機(jī)器視覺(jué)系統(tǒng)使用相機(jī)來(lái)檢查物體或其他自動(dòng)化方面的感知任務(wù)。但這并不意味著他們僅使用標(biāo)準(zhǔn)的傳統(tǒng)可見(jiàn)光相機(jī)。

事實(shí)上，現(xiàn)在有許多其他的傳感器技術(shù)，可以完善或增強(qiáng)傳統(tǒng)相機(jī)的功能。

下面，我們只討論其中三個(gè)常見(jiàn)的機(jī)器視覺(jué)技術(shù)。

3D點(diǎn)云-機(jī)器視覺(jué)

雷達(dá)技術(shù)利用無(wú)線(xiàn)電波探測(cè)和識(shí)別遠(yuǎn)距離的物體。你可以在許多工業(yè)應(yīng)用中發(fā)現(xiàn)雷達(dá)，包括空中交通管制和遙感。同樣的工作原理也適用于激光雷達(dá)(光探測(cè)和測(cè)距)，盡管這種技術(shù)使用的是光脈沖而不是無(wú)線(xiàn)電波。

激光雷達(dá)傳感器有一個(gè)發(fā)射器和一個(gè)接收器組成，發(fā)射機(jī)發(fā)出光脈沖，當(dāng)這個(gè)脈沖遇到物體，會(huì)把光反射回接收器。通過(guò)測(cè)量反射光返回接收器所需的時(shí)間，激光雷達(dá)可以確定到物體的距離，以及它的速度等運(yùn)動(dòng)特性。這些信息可以被映射成一個(gè)3D表示，即點(diǎn)云圖像。

激光雷達(dá)的優(yōu)點(diǎn):

●魯棒性:激光雷達(dá)適應(yīng)各種天氣和光照環(huán)境。

●深度:激光雷達(dá)提供關(guān)于物體距離(三維)及其速度的信息。

●計(jì)算能力:與傳統(tǒng)相機(jī)相比，激光雷達(dá)需要更少的處理能力。

激光雷達(dá)的缺點(diǎn):

●無(wú)顏色:激光雷達(dá)提供無(wú)顏色信息的單通道圖像。

●沒(méi)有文本:激光雷達(dá)不支持文本識(shí)別，因?yàn)槲谋拘枰浅８叩狞c(diǎn)云密度。

高光譜成像-機(jī)器視覺(jué)

與其他光譜成像一樣，高光譜成像收集和處理來(lái)自電磁波譜的信息。

人眼只能感知可見(jiàn)光，當(dāng)光線(xiàn)進(jìn)入眼睛時(shí)，它落在視網(wǎng)膜上，視網(wǎng)膜是位于眼睛后部的最內(nèi)層，由三種類(lèi)型的光敏感細(xì)胞組成。

傳統(tǒng)相機(jī)的圖像也是由3個(gè)信號(hào)(紅、綠、藍(lán))產(chǎn)生的，這3個(gè)信號(hào)與視網(wǎng)膜中的圖像非常接近。通過(guò)將紅、綠、藍(lán)三種光組合在一起，相機(jī)可以重現(xiàn)多種顏色。

但是電磁波譜比可見(jiàn)光要廣泛得多。光譜的其他部分可以提供有價(jià)值的信息。

例如，短波長(zhǎng)的x射線(xiàn)能夠穿透物質(zhì)并提供物體內(nèi)部結(jié)構(gòu)的視覺(jué)圖像。另一個(gè)例子是長(zhǎng)波紅外輻射，可用于熱感測(cè)或夜視。

在機(jī)器視覺(jué)中，我們可以將光譜中不同部分的信息結(jié)合起來(lái)，以擴(kuò)展傳統(tǒng)相機(jī)的功能。

為此，我們需要在RGB信號(hào)上增加通道。通道的寬度和數(shù)量可以有很大的變化，從幾個(gè)(多光譜)到數(shù)百個(gè)(高光譜)甚至數(shù)千個(gè)(超光譜)通道，波長(zhǎng)范圍從熱紅外到紫外。

高光譜成像的優(yōu)點(diǎn):

●廣泛的功能:高光譜相機(jī)揭示了在光譜中看不到的細(xì)節(jié)。

●成像光譜學(xué):高光譜相機(jī)將成像和光譜學(xué)結(jié)合起來(lái)，使其能夠?qū)⒉牧峡梢暬⒋_定其特性，即提供空間和光譜信息。

●多功能性:高光譜相機(jī)可以?xún)?yōu)化特定的應(yīng)用。

高光譜成像的缺點(diǎn):

●高成本:高光譜相機(jī)比標(biāo)準(zhǔn)RGB相機(jī)貴幾倍。

●圖像尺寸大:高光譜相機(jī)需要顯著的數(shù)據(jù)存儲(chǔ)和處理能力。

●復(fù)雜性:要將接收到的信息調(diào)整為人類(lèi)可讀的形式，需要額外的處理算法。

高光譜成像有很多應(yīng)用，包括:

●遙感:安裝在衛(wèi)星或無(wú)人機(jī)上的高光譜照相機(jī)從上方收集視覺(jué)信息。這可以用于特定的目的，如陸地石油勘探的地表掃描，以及水和海岸管理(如葉綠素含量)。

●工業(yè)應(yīng)用中的質(zhì)量控制:這包括檢測(cè)材料缺陷、食品藥品和自動(dòng)垃圾分類(lèi)等。

●醫(yī)學(xué)應(yīng)用:在這里，高光譜成像是一種新興的技術(shù)，特別是在疾病診斷和圖像引導(dǎo)的外科手術(shù)。

人工智能-機(jī)器視覺(jué)

從歷史上看，機(jī)器視覺(jué)和人工智能(AI)是密切相關(guān)的。

卷積神經(jīng)網(wǎng)絡(luò)(CNN)是一種現(xiàn)代人工智能工具，其靈感來(lái)自于我們的大腦感知視覺(jué)信息的方式。第一個(gè)卷積網(wǎng)絡(luò)是為了解決手寫(xiě)數(shù)字?jǐn)?shù)據(jù)集的圖像識(shí)別問(wèn)題而開(kāi)發(fā)的。結(jié)果令人驚訝，證明了人工智能機(jī)器視覺(jué)輕松超越了當(dāng)時(shí)存在的所有其他方法。

如今，人工智能已不僅僅局限于圖像識(shí)別，它也被用于更復(fù)雜的任務(wù)，如對(duì)象檢測(cè)和實(shí)例分割。人工智能可以使用任何機(jī)器視覺(jué)系統(tǒng)的輸入，無(wú)論是激光雷達(dá)、傳統(tǒng)相機(jī)還是高光譜相機(jī)。機(jī)器視覺(jué)開(kāi)發(fā)人員的角色是收集和準(zhǔn)備輸入數(shù)據(jù)，選擇適合特定任務(wù)的模型架構(gòu)，并訓(xùn)練模型以?xún)?yōu)化其性能。

AI機(jī)器視覺(jué)的優(yōu)勢(shì):

●很容易發(fā)現(xiàn)人類(lèi)觀察者看不到的趨勢(shì)和模式。

●模型直接從數(shù)據(jù)中學(xué)習(xí)

●應(yīng)用范圍廣

AI機(jī)器視覺(jué)的缺點(diǎn):

●時(shí)間密集:數(shù)據(jù)需要由人來(lái)收集和標(biāo)記，這可能是時(shí)間密集的。

●泛化錯(cuò)誤:在新的、不可見(jiàn)的數(shù)據(jù)樣本上執(zhí)行相同的任務(wù)將需要重新訓(xùn)練模型。

●難以解釋:大多數(shù)人工智能算法不容易被人工操作人員解釋?zhuān)@使得錯(cuò)誤分析更加困難。

●資源密集型:使用先進(jìn)算法的AI機(jī)器視覺(jué)將需要多個(gè)GPU單元。

人工智能機(jī)器視覺(jué)的一個(gè)很好的例子食品分揀機(jī)。利用先進(jìn)的機(jī)器學(xué)習(xí)算法，以幫助優(yōu)化管理食品分類(lèi)過(guò)程中的光學(xué)分類(lèi)能力。相比較傳統(tǒng)檢測(cè)，通過(guò)這些算法，檢測(cè)或識(shí)別新產(chǎn)品效率更高、更直觀，而且很容易在線(xiàn)調(diào)整相關(guān)應(yīng)用。

該算法可以識(shí)別在蔬菜收獲過(guò)程中進(jìn)入機(jī)器的危險(xiǎn)異物，如石頭、金屬或玻璃等。其次，它監(jiān)控產(chǎn)品質(zhì)量，剔除壞的和不好的蔬菜。實(shí)踐證明：這兩項(xiàng)任務(wù)都以生產(chǎn)運(yùn)行的速度實(shí)時(shí)執(zhí)行，并順利地集成到生產(chǎn)流水線(xiàn)中。

總之，機(jī)器視覺(jué)是一項(xiàng)強(qiáng)大的技術(shù)，能夠解決工業(yè)生產(chǎn)中一下棘手的問(wèn)題。在上面我們只列舉了這三種常見(jiàn)的機(jī)器視覺(jué)技術(shù)，其它的機(jī)器視覺(jué)技術(shù)我們將在后續(xù)繼續(xù)為讀者分享。

如果你的工業(yè)生產(chǎn)線(xiàn)中，可能用的到機(jī)器視覺(jué)或AI深度學(xué)習(xí)方面的技術(shù)來(lái)做質(zhì)量管控，那不妨和我們盈泰德科技聊聊，我們會(huì)先根據(jù)你的需求分析，從一個(gè)專(zhuān)業(yè)的角度免費(fèi)來(lái)給你設(shè)計(jì)一個(gè)合適你的方案，然后聽(tīng)取你的意見(jiàn)，再詳細(xì)洽談，最后即使沒(méi)能達(dá)成合作，我們也非常希望能多認(rèn)識(shí)個(gè)朋友。