伴隨著工業(yè)發(fā)展進程及工業(yè)4.0時代的到來,機器智能化也逐漸成為現(xiàn)實。特別是近期工業(yè)自動化中機器視覺技術的發(fā)展,視覺技術的不斷更新迭代,使得其在智能制造中的地位也是日漸突顯,也推動了工業(yè)自動化、人工智能、智能制造等行業(yè)的進步,為各個領域都帶來更強勁的發(fā)展動力。
機器視覺發(fā)展到今天已經(jīng)有二十多年的歷史了,它實質(zhì)上是計算機學科中一個重要的分支。在起初的20世紀50年代,研究的是簡單的二維圖像統(tǒng)計模式識別;到了60年代,則開始研究三維機器視覺;70年代中期到80年代初期,機器視覺開始在全球范圍內(nèi)大范圍開啟研究,同時MIT人工智能實驗室開啟“機器視覺”課程,機器視覺在這個時期得到了蓬勃的發(fā)展。
其快速成長的優(yōu)勢條件
1、首先在于其可實現(xiàn)可靠性更高的產(chǎn)品質(zhì)量檢測及實時監(jiān)控,有效的避免了人工檢測過程中的主觀性和個體差異;
2、檢測精度可達到亞微米級別,突破了人眼的物理限制,在全生命產(chǎn)品周期內(nèi)對產(chǎn)品進行外形、標簽、完整度等方面的缺陷檢測;
3、數(shù)字圖像處理和計算機視覺算法不斷優(yōu)化,在軟件系統(tǒng)層面上提供更廣泛及高效的檢測功能,補充機器視覺硬件系統(tǒng)的檢測能力;
4、避免檢測人員與被檢測物件直接接觸,防止物件被人為損壞,避免了檢測系統(tǒng)機械部件的消耗程度以及維護成本;防止物件免受污染;
5、使用機器視覺技術的機器人或者機械臂可以根據(jù)機器視覺系統(tǒng)提供的位置和方向信息,對工件進行智能抓取,廣泛應用于食品,醫(yī)療制藥和包裝等行業(yè),拓展了生產(chǎn)制造的柔性;
6、在安全上減少人在現(xiàn)場操作的時間,有效的避免了操作人員的聽力損害、身體機能下降等情況,保證了操作人員人身。
目前技術所帶來的局限性
但就其目前的整體技術水平,還是存在一些問題,將來有望一一解決。首先其容易受到環(huán)境光源的約束:不同的光源將造成不同的成像質(zhì)量和效果,直接干擾檢測算法的檢測,可能造成產(chǎn)品的誤判;單一的視覺引導技術不能保證路徑中障礙物檢測的精度,決策控制層往往需要融合多種傳感器采集的信息。
受到硬件設備性能的限制:攝像頭的鏡頭畸變矯正、標定差異性、視角范圍有限;安裝條件及場地限制,對傳感器融合方案的要求;每個像素的暗電流不同,對光子響應不一致,會造成攝像機中空間及模式噪聲;CCD線陣相機的參數(shù)設置的局限性。
受到端上計算資源的限制:工業(yè)產(chǎn)品大規(guī)模復雜的模型架構需要依賴強大計算能力,當設備終端上內(nèi)存難以滿足時需要采用模型云端離線訓練再部署到設備終端;圖像數(shù)據(jù)傳輸時仍需要對特定的任務目標進行模型的參數(shù)調(diào)整、優(yōu)化,會產(chǎn)生額外的工程開銷,且實時性較差。
受到檢測對象多樣性的限制:物體表面缺陷種類繁多、缺陷產(chǎn)生機理不明、缺陷描述不充分;機器視覺系統(tǒng)難以從數(shù)據(jù)中提取特征。
受到成本和收益經(jīng)濟性的限制:視覺傳感器等工業(yè)相機核心零部件和底層視覺軟件的開發(fā)需較大投入成本。
機器視覺發(fā)展到今天已經(jīng)有二十多年的歷史了,它實質(zhì)上是計算機學科中一個重要的分支。在起初的20世紀50年代,研究的是簡單的二維圖像統(tǒng)計模式識別;到了60年代,則開始研究三維機器視覺;70年代中期到80年代初期,機器視覺開始在全球范圍內(nèi)大范圍開啟研究,同時MIT人工智能實驗室開啟“機器視覺”課程,機器視覺在這個時期得到了蓬勃的發(fā)展。
其快速成長的優(yōu)勢條件
1、首先在于其可實現(xiàn)可靠性更高的產(chǎn)品質(zhì)量檢測及實時監(jiān)控,有效的避免了人工檢測過程中的主觀性和個體差異;
2、檢測精度可達到亞微米級別,突破了人眼的物理限制,在全生命產(chǎn)品周期內(nèi)對產(chǎn)品進行外形、標簽、完整度等方面的缺陷檢測;
3、數(shù)字圖像處理和計算機視覺算法不斷優(yōu)化,在軟件系統(tǒng)層面上提供更廣泛及高效的檢測功能,補充機器視覺硬件系統(tǒng)的檢測能力;
4、避免檢測人員與被檢測物件直接接觸,防止物件被人為損壞,避免了檢測系統(tǒng)機械部件的消耗程度以及維護成本;防止物件免受污染;
5、使用機器視覺技術的機器人或者機械臂可以根據(jù)機器視覺系統(tǒng)提供的位置和方向信息,對工件進行智能抓取,廣泛應用于食品,醫(yī)療制藥和包裝等行業(yè),拓展了生產(chǎn)制造的柔性;
6、在安全上減少人在現(xiàn)場操作的時間,有效的避免了操作人員的聽力損害、身體機能下降等情況,保證了操作人員人身。
目前技術所帶來的局限性
但就其目前的整體技術水平,還是存在一些問題,將來有望一一解決。首先其容易受到環(huán)境光源的約束:不同的光源將造成不同的成像質(zhì)量和效果,直接干擾檢測算法的檢測,可能造成產(chǎn)品的誤判;單一的視覺引導技術不能保證路徑中障礙物檢測的精度,決策控制層往往需要融合多種傳感器采集的信息。
受到硬件設備性能的限制:攝像頭的鏡頭畸變矯正、標定差異性、視角范圍有限;安裝條件及場地限制,對傳感器融合方案的要求;每個像素的暗電流不同,對光子響應不一致,會造成攝像機中空間及模式噪聲;CCD線陣相機的參數(shù)設置的局限性。
受到端上計算資源的限制:工業(yè)產(chǎn)品大規(guī)模復雜的模型架構需要依賴強大計算能力,當設備終端上內(nèi)存難以滿足時需要采用模型云端離線訓練再部署到設備終端;圖像數(shù)據(jù)傳輸時仍需要對特定的任務目標進行模型的參數(shù)調(diào)整、優(yōu)化,會產(chǎn)生額外的工程開銷,且實時性較差。
受到檢測對象多樣性的限制:物體表面缺陷種類繁多、缺陷產(chǎn)生機理不明、缺陷描述不充分;機器視覺系統(tǒng)難以從數(shù)據(jù)中提取特征。
受到成本和收益經(jīng)濟性的限制:視覺傳感器等工業(yè)相機核心零部件和底層視覺軟件的開發(fā)需較大投入成本。