當(dāng)前的技術(shù)趨勢(shì)，如工業(yè) 4.0（又稱工業(yè)物聯(lián)網(wǎng)）和智能工廠，正在深刻改變工業(yè)價(jià)值創(chuàng)造過程，其特點(diǎn)是更高程度的數(shù)字化、連接性和自動(dòng)化。所有涉及的組件，包括機(jī)器、機(jī)器人、傳輸和處理系統(tǒng)、傳感器和圖像采集設(shè)備，都始終聯(lián)網(wǎng)并通過各種協(xié)議相互通信。機(jī)器人技術(shù)的創(chuàng)新趨勢(shì)也在改變工業(yè)生產(chǎn)的面貌。新一代更小、更緊湊、移動(dòng)性更強(qiáng)的機(jī)器人正在塑造高度自動(dòng)化裝配車間的形象。協(xié)作機(jī)器人（cobots）與他們的人類同事共享某些任務(wù)，密切合作，甚至經(jīng)常將工件相互交接。

　　機(jī)器視覺已成為這種普遍自動(dòng)化生產(chǎn)場(chǎng)景中不可或缺的一部分。該技術(shù)在這里有效地發(fā)揮了關(guān)鍵作用：安裝在不同位置的許多圖像采集設(shè)備——例如相機(jī)、掃描儀和 3D 傳感器——無縫記錄了生產(chǎn)過程。然后，集成機(jī)器視覺軟件處理生成的數(shù)字圖像數(shù)據(jù)，并使其可用于生產(chǎn)鏈中的眾多應(yīng)用。例如，該軟件可以根據(jù)光學(xué)特征明確識(shí)別許多不同的對(duì)象，并精確定位和對(duì)齊工件。該技術(shù)還支持故障檢測(cè)：可靠地識(shí)別缺陷產(chǎn)品并自動(dòng)剔除。作為“生產(chǎn)之眼”，機(jī)器視覺廣泛監(jiān)控整個(gè)生產(chǎn)情況，從而使流程更安全、更高效。這尤其適用于協(xié)作機(jī)器人之間的相互作用及其與人類的相互作用。

　　緊湊型設(shè)備變得越來越普遍

　　同時(shí)，機(jī)器視覺算法也在嵌入式平臺(tái)上運(yùn)行并針對(duì)嵌入式平臺(tái)進(jìn)行優(yōu)化變得越來越重要。當(dāng)兩個(gè)技術(shù)世界無縫集成時(shí)，這被稱為嵌入式視覺。在工業(yè) 4.0 的背景下，集成嵌入式軟件的緊湊型設(shè)備的使用——特別是智能相機(jī)、移動(dòng)視覺傳感器、智能手機(jī)、平板電腦和手持設(shè)備——正在顯著增加。它們?cè)诠I(yè)環(huán)境中激增的原因是當(dāng)今的設(shè)備配備了具有長(zhǎng)期可用性的高性能工業(yè)級(jí)處理器。此類處理器還使他們能夠執(zhí)行復(fù)雜的機(jī)器視覺任務(wù)——前提是它們擁有強(qiáng)大而強(qiáng)大的機(jī)器視覺軟件。為了使該軟件無錯(cuò)誤運(yùn)行，?處理器架構(gòu)。MVTec 就是一個(gè)很好的例子。其最新版本的 HALCON 標(biāo)準(zhǔn)機(jī)器視覺軟件 HALCON 18.11 可以在這些平臺(tái)上輕松操作，無論是 64 位還是 32 位。對(duì)用戶的好處：通常僅在固定 PC 上運(yùn)行的強(qiáng)大機(jī)器視覺功能也可用于所有緊湊型設(shè)備。

　　現(xiàn)代嵌入式視覺系統(tǒng)能夠滿足數(shù)字化的巨大需求——尤其是當(dāng)它們配備了人工智能 （AI） 時(shí)。這些基于人工智能的技術(shù)包括深度學(xué)習(xí)和卷積神經(jīng)網(wǎng)絡(luò) （CNN）。這些方法的特別之處在于它們能夠?qū)崿F(xiàn)極高且穩(wěn)健的識(shí)別率。

　　在深度學(xué)習(xí)過程中，首先使用大量數(shù)字圖像數(shù)據(jù)（例如圖像采集設(shè)備生成的數(shù)據(jù)）來訓(xùn)練 CNN。在此訓(xùn)練過程中，會(huì)自動(dòng)學(xué)習(xí)特定“類”的典型特征——例如，特定對(duì)象屬性和顯著特征。根據(jù)訓(xùn)練的結(jié)果，可以對(duì)要識(shí)別的對(duì)象進(jìn)行精確的分類和識(shí)別，之后可以直接將它們分配到特定的類中。借助深度學(xué)習(xí)技術(shù)，不僅可以對(duì)對(duì)象進(jìn)行分類，還可以對(duì)對(duì)象和故障進(jìn)行精確定位。

　　在嵌入式視覺應(yīng)用中使用深度學(xué)習(xí)

　　今天，深度學(xué)習(xí)功能已經(jīng)在許多嵌入式視覺應(yīng)用中使用。所有這些應(yīng)用程序的共同點(diǎn)是它們通常會(huì)生成大量數(shù)據(jù)并且經(jīng)常涉及非工業(yè)場(chǎng)景，例如自動(dòng)駕駛。相關(guān)車輛已經(jīng)配備了大量傳感器和攝像頭，可從主要交通狀況中收集數(shù)字?jǐn)?shù)據(jù)。集成視覺軟件借助深度學(xué)習(xí)算法實(shí)時(shí)分析數(shù)據(jù)流。例如，這使得識(shí)別情況、處理信息并使用它來精確控制車輛成為可能——這首先使自動(dòng)駕駛成為可能。基于深度學(xué)習(xí)的嵌入式視覺技術(shù)也經(jīng)常用于智慧城市環(huán)境。在大城市，某些基礎(chǔ)設(shè)施流程，例如街道交通、照明和供電，都實(shí)現(xiàn)了數(shù)字網(wǎng)絡(luò)化，以便為居民提供特殊服務(wù)。最后，這些技術(shù)用于智能家居應(yīng)用——例如，數(shù)字語(yǔ)音助手和機(jī)器人吸塵器。

　　機(jī)器視覺過程的自動(dòng)化

　　那么深度學(xué)習(xí)技術(shù)在嵌入式和機(jī)器視覺環(huán)境中的優(yōu)勢(shì)是什么？

　　不再需要繁瑣的手動(dòng)特征提取。深度學(xué)習(xí)算法能夠從訓(xùn)練數(shù)據(jù)中自動(dòng)學(xué)習(xí)特定的區(qū)別特征，例如紋理、顏色以及灰度等級(jí)，并根據(jù)相關(guān)性對(duì)其進(jìn)行加權(quán)。通常，這項(xiàng)任務(wù)必須由訓(xùn)練有素的機(jī)器視覺專家手動(dòng)執(zhí)行，因此非常耗時(shí)且成本高昂。

　　對(duì)象特征通常非常復(fù)雜，人類幾乎不可能解釋。另一方面，從訓(xùn)練數(shù)據(jù)中自動(dòng)學(xué)習(xí)區(qū)分標(biāo)準(zhǔn)可以節(jié)省大量的精力、時(shí)間和金錢。深度學(xué)習(xí)的另一個(gè)好處是還可以區(qū)分更抽象的對(duì)象，而傳統(tǒng)的手動(dòng)方法只能對(duì)可以清楚描述的對(duì)象進(jìn)行分類。這包括具有更復(fù)雜、更精細(xì)結(jié)構(gòu)或在極其嘈雜的背景下出現(xiàn)的對(duì)象。在大多數(shù)情況下，人類無法辨別這些物體中任何明確的、可區(qū)分的特征。

　　由于訓(xùn)練需要極高的計(jì)算能力，因此復(fù)雜的神經(jīng)網(wǎng)絡(luò)在配備高端圖形處理器的相應(yīng)功能強(qiáng)大的 PC 上進(jìn)行訓(xùn)練。然而，經(jīng)過充分訓(xùn)練的網(wǎng)絡(luò)也可以在大量嵌入式設(shè)備上使用，這意味著緊湊、強(qiáng)大的嵌入式視覺解決方案也可以從盡可能高的識(shí)別率中受益。

　　結(jié)論

　　深度學(xué)習(xí)和 CNN 等基于人工智能的技術(shù)變得越來越重要，尤其是在高度自動(dòng)化的工業(yè) 4.0 環(huán)境中。這就是為什么它們目前是最先進(jìn)的機(jī)器視覺解決方案的重要組成部分。如果算法還可以在 Arm ?工藝架構(gòu)等相關(guān)嵌入式平臺(tái)上運(yùn)行，那么強(qiáng)大的機(jī)器視覺軟件的整個(gè) AI 功能范圍都可以在緊湊型設(shè)備上使用。

　　審核編輯：郭婷