机器视觉创新推动自动化向前发展-G

机器人和机器视觉等先进自动化技术已帮助多个行业的公司提高生产力，提高效率并增加收入，同时还将人类从重复，繁琐的工作中解放出来，以增加工厂车间不同区域的价值。虽然所谓的盲人机器人可以执行某些预先编程的任务，但增加视觉提供了一层全新的灵活性，并为新的和宝贵的自动化任务打开了大门。

Matrox Imaging 的深度学习分类工具可检测金属丝网中的孔洞、凹痕和异物。它将每个过滤器分类为"良好"或"不好"。

视觉增加灵活性，推动新的工业流程

虽然机器视觉绝不是一项新技术，但它在制造环境中变得越来越重要。盲人机器人可以轻松执行重复性任务，其中单元中的所有东西都保持校准和到位，但确定的制造场景需要更多的适应性。

机器视觉使制造商能够为机器人带来视觉，使其能够适应新零件，不同的产品，并创建更具适应性的生产线，增加视觉也简化了机器的机械设计，因为产品不再需要每次都以完全相同的方式呈现，就像盲人机器人一样。

以错误的方式呈现给盲人机器人的产品或零件可能会损坏或破坏产品，但视觉允许机器人处理不同的零件和尺寸。

为自动化生产线，机器人系统或自动驾驶汽车添加视觉不仅可以大大提高该特定系统的功能，还可以改善工厂中这些系统之间或与人机交互的互操作性，"他说。"随着对工业4.0互联工厂的日益关注，视觉提供的功能变得更加重要。

自动驾驶汽车是智能仓储或物流环境的关键，如果没有与激光雷达系统结合使用的视觉，就不可能实现。

机器视觉技术不仅提供机器人引导功能，还提供质量控制功能。这使制造商能够检测产品，保持和提高产品质量，提高效率并改善产量。机器视觉提供了根据图像数据中包含的信息做出决策的能力，这是解决几乎任何应用程序的基本先决条件。

"IIoT（工业物联网）就是一个很好的例子，因为最先进的机器视觉技术使高度自动化和一致的网络化工业流程链成为可能，"他说。"机器视觉为可靠地识别、定位和定位工件提供了复杂的功能，例如，支持可靠识别的光学字符识别（OCR）。他补充说："对自动化生产过程的无缝、基于机器视觉的监控也使协作机器人及其人类同事能够更安全地协同工作。

未来愿景

随着机器视觉技术的不断进步和实现新的应用，自动化环境将带来好处。例如，自20世纪90年代以来，CMOS图像传感器技术通过提高速度和分辨率，同时降低成本，帮助相机和传感器技术的扩散和商品化。根据Kinney的说法，这激发了人们对相关成像技术的兴趣，包括3D飞行时间传感器和不可视图像传感器，例如近红外（NIR）和短波红外（SWIR）波长的传感器。

不要将机器视觉视为人类的替代品，而是一种提供远远超出人类能力的可视化的技术，系统设计人员拥有一系列成像选项，可以对其进行微调，以满足几乎任何需要视觉的应用，例如食品，农业或材料处理领域，在这些领域，高光谱和多光谱成像已经变得司空见惯。先进的成像技术与当前深度学习或人工智能处理的趋势相结合，为未来提供了巨大的希望。

MVTec 软件提供用于可靠光学字符识别（OCR）的深度学习工具。

深度学习已经实现了越来越多的新应用程序，这些应用程序仅靠基于规则的机器视觉是不可能的，同时也有助于通过协同工作来提高现有机器视觉应用程序的性能。我们仍然相信，深度学习现在是，将来也仍然是一个重要的技术组成部分，"他说。然而，从机器视觉的角度来看，我们看到它只能与基于规则的方法相结合，才能充分发挥其潜力。

除了这些技术共同解决新问题外，公司还必须在开发新产品和概念时牢记一些关键思想。开发以直观，用户友好的方式解决现有问题的产品 - 以人们会采用的价格点 - 是真正推动自动化向前发展的原因。

机器视觉领域其他领域的重大进步也推动了流程改进，并为新功能打开了大门。例如，在高速成像中，采用100GigE QSFP28接口的GigE Vision相机能够以许多工业过程所需的速度捕获高分辨率图像。

多个不同行业的成像应用需要高分辨率图像，但如果没有合适的高速接口，帧速率就无法满足要求。自动光学检测、虚拟现实、体积捕获和运动分析就是这样的应用。

借助Emergent的HZ-100-G等100GigE Vision相机，系统集成商和OEM可以在1.03亿像素分辨率下实现24 fps的帧速率，而HZ-21000-G在21 MPixel下达到542 fps和91 Gbps。两台相机都可以在不增加CPU负担的情况下做到这一点，并且需要任何所需的电缆长度。