機器視覺是一項使機器或工業設備能夠解釋和分析視覺數據的技術，它將計算機科學與圖像處理技術相結合，實現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器看到和理解周圍環境的能力。

作為工業自動化的基礎技術之一，機器視覺使工業設備能夠根據視覺數據“觀察”并做出快速決策。德勤的一項調查顯示，目前已有58%的制造商正在采用這項技術，由此我們也不難看出該項技術顯示出的巨大市場潛力。

在制造業中，常見的機器視覺應用包括缺陷檢測、引導、尺寸測量和識別等，在與人工智能（AI）結合后，系統的功能得到了有效擴展，檢測的準確性顯著提高。

工業自動化中機器視覺技術的演變

在工業自動化的背景下，機器視覺是使用相機等硬件和軟件算法對零件進行自動視覺檢查的過程。起初，它只是為基本的檢測任務而開發的，如今的機器視覺已經發展成為能夠處理各個行業復雜操作的特定工具。

傳統的機器視覺應用相對簡單，不需要人工智能，只要圖像數據清晰且易于區分就能滿足需求。人工智能、深度學習和先進成像技術的融合進一步增強了機器視覺系統的能力，使其在現代制造環境中成為不可或缺的一部分。

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

在工業自動化中，智能相機是精確、高效視覺系統的核心。不同于僅捕獲圖像的傳統相機，智能相機將圖像采集、處理和數據分析整合在一起，在沒有單獨PC的情況下可自行處理和分析圖像，使自動化和質量控制過程更快、更可靠、更高效，占用的空間更小，其應用包括制造過程中的缺陷檢測、讀取條形碼或引導機器人手臂等。新一代的智能相機更是融入了人工智能、深度學習等功能，應用靈活且功能強大，易于安裝，足以處理大量具有挑戰性的工業任務。

STMicroelectronics的B-CAMS-IMX攝像頭模塊提供了一套穩健可靠的智能硬件，可處理多種機器視覺場景和應用。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開發板配合使用，可在STM32微控制器和微處理器上輕松實現全功能機器視覺，并將機器視覺應用于工業自動化、OCR和OCV標簽驗證、機器人、缺陷檢測、安全、智能家電等領域。

其中的IMX335LQN是一款對角線為6.52 mm的CMOS有源像素型固態圖像傳感器，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4.0應用量身定制的高性能3D數字加速度計和3D數字陀螺儀，具有極高的精度和穩定性，超低功耗可實現持久的電池供電應用。

圖：適用于機器視覺應用的B-CAMS-IMX攝像頭模塊（圖源：貿澤電子）

人工智能推理是采用神經網絡模型的過程，通常是通過深度學習來進行，然后將其部署到計算設備上。在數據源附近安裝帶有集成AI推理加速器的低功耗計算機，可以實現更快的響應時間和更高效的計算，同時需要更少的互聯網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果的時間從幾秒鐘縮短到不足一秒鐘。在涉及大型數據集或復雜計算的場景中，特別是對于圖像識別和分析等任務，AI加速器是機器視覺系統的關鍵組件，其主要目的是提高圖像識別和數據分析的效率和準確性。

機器視覺中的人工智能

人工智能將機器學習和深度學習集成到機器視覺技術中，提高了其處理圖像數據和識別模式的能力。智能視覺系統在處理新數據集時會不斷改進，使其在快節奏的行業中更有效。這些由人工智能驅動的機器視覺系統常常被成為AI視覺系統。AI視覺系統具有極強的適應性和智能性，能夠根據收到的視覺數據做出復雜的決策。

AI視覺系統為工業環境帶來了諸多優勢：

提高準確性。人工智能系統通過從大量數據中學習，在執行缺陷檢測、物體識別和視覺檢查時實現了更高的準確性.

提高靈活性。人工智能驅動的視覺系統能夠快速適應環境的變化，如光照、物體形狀或表面紋理的變化，而這一切對傳統視覺系統來說幾乎是不可克服的挑戰。

提高自動化水平。人工智能通過自動化質量控制、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，實現了更大規模的工業自動化。

提高系統的可擴展性。AI視覺系統在所有行業都具有高度的可擴展性和適應性，從小規模運營到大型復雜的生產環境，這些系統使用的核心算法可以輕松適應不同的應用，例如檢查食品包裝或汽車零件。隨著生產需求的增長，人工智能系統會用新數據重新訓練，或者在最短的停機時間內重新編程。

提高實時決策能力。AI機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奏環境。在生產線上，這些系統可以立即檢測到缺陷，拒收有缺陷的物品，并向操作員發出采取糾正措施的信號。

接下來，我們將討論的是滿足AI機器視覺需求的硬件。眾所周知，人工智能支持的機器視覺系統其顯著的優勢是可以快速輕松地實時分析圖像，以識別細微的差別和模式，比較整個圖像數據集的模式，并保留每次分析的信息，以不斷學習和提高準確性。然而，要想實現這一目標，云計算顯然很難滿足這個需求。

邊緣計算技術有助于將視覺系統的人工智能任務轉移到邊緣。綜合來看，機器視覺系統中機器學習的大部分動作發生在邊緣，邊緣計算設備可提供更快的運行響應、更低的延遲以及更高的可靠性、隱私性和安全性。

目前，基于邊緣的機器學習引擎多為功能強大的多核處理器，這些器件具有處理神經網絡、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（SoC）中。i.MX 8M Plus是NXP公司EdgeVerse產品組合和i.MX 8系列的核心產品，該器件專注于機器學習和機器視覺以及具有高可靠性的工業自動化，常被用作AI視覺系統的核心硬件。

從系統框架看，i.MX 8M Plus集成了雙圖像信號處理器（ISP）、運行頻率高達1.8GHz的四核或雙核Arm Cortex-A53內核、具有800MHz Cortex-M7內核的獨立實時子系統、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處理器帶有神經處理單元(NPU)，運行速率高達2.3 TOPS，開發人員可以將機器學習推理功能卸載到NPU，同時利用Cortex-A和Cortex-M內核、DSP和GPU的組合能力來執行其他系統級或應用程序任務。

在實際應用中，基于邊緣的機器視覺通常包含由相機驅動的圖像數據處理需求。如果高分辨率相機遠離邊緣設備怎么辦？為此，i.MX 8M Plus配備了雙攝像頭ISP和八個麥克風輸入，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立體視覺，從而打造一個高效的先進視覺系統。

綜上所述，i.MX 8M Plus處理器可使開發人員能夠將他們的機器學習工作負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：專注于機器學習和視覺應用的i.MX 8M Plus應用處理器系統框圖（圖源：NXP）

AI機器視覺發展四大趨勢

集成機器學習和人工智能、與機器人和物聯網等技術的集成等是工業自動化機器視覺的未來發展趨勢。具體體現在以下幾個方面：

1、深度綁定人工智能和深度學習

機器視覺最重要的趨勢之一是與人工智能和深度學習算法的集成。傳統的機器視覺系統依賴于預定義的規則和算法來處理圖像并識別缺陷或異常。這些系統在處理復雜的模式或變化時存在局限性。人工智能和深度學習徹底改變了這一局面，使機器視覺系統能夠從數據中學習，識別復雜的模式，并更準確地做出決策。這個變革在產品存在細微變化或使用傳統方法難以檢測缺陷的行業中特別有用，可大幅提高產品質量，減少人工檢查的需要，從而節省大量成本。

2、3D成像和傳感技術將獲大規模采用

機器視覺的另一個主要趨勢是采用3D成像和傳感技術。傳統的機器視覺系統主要依賴于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，在汽車制造業中更是凸顯其價值。由3D視覺相機和AI算法引導的機器人技術是這項技術的重要應用。

3、與邊緣計算和物聯網的集成

與邊緣計算和工業物聯網（IIoT）的集成將改變機器視覺系統的運作方式。在傳統的機器視覺系統中，工業相機捕獲的數據需要發送到中央服務器進行分析。這種方法的最大挑戰就是延遲問題。邊緣計算通過在網絡邊緣實現數據處理解決了這一挑戰，增強了實時決策能力，提高了整體系統性能。此外，將機器視覺與IIoT相結合，可以實現設備和系統之間的無縫數據交換。這種連接使制造商能夠監控實時的生產過程，檢測異常，并根據數據驅動的見解優化運營。根據Allied Market Research的一份報告，到2028年，全球邊緣計算市場預計將達到611億美元，2021年至2028年的復合年增長率為32.1%。這一增長也有邊緣計算在增強機器視覺系統應用中的貢獻。

4、智能視覺系統在機器人中規模植入

機器視覺在開發先進的機器人、協作機器人（Cobots）方面的重要性日益明顯。機器視覺系統使協作機器人能夠感知周圍環境，識別物體，并執行高度精確的任務，這在裝配等應用中更顯其價值。例如，在汽車行業，配備機器視覺的協作機器人可用來組裝組件、檢查零件并執行質量控制，加快了生產過程，同時確保產品符合嚴格的質量標準。

本文小結

機器視覺使機器能夠及時解析視覺數據，它賦予了機器看到和理解周圍環境的能力。工業機器視覺系統在確保產品質量、優化生產流程和提高安全標準方面一直發揮著至關重要的作用。受人工智能圖像識別等技術進步和日益增長的自動化需求的影響，全球機器視覺市場迅速擴張。

根據Fortune Business Insights的預測，2023年全球機器視覺市場規模為107.5億美元，該市場預計將從2024年的116.1億美元增長到2032年的225.9億美元，在預測期內的復合年增長率達到8.7%。

機器視覺通過提高精度和提高生產率，為實現更智能、更自主的制造過程鋪平了道路。這項技術使制造商能夠更快地生產出高質量的產品，甚至在幾個月內即可實現投資回報。隨著邊緣計算和深度學習模型的加入，機器視覺的能力和應用迅速擴展，它們可能不再局限于制造過程的質量監控和優化，工業自動化的格局亦將發生轉變。