Négy igazság a gépi látásról

Oct 10, 2024 Hagyjon üzenetet

A különféle információk által megszerzett különféle információk közül a vizuális beszerzés a legmagasabb, amely a teljes információ kb. 80% -át teszi ki. Az információs technológia fejlesztésével az emberi vizuális funkciót fokozatosan adják a számítógépeknek, robotoknak vagy más intelligens gépeknek. A Machine Vision, amely jelenleg az iparág váratlanul, az egyik ilyen technológia, amely a képfeldolgozás révén megvalósítja az automatikus észlelési és elemzési alkalmazásokat, ideértve az automatikus észlelést, a folyamatvezérlést és a robot navigációt. Jelenleg a Machine Vision (MV) technológiát gyártották. Látásérzékelők, lencsék, nagysebességű kamerák, fényforrások, látásszoftverek, képgyűjtő kártyák, látásprocesszorok stb. Egyre kifinomultabbá válnak. Az ipari automatizálási környezetben a gépi látás egyre nagyobb figyelmet szentel az iparnak, és számos alkalmazásban használják, mint például az önjáró autók, az élelmiszer-előállítás, a csomagolás és a logisztika, a robotika és a drónok.


Ami a gépi látást illeti, a technikusok sokat érthetnek, ez a cikk megpróbálja megmagyarázni azt az igazságot, amelyet a gépi látásról négy szempontból egyenként kell tudni.

 

1. igazság: Machine Vision ≠ Computer Vision


A Machine Vision egy olyan eszköz, amely automatikusan fogadja és dolgozza fel a valós objektumok képeit optikai eszközök és nem érintkezési érzékelők segítségével, hogy megszerezzék a szükséges információkat vagy vezéreljék a robot mozgását. Az 1950 -es évek óta működő működés közben a technológia valóban elindult és népszerűséggel növekedett 1980 és 1990 között. Az évtizedek során a Machine Vision különféle meghatározásokat halmozott fel, hogy mi és hogyan működik.


Az Automated Imaging Association (AIA) szélesebb definíciót kínál, azaz hogy a Machine Vision magában foglalja az összes ipari és nem ipari alkalmazást, amelyben a hardver és a szoftver kombinációja operatív útmutatást nyújt egy eszköz számára a képek rögzítése és feldolgozása alapján. A SearchenterPriseai viszont a gépi látás keskenyebb meghatározását kínálja, amely „számítógép látási képességének” nevezi, amely egy vagy több kamerát, analóg-to-digitális konvertert (ADC) és digitális jelfeldolgozást (DSP) használ. Adja át a kapott adatokat egy számítógépre vagy robotvezérlőre.


A gyakorlatban a gépi jövőképnek gyakran más fejlett technológiákkal, ideértve a természetes nyelvfeldolgozást, a robotfolyamat -automatizálás (RPA), a mesterséges intelligencia (AI) és a gépi tanulás (ML) együttmûködését kell működnie, hogy megvalósítsa a szükséges "látás" képességeket. automatizálás. A gépi látásról úgy gondolhat, mint az automatizálás szemét, az AI -t és az ML -t, mint az agyra, és az RPA, amely biztosítja a munka elvégzéséhez szükséges "billentyűzet -lejátszót". Az automatizálás elfogadása az utóbbi években felgyorsult, és kritikus fontosságú, hogy a szervezetek versenyképesek maradjanak iparágakban. Ha az automatizálásra úgy gondolja, mint egy "digitális munkaerő" a munkahelyen, akkor ezek a "digitális alkalmazottak" mindegyike vak lenne a gépi látás hozzáadása nélkül.


A számítógépes látás az iparágban is nagy sláger volt az elmúlt években, tehát hogyan kapcsolódik a gépi látáshoz? Makró szinten a Machine Vision egy rendszermérnöki tudományág, amely a meglévő technológiákat új módon integrálja és alkalmazza a valós problémák megoldására. A Computer Vision viszont a számítástechnika egyik formája, amelyet nem valósít meg kézzelfogható hardver, például látóeszközök, például a robotokhoz rögzített kamerák révén.


Pontosabban: a gépi látás egy rendszer teste, míg a számítógépes látás a rendszer intelligenciája, az agy, amely feldolgozza az információkat. Számítógépes látás nélkül a gépi látás nem fog működni. A gépi tanulás, a mély tanulás és az ideghálózatok három módszer, amelyet az elemek gyorsabban történő feldolgozására használnak egy gépi látási rendszeren keresztül. Ez a három technika felhasználható a gépi látás megértésének kibővítésére, hogy mit kell lokalizálni, és ez értékes eszköz a gépi látáshoz. A számítógépes látás technológiájának fejlődésével a potenciális gépi látás alkalmazások lehetőségei ennek megfelelően növekednek.


Érdemes megjegyezni, hogy a gépi látás és a képfeldolgozás szintén két különböző fogalom; A képfeldolgozás egy olyan folyamat, amely egy képet ad ki, míg a gépi látásrendszerek sokféle objektumot és tárgyat észlelhetnek és osztályozhatnak az iparágak széles skáláján, beleértve az autóipari, elektronikát és félvezetőket, ételeket és italokat, út- és járműforgalom, vagy intelligens szállítás vagy intelligens szállítás Rendszerek (ITS), orvosi képalkotás, csomagolás, címkézés és nyomtatás, gyógyszerek és televíziós műsorszórások. A gépi látás-alapú technológiák központi szerepet játszanak az automatizálás létrehozásában.

 

2. igazság: A hardver és a szoftverfejlesztések a gépi látás fejlődéséhez vezettek


A gépi látás az ipari automatizálás szeme. Fő munkafolyamata: A rendszer a rögzített célokat a Machine Vision Products (pl. Kamera, CMOS vagy CCD) képjelekké alakítja, majd a képjeleket továbbítja egy dedikált képfeldolgozó rendszerre. Az olyan információk alapján, mint például a pixel eloszlás, a fényerő és a szín, a képjeleket ezután digitális jelekké alakítják, amelyek végül lehetővé teszik a gépeket (robotok vagy más ipari eszközök), hogy ipari feladatok elvégzhessenek, mint például a gyártás és a minőségi ellenőrzés.


A Machine Vision az Industry 4. 0 kulcsfontosságú eleme, és számosféle módon segíti az ipari automatizálási rendszereket, például a hatékonyság növelését a készletek javításával, a hibás termékek észlelésével és a gyártás minőségének javításával. Az emberi észlelés pontos utánozása érdekében a gépi látás számos eszköz és szoftver segítségét igényli. Ezen hardver- és szoftver technológiák folyamatos fejlesztése tovább növeli a gépi látás technológiájának fejlődését.

 

01 Okos kamera

A kamera a fő eszköz, amelyet egy objektum vagy elem ellenőrzésére használnak a gépi látásrendszerben. Előfordulhat, hogy több kamerát kell telepíteni egy adott ellenőrzési ponton, hogy minden részlet megfelelően ellenőrizhető legyen. Ha egy gépi látásrendszernek az alkalmazás-specifikus információkat egy képről rögzítenie és kinyernie kell, itt van egy intelligens kamera támogatása. Az intelligens kamerák általában tartalmazzák az összes szükséges kommunikációs interfészet, és csatlakoztathatók a Wi-Fi-hez vagy a szerverhez a rögzített képadatok továbbítása érdekében. Hatalmas eszközként a Deep Learning lehetővé teszi a rendszertervezők számára, hogy gyorsan automatizálják a komplex és szubjektív döntéseket, miközben hatékonyan javítják a termék minőségét és kapacitását.

 

Smart Camera

 

02 3 D Kamera


A 3D -s kamera megmutathatja az észlelt objektum mélységét egy képen, hogy megjelenjen a kép különböző szögei. Ha egy 3D -s fényképezőgépet használ egy gépi látási rendszerben, más perspektíva és mélységérzékelés eredményez. A repülési idő (TOF) kamerák olyan 3D-s kamerák, amelyek a repülési idő elvét használják a távolság mérésére. A képalkotó technológia lehetővé teszi a 3D-s képalkotás elvégzését az objektum beolvasása nélkül. A technológia általában néhány méterről kb. 40 méter, legfeljebb 100 képenként, másodpercenként, körülbelül 5-10 milliméter távolságfelbontással és körülbelül 200 x 200 oldalsó felbontással.


Történelmileg a TOF -ot gyakran kevésbé pontos 3D -s érzékelő technológiának tekintik, néhány kérdése miatt. Természetesen az utóbbi években számos címsorban működő vállalat fejlesztett ki legfeljebb 1,3 megapixeles nagy felbontású termékeket, és a nagy pontosságú TOF-kamerák a gépi látásrendszerekhez jelentősen javíthatják a termelés rugalmasságát és az automatizálását.

 

transducers

 

A Texas Instruments OPT8241 repülési idő (TOF) érzékelő a TOF érzékelést egy analóg-digitális konverterrel és programozható időzítési generátorral (TG) kombinálja, amely 320 x 240 felbontású képeket szállít 150 fps-ig tartó képkocka sebességgel. A beépített TG vezérli a digitalizált szekvencia visszaállítását, modulálását és leolvasását. Ugyanakkor a TG programozható, amely rugalmasságot biztosít a mélységérzékelési teljesítménymutatók, például az energia, a mozgás robusztussága, a jel-zaj arány és a környezeti lemondás optimalizálásához.

 

Sensor System Block Diagram

 

03 Látás érzékelők


A látásérzékelők a gépi látási rendszer középpontjában állnak, és a környezet jellemzőinek maximalizálásának forrása, mivel az alapvető eszközök képérzékelők, például CCD -k és CMO -k. Ezek a magasabb felbontású látásérzékelők általában képesek olyan képeket előállítani, amelyek több pixelt tartalmaznak, nagyon hasznosak a képminőség javításában és a vizuális részletek felismerésében.


A CCD-érzékelők már régóta a domináns technológia a kiváló minőségű, alacsony zajszintű képek rögzítéséhez. A CCD -érzékelők azonban drágák a gyártáshoz, ezért általában drágábbak, és sokkal több energiát fogyasztanak, mint a CMOS -érzékelők. Manapság a CMOS érzékelő technológiája tovább fejlődött, hogy gyorsan megközelítse a CCD technológia minőségét és funkcionalitását, alacsonyabb áron, kisebb méretben és alacsonyabb energiafogyasztással. , kritikus jellemző a gépi látásrendszerek számára, amelyek az automatizálás vagy a képadatok elemzéséhez valós idejű képfeldolgozásra támaszkodnak. Ezenkívül a CMOS -érzékelők érzékenyebbek az infravörös hullámhosszokra, mint a CCD -érzékelők, és a CMOS chip és a kamerakészítők ezt kihasználják az infravörös fény rögzítésére, további képalkotó képességet biztosítva a képfelismeréshez. Összességében a CMOS érzékelők alkalmasabbak lehetnek a gépi látás alkalmazásaihoz.

 

04 Fényforrás


Kiegészítő képalkotó eszközként a fényforrás gyakran döntő szerepet játszik a képalkotás minőségében. A LED -es világítási termékek például nagyobb rugalmasságot kínálnak állítható szögekkel és további hullámhosszokkal a következetesebb spektrális válasz érdekében. A piacon elérhető fényforrások széles skálájának és formájának széles skálájával a termékválasztás nem nehéz.


05 Kép -rögzítési kártya


A képgyűjtő kártya általában számítógépes plug-in kártya formájában érkezik, amelynek fő feladata a kép kimenetének átadása a gazdagéphez. Képszerzési kártyákra van szükség ahhoz, hogy az analóg vagy digitális jeleket konvertálják a kamerából egy adott formátumú képadatok adatfolyamává, és a kamera néhány paraméterét is vezérelhetik, mint például a trigger jelek, az expozíciós/integrációs idő, a zársebesség és így. on. A képgyűjtő kártyák általában különféle hardverszerkezetekkel rendelkeznek különféle kamerákhoz, valamint különböző buszfilmek, például a PCI, a PCI64, a Compact PCI, a PC104, az ISA és így tovább.


06 Vision feldolgozó szoftver


A Machine Vision szoftvert használják a bemeneti képadatok feldolgozásának kitöltésére, majd bizonyos számítások révén megkaphatják a szükséges eredményeket. Az általános célú gépi látás szoftver c/c ++ képkönyvtárak, ActiveX vezérlők és grafikus alapú programozási környezetek, stb. igazítás, stb., Vagy általános cél, beleértve a lokalizációt, a mérést, a vonalkódot/karakterfelismerést, a foltok észlelését stb.

 

3. igazság: A Machine Vision Piac gyorsan növekszik, az autóipar pedig jóváírást vállal érte


A gépi látás értéke az automatizálásban abban rejlik, hogy képes nagyszámú dokumentum, kép és videó gyors és hatékony rögzítésére és feldolgozására, mennyiségekben és sebességgel, amely messze meghaladja az emberi képességeket.


A széles körű alkalmazási kilátások és a hatalmas piaci potenciál megállapítja, hogy a gépi jövőkép növekvő piac, a piacok és a piacok adatai azt mutatják, hogy a gépi látás piaci mérete várhatóan 2020 -ban 2025 -ben 10,7 milliárd dollárról 2025 -ben 14,7 milliárd dollárra nő. A növekedési ütem 6,5%.


A Grand View Research szerint a globális gépi látáspiac mérete 13,23 milliárd volt 2 0 21-ben, és várhatóan 2022 és 2030 közötti összetett éves növekedési ráta (CAGR) növekszik. Az autóiparban, az élelmiszerek és italok, a gyógyszerészeti és vegyi anyagok, valamint a csomagolási ágazatok vezető robotrendszerei a piac növekedésének fő mozgatórugója. Ezek közül az autóipar továbbra is világszerte a Machine Vision Systems legnagyobb alkalmazottja, 2021 -ben az autóiparból származó bevételi részesedés több mint 15,0% -kal, és várhatóan továbbra is folyamatosan növekszik az elkövetkező években.
 

US Machine Vision Market Trends by Industry 2020 - 2030

Az amerikai gépi látás piaci trendei iparágonként, 2020 - 2030

 

4. igazság: A Machine Vision nagy változást hoz a robotika alkalmazásaiban


A gépi látásnak számos lehetősége van kibővíteni a piaci hatókör és az alkalmazások szempontjából. Ezeknek a lehetőségeknek valamilyen képzeletre van szükségük, ami azt jelenti, hogy a gépi jövőkép nemcsak a technikus szemének cseréjéről szól, hanem a robotok kihasználásáról is, amelyek olyan feladatok végrehajtására szolgálnak, amelyeket a technikusok nem tudnak. A Machine Vision lehetővé teszi a robotok számára, hogy valós időben és nagy részletességgel látják ", lehetővé téve számukra a tárgyak vagy a környezet átfogó nézete alapján történő döntés meghozatalát. Manapság a robotokat egyre inkább használják a világon. Amikor a robotok gépi látással vannak felszerelve, akkor nagyobb pontosságot, orientációt és megértést adnak számukra, az objektumok pontosabb megragadásának képessége, nagyobb pontosságú objektumok helyezését és gyorsabb összetettebb feladatokat hajthat végre.


A gépi jövőkép egyre fontosabbá válik a robotika alkalmazásaiban, és az Automatizációs Szövetség (A3) Egyesületének közelmúltbeli jelentése szerint a robotika és a gépi látáspiac 2021 második negyedévében jelentős növekedést ért el a 2020 -hoz képest. Ipari ipar A robotokat már széles körben használják, és az együttműködési robotok megjelenésével és a 3D gépi látás gyors fejlesztésével gyakrabban fogják használni.


A gépi látás a technológiai képességet testesíti meg, akárcsak más képességek, például az automatizálás, a gépi tanulás, a mély tanulás és az idegi hálózatok. Ez egy olyan képesség, amelyet más technológiákba és folyamatokba lehet integrálni az ipar javára és az üzleti hatékonyság javítására. A robotok manapság egyre inkább beépített gépi látással rendelkeznek, ami lehetővé teszi számukra, hogy összetettebb feladatok elvégzhessenek. Ezek a feladatok nem lennének lehetségesek anélkül, hogy a gépi látás megmondja, hogy a robot pontosan hol található. A gépi látás a kulcsa az automatizálás teljes potenciáljának feloldásához, és további intelligenciát ad az intelligens automatizáláshoz.

A szálláslekérdezés elküldése

whatsapp

Telefon

E-mailben

Vizsgálat