機器視覺對于工業自動化至關重要

制造業和工業流程正在發生巨大的變化。工業物聯網 (IIoT) 等舉措有望顯著提高運營效率。因此，使 IIoT 應用程序能夠感知和洞察生產過程、工業自動化和質量控制的現實世界中正在發生的事情的傳感器正在以前所未有的速度部署。雖然環境、流體流量和壓力傳感器可以提供許多指標，但 IIoT 系統需要作為流程進行全面管理的最重要的人類感官之一是視覺。配置計算機視覺，通常稱為計算機或機器視覺，依賴于快速圖像和視頻處理技術以及人工神經網絡平臺。

機器視覺無處不在

通過將視覺能力引入任何工業制造或裝配過程，機器視覺的潛在應用幾乎變得無限。因此，機器視覺系統遍布整個工業領域，可滿足廣泛的需求。例如，機器視覺可以檢測一瓶沐浴露是否沒有裝滿，或者標簽是否沒有貼直或貼在正確的位置。如果頂部沒有正確應用，或者如果瓶子出現破裂、破損或變形，它還可以促使執行器將瓶子推入拒絕箱。另一個例子可能是工業機器人對機械零件進行復雜的自動化組裝。機器視覺任務可能包括確認零件正確對齊以進行組裝，

機器視覺實現設計注意事項

在實施機器視覺應用程序時，需要考慮多個因素。首先，開發團隊必須確定他們的系統需求是否可以使用簡單的圖像處理技術來解決，還是深度學習神經網絡更適合更復雜的任務。

簡單的圖像處理技術可以包括邊緣檢測算法、閾值技術以及對相機捕獲的圖像使用低通、帶通或高通濾波器。這種方法的好處是只需要中低計算資源，這意味著生產吞吐量不會受到影響。列出的技術在許多制造和過程自動化場景中都很有用。例如，考慮檢查工業機器人是否將瓶蓋蓋在瓶子上的任務。機器視覺可以使用帶有高通濾波器的邊緣檢測算法執行此任務，如果瓶蓋丟失，該算法將顯示暗像素。閾值將顏色與背景分開，因此，例如，可以識別和計數泡罩包裝中的藥丸。還，

如果機器視覺任務更復雜，例如讀取產品的部件號，開發人員可以實施人工神經網絡來推斷文本字符和數字。然后設計工作變得更加復雜，需要訓練神經網絡模型以快速、可靠和正確地識別字母和數字。

也許最重要的考慮因素是由生產線處理速度決定的圖像處理速度和計算任務延遲。為確保設計和實施的靈活性，機器視覺平臺還應適應不同的圖像和視頻協議以及幀速率，以使平臺適應性和可擴展性適用于各種應用。

我應該使用哪種計算設備？

如上面的應用示例所示，機器視覺計算工作負載可能會有很大差異。大多數高端微處理器非常適合計算密集型任務；然而，現場可編程門陣列 (FPGA) 特別適用于實現圖像和視頻流的高數據率、確定性并行處理技術。同樣，它們非常適合與卷積神經網絡等神經網絡算法一起使用，這些算法可以模擬人腦以高精度推斷圖像結果。

對于負責為廣泛的工業用例實施機器視覺系統的開發團隊來說——無論是使用圖像處理還是神經網絡技術——靈活的原型制作平臺的可用性是他們設計的基礎是關鍵。

介紹 Microsemi/Microchip PolarFire FPGA 視頻和成像套件

Microsemi/Microchip PolarFire FPGA 視頻和成像套件是一個全面的高性能評估平臺，可在其上對機器視覺應用程序進行原型設計和測試。該套件具有雙攝像頭傳感器、廣泛的顯示接口和外圍 I/O 選項，能夠進行 4k 圖像處理并支持 HDMI 2.0、DSI、MIPI CSI-2 TX、MIPI CSI-2 RX 和 HD/ 3G SDI。PolarFire FPGA 具有 300k 邏輯元件、4GB DDR 內存和用于緩沖的 1GB 閃存（圖 1）。

圖 1：Microsemi/Microchip PolarFire FPGA 視頻和成像套件的圖片顯示了插入式相機板。（來源微芯片）

該套件包括一個參考設計演示應用程序，展示了畫中畫功能、視頻拼接和圖像平移功能的使用。視差圖提供圖像深度估計。該套件的軟件具有邊緣檢測算法 IP。這種邊緣檢測算法 IP 基于 Sobel 濾波器，允許提取對象邊緣以檢測圖像中的特征。

結論

機器視覺是任何工業自動化過程的關鍵組成部分。使用專為機器視覺應用設計的基于 FPGA 的開發平臺，例如 Microsemi/Microchip PolarFire FPGA 視頻和成像套件，有助于加快開發速度并縮短部署時間。

審核編輯：湯梓紅