)環(huán)境，這些系統(tǒng)使用的核心算法可以輕松適應(yīng)不同的應(yīng)用，例如檢查食品包裝或汽車零件。隨著生產(chǎn)需求的增長，人工智能系統(tǒng)會用新數(shù)據(jù)重新訓(xùn)練，或者在最短的停機(jī)時間內(nèi)重新編程。

提高實時決策能力。AI機(jī)器視覺解決方案為實時分析打開了大門，非常適用于需要快速決策的快節(jié)奏環(huán)境。在生產(chǎn)線上，這些系統(tǒng)可以立即檢測到缺陷，拒收有缺陷的物品，并向操作員發(fā)出采取糾正措施的信號。

接下來，我們將討論的是滿足AI機(jī)器視覺需求的硬件。眾所周知，人工智能支持的機(jī)器視覺系統(tǒng)其顯著的優(yōu)勢是可以快速輕松地實時分析圖像，以識別細(xì)微的差別和模式，比較整個圖像數(shù)據(jù)集的模式，并保留每次分析的信息，以不斷學(xué)習(xí)和提高準(zhǔn)確性。然而，要想實現(xiàn)這一目標(biāo)，云計算顯然很難滿足這個需求。

邊緣計算技術(shù)有助于將視覺系統(tǒng)的人工智能任務(wù)轉(zhuǎn)移到邊緣。綜合來看，機(jī)器視覺系統(tǒng)中機(jī)器學(xué)習(xí)的大部分動作發(fā)生在邊緣，邊緣計算設(shè)備可提供更快的運行響應(yīng)、更低的延遲以及更高的可靠性、隱私性和安全性。

目前，基于邊緣的機(jī)器學(xué)習(xí)引擎多為功能強(qiáng)大的多核處理器，這些器件具有處理神經(jīng)網(wǎng)絡(luò)、視覺、語音和多媒體的功能，且所有功能均集成在一個片上系統(tǒng)（SoC）中。i.MX 8M Plus是NXP公司EdgeVerse產(chǎn)品組合和i.MX 8系列的核心產(chǎn)品，該器件專注于機(jī)器學(xué)習(xí)和機(jī)器視覺以及具有高可靠性的工業(yè)自動化，常被用作AI視覺系統(tǒng)的核心硬件。

從系統(tǒng)框架看，i.MX 8M Plus集成了雙圖像信號處理器（ISP）、運行頻率高達(dá)1.8GHz的四核或雙核Arm Cortex-A53內(nèi)核、具有800MHz Cortex-M7內(nèi)核的獨立實時子系統(tǒng)、用于語音和自然語言加速的800MHz HiFi4音頻DSP以及高精度圖形處理單元（GPU）。四核或雙核Arm Cortex-A53處理器帶有神經(jīng)處理單元(NPU)，運行速率高達(dá)2.3 TOPS，開發(fā)人員可以將機(jī)器學(xué)習(xí)推理功能卸載到NPU，同時利用Cortex-A和Cortex-M內(nèi)核、DSP和GPU的組合能力來執(zhí)行其他系統(tǒng)級或應(yīng)用程序任務(wù)。

在實際應(yīng)用中，基于邊緣的機(jī)器視覺通常包含由相機(jī)驅(qū)動的圖像數(shù)據(jù)處理需求。如果高分辨率相機(jī)遠(yuǎn)離邊緣設(shè)備怎么辦？為此，i.MX 8M Plus配備了雙攝像頭ISP和八個麥克風(fēng)輸入，專用的ISP可以在芯片上輕松處理圖像加速，兩個攝像頭輸入可模仿人類左/右眼的視覺組合來實現(xiàn)立體視覺，從而打造一個高效的先進(jìn)視覺系統(tǒng)。

綜上所述，i.MX 8M Plus處理器可使開發(fā)人員能夠?qū)⑺麄兊臋C(jī)器學(xué)習(xí)工作負(fù)載直接帶到最接近實際感知的點的邊緣，無論是語音、視覺還是異常檢測均可實時完成。

圖：專注于機(jī)器學(xué)習(xí)和視覺應(yīng)用的i.MX 8M Plus應(yīng)用處理器系統(tǒng)框圖（圖源：NXP）

AI機(jī)器視覺發(fā)展四大趨勢

集成機(jī)器學(xué)習(xí)和人工智能、與機(jī)器人和物聯(lián)網(wǎng)等技術(shù)的集成等是工業(yè)自動化機(jī)器視覺的未來發(fā)展趨勢。具體體現(xiàn)在以下幾個方面：

1、深度綁定人工智能和深度學(xué)習(xí)

機(jī)器視覺最重要的趨勢之一是與人工智能和深度學(xué)習(xí)算法的集成。傳統(tǒng)的機(jī)器視覺系統(tǒng)依賴于預(yù)定義的規(guī)則和算法來處理圖像并識別缺陷或異常。這些系統(tǒng)在處理復(fù)雜的模式或變化時存在局限性。人工智能和深度學(xué)習(xí)徹底改變了這一局面，使機(jī)器視覺系統(tǒng)能夠從數(shù)據(jù)中學(xué)習(xí)，識別復(fù)雜的模式，并更準(zhǔn)確地做出決策。這個變革在產(chǎn)品存在細(xì)微變化或使用傳統(tǒng)方法難以檢測缺陷的行業(yè)中特別有用，可大幅提高產(chǎn)品質(zhì)量，減少人工檢查的需要，從而節(jié)省大量成本。

2、3D成像和傳感技術(shù)將獲大規(guī)模采用

機(jī)器視覺的另一個主要趨勢是采用3D成像和傳感技術(shù)。傳統(tǒng)的機(jī)器視覺系統(tǒng)主要依賴于2D成像，在獲取信息方面具有較大的局限性。3D成像提供了更全面的物體視圖，允許精確測量、形狀識別和空間分析，在汽車制造業(yè)中更是凸顯其價值。由3D視覺相機(jī)和AI算法引導(dǎo)的機(jī)器人技術(shù)是這項技術(shù)的重要應(yīng)用。

3、與邊緣計算和物聯(lián)網(wǎng)的集成

與邊緣計算和工業(yè)物聯(lián)網(wǎng)（IIoT）的集成將改變機(jī)器視覺系統(tǒng)的運作方式。在傳統(tǒng)的機(jī)器視覺系統(tǒng)中，工業(yè)相機(jī)捕獲的數(shù)據(jù)需要發(fā)送到中央服務(wù)器進(jìn)行分析。這種方法的最大挑戰(zhàn)就是延遲問題。邊緣計算通過在網(wǎng)絡(luò)邊緣實現(xiàn)數(shù)據(jù)處理解決了這一挑戰(zhàn)，增強(qiáng)了實時決策能力，提高了整體系統(tǒng)性能。此外，將機(jī)器視覺與IIoT相結(jié)合，可以實現(xiàn)設(shè)備和系統(tǒng)之間的無縫數(shù)據(jù)交換。這種連接使制造商能夠監(jiān)控實時的生產(chǎn)過程，檢測異常，并根據(jù)數(shù)據(jù)驅(qū)動的見解優(yōu)化運營。根據(jù)Allied Market Research的一份報告，到2028年，全球邊緣計算市場預(yù)計將達(dá)到611億美元，2021年至2028年的復(fù)合年增長率為32.1%。這一增長也有邊緣計算在增強(qiáng)機(jī)器視覺系統(tǒng)應(yīng)用中的貢獻(xiàn)。

4、智能視覺系統(tǒng)在機(jī)器人中規(guī)模植入

機(jī)器視覺在開發(fā)先進(jìn)的機(jī)器人、協(xié)作機(jī)器人（Cobots）方面的重要性日益明顯。機(jī)器視覺系統(tǒng)使協(xié)作機(jī)器人能夠感知周圍環(huán)境，識別物體，并執(zhí)行高度精確的任務(wù)，這在裝配等應(yīng)用中更顯其價值。例如，在汽車行業(yè)，配備機(jī)器視覺的協(xié)作機(jī)器人可用來組裝組件、檢查零件并執(zhí)行質(zhì)量控制，加快了生產(chǎn)過程，同時確保產(chǎn)品符合嚴(yán)格的質(zhì)量標(biāo)準(zhǔn)。

本文小結(jié)

機(jī)器視覺使機(jī)器能夠及時解析視覺數(shù)據(jù)，它賦予了機(jī)器看到和理解周圍環(huán)境的能力。工業(yè)機(jī)器視覺系統(tǒng)在確保產(chǎn)品質(zhì)量、優(yōu)化生產(chǎn)流程和提高安全標(biāo)準(zhǔn)方面一直發(fā)揮著至關(guān)重要的作用。受人工智能圖像識別等技術(shù)進(jìn)步和日益增長的自動化需求的影響，全球機(jī)器視覺市場迅速擴(kuò)張。

根據(jù)Fortune Business Insights的預(yù)測，2023年全球機(jī)器視覺市場規(guī)模為107.5億美元，該市場預(yù)計將從2024年的116.1億美元增長到2032年的225.9億美元，在預(yù)測期內(nèi)的復(fù)合年增長率達(dá)到8.7%。

機(jī)器視覺通過提高精度和提高生產(chǎn)率，為實現(xiàn)更智能、更自主的制造過程鋪平了道路。這項技術(shù)使制造商能夠更快地生產(chǎn)出高質(zhì)量的產(chǎn)品，甚至在幾個月內(nèi)即可實現(xiàn)投資回報。隨著邊緣計算和深度學(xué)習(xí)模型的加入，機(jī)器視覺的能力和應(yīng)用迅速擴(kuò)展，它們可能不再局限于制造過程的質(zhì)量監(jiān)控和優(yōu)化，工業(yè)自動化的格局亦將發(fā)生轉(zhuǎn)變。