Erinevate teabe hulgas, mida inimesed loodusest omandavad, on visuaalne omandamine kõrgeim, moodustades umbes 80% kogu teabest. Infotehnoloogia arendamise abil antakse inimese visuaalne funktsioon järk -järgult arvutitel, robotitele või muudele intelligentsetele masinatele. Machine Vision, mis on praegu tööstuse ootamatutes, on üks selline tehnoloogia, mis realiseerib pilditöötluse kaudu automaatsete tuvastamise ja analüüsirakendusi, sealhulgas automaatne tuvastamine, protsesside juhtimine ja robotite navigeerimine. Praegu on Machine Vision (MV) tehnoloogia toodud. Nägemisandurid, läätsed, kiired kaamerad, valgusallikad, nägemistarkvara, pildi omandamiskaardid, nägemisprotsessorid jne on üha keerukamad. Tööstusautomaatikakeskkonnas on masina nägemine tööstusest üha enam tähelepanu pööranud ja seda kasutatakse paljudes rakendustes, näiteks isesõitvates autodes, toidutootmises, pakendis ja logistikast, robootikast ja droonides.
Masina nägemise osas võivad tehnikud palju aru saada, see artikkel püüab selgitada tõde, mida tuleks masina nägemisest teada saada neljast aspektist ükshaaval.
Tõde 1: masina nägemine ≠ arvutinägemine
Masinavisioon on seade, mis võtab automaatselt vastu ja töötleb reaalsete objektide pilte optiliste seadmete ja mittekontaktiliste andurite abil, et saada vajalikku teavet või juhtida roboti liikumist. Alates 1950. aastatest tegutsedes asus tehnoloogia tõesti 1980. - 1990. Aastatel populaarsuseks. Aastakümnete jooksul on masina nägemine kogunud mitmesuguseid määratlusi selle kohta, mis see on ja kuidas see töötab.
Automatiseeritud pildistamise assotsiatsioon (AIA) pakub laiemat määratlust, milleks on see, et masin Vision hõlmab kõiki tööstuslikke ja mittetööstuslikke rakendusi, kus riist- ja tarkvara kombinatsioon pakub seadmele toimivaid juhiseid funktsioonide täitmiseks, mis põhinevad pildi püüdmisel ja töötlemisel. Seevastu SEACETTERPREASEAI pakub masina nägemise kitsamat määratlust, nimetades seda "arvuti nägemisvõimaluseks", mis kasutab ühte või mitut kaamerat, analoog-digitaalmuundurit (ADC) ja digitaalset signaalitöötlust (DSPS) Saadud andmed edastage arvuti- või robotikontrollerile.
Praktikas peab masina nägemine sageli töötama koos teiste arenenud tehnoloogiatega, sealhulgas looduslike keele töötlemise, robotprotsesside automatiseerimise (RPA), tehisintellekti (AI) ja masinõppega (ML), et realiseerida "nägemisvõimalused" vajalikud võimalused Automaatika. Võite mõelda masina nägemisele kui automaatika silmadele, AI ja ML -ile kui ajule ning RPA -le kui pakkuda töö tegemiseks vajalikku "klaviatuurimängijat". Automaatika kasutuselevõtt on viimastel aastatel kiirenenud ja organisatsioonide jaoks on kriitiline püsida oma tööstuses konkurentsivõimeline. Kui arvate automatiseerimist kui "digitaalset tööjõudu" tööl, oleks kõik need "digitaalsed töötajad" pime ilma masina nägemiseta.
Arvuti nägemine on viimastel aastatel olnud ka tööstuses suur löök, kuidas see on seotud masina nägemisega? Makrotasandil on masina nägemine süsteemide inseneridistsipliin, mis integreerib ja rakendab olemasolevaid tehnoloogiaid uutel viisidel reaalse maailma probleemide lahendamiseks. Teisest küljest on arvuti nägemine arvutiteaduse vorm, mida ei realiseerita käegakatsutavate riistvara kaudu, näiteks visiooniseadmeid, näiteks robotitele kinnitatud kaamerad.
Täpsemalt on masina nägemine süsteemi keha, samas kui arvutinägemine on süsteemi intelligentsus, aju töötlev aju. Ilma arvuti nägemiseta ei tööta masina nägemine. Masinaõpe, sügav õppimine ja närvivõrgud on kolm tehnikat, mida kasutatakse esemete töötlemiseks kiiremini masina nägemissüsteemi kaudu. Neid kolme tehnikat saab kasutada masina nägemise mõistmise laiendamiseks sellest, mis tuleb lokaliseerida, muutes selle masina nägemiseks väärtuslikuks varaks. Arvutitehnoloogia arenedes suurenevad võimalused võimalike masina nägemise rakenduste jaoks vastavalt.
Väärib märkimist, et masina nägemine ja pilditöötlus on ka kaks erinevat mõistet; Pilditöötlus on protsess, mis väljastab pilti, samas kui masina nägemissüsteemid suudavad tuvastada ja klassifitseerida mitmesuguseid esemeid ja esemeid paljudes tööstusharudes, sealhulgas autotööstuses, elektroonika ja pooljuhid, toidud ja joogid, maantee- ja sõidukite liiklus või intelligentne transport või intelligentne transport Süsteemid (selle), meditsiiniline pildistamine, pakendamine, märgistamine ja printimine, farmaatsiatooted ja televisiooni ringhääling. Masina nägemispõhised tehnoloogiad on muutumas automatiseerimise loomisel keskseks.
Tõde 2: riist- ja tarkvaraarendused on viinud masina nägemise edusammuni
Masinavisioon on tööstusliku automatiseerimise silm. Selle peamine töövoog on järgmine: süsteem teisendab jäädvustatud sihtmärgid pildisignaalideks masina nägemise toodete abil (nt kaamera, CMOS või CCD) ja edastab seejärel pildisignaalid spetsiaalsele pilditöötlussüsteemile. Selliste teabe põhjal, nagu pikslijaotus, heledus ja värv, teisendatakse pildisignaalid digitaalsignaalideks, mis võimaldavad lõpuks masinatel (robotid või muud tööstusriistad) teostada selliseid tööstuslikke ülesandeid nagu tootmine ja kvaliteedi kontrollimine.
Masinavisioon on tööstuse 4 võtmeelement. 0 ja aitab tööstushautisüsteemidel mitmel viisil, näiteks tõhususe suurendamine, parandades varusid, tuvastades vigaseid tooteid ja parandades tootmiskvaliteeti. Inimese taju täpseks jäljendamiseks nõuab masina nägemine mitmesuguste seadmete ja tarkvara abi. Nende riist- ja tarkvaratehnoloogiate pidev arendamine on masina nägemise tehnoloogia arengu edaspidi.
01 Nutikas kaamera
Kaamera on peamine seade, mida kasutatakse masina nägemissüsteemis objekti või üksuse kontrollimiseks. Mõnikord võib vajada konkreetsesse kontrollipunkti paigaldamiseks mitu kaamerat, et tagada iga detaili õigesti kontrollimine. Kui masina nägemise süsteem peab pildilt rakendusepõhise teabe hõivama ja eraldama, on vaja nutika kaamera tugi. Nutikad kaamerad sisaldavad tavaliselt kõiki vajalikke kommunikatsiooniliideseid ja neid saab ühendada WiFi või serveriga, et edastada jäädvustatud pildiandmeid. Võimsa tööriistana võimaldab Deep Learning süsteemi kujundajatel kiiresti automatiseerida keerulisi ja subjektiivseid otsuseid, parandades samal ajal tõhusalt toote kvaliteeti ja mahtu.

02 3 D kaamera
3D -kaamera saab näidata pildi tuvastatud objekti sügavust, et näidata pildi erinevaid nurki. Kasutades 3D -kaamerat masina nägemissüsteemis, tuleneb erinev vaatenurk ja sügavuse tajumine. Lennuaja (TOF) kaamerad on 3D-kaamerad, mis kasutavad vahemaa mõõtmiseks lennuaja põhimõtet.Tof-i pilditehnoloogia võimaldab tal teha 3D-pildistamist ilma objekti skaneerimata. Tehnoloogia hõlmab tavaliselt vahemaid mõnest meetrist umbes umbes umbes 40 meetrit maksimaalselt 100 pilti sekundis, vahemaa eraldusvõime on umbes 5–10 millimeetrit ja külgmine eraldusvõime umbes 200 x 200.
Ajalooliselt on TOF -i peetud sageli selle täpsuse küsimuste tõttu vähem täpseks 3D -sensatsioonitehnoloogiaks. Muidugi, viimastel aastatel on paljud pealkirjaettevõtted välja töötanud kuni 1,3-megapiksliga kõrgresolutsiooniga tooted ja masina nägemissüsteemide ülitäpsed TOF-kaamerad võivad märkimisväärselt parandada tootmise paindlikkust ja automatiseerimist.

Texas Instruments 'OPT8241 lennuaja (TOF) andur ühendab TOF-sensori analoog-digitaalmuunduri ja programmeeritava ajastusgeneraatoriga (TG), mis pakub 320 x 240 eraldusvõime pilti kaadri kiirusega kuni 150 kaadrit sekundis. Sisseehitatud TG juhtseadised lähtestavad, modulatsioonid ja digiteeritud järjestuse lugemine. Samal ajal on TG programmeeritav, pakkudes paindlikkust erinevate sügavuse tajumise jõudluse mõõdikuid, nagu võimsus, liikumise vastupidavus, signaali-müra suhe ja keskkonna tühistamine.

03 nägemisandurid
Nägemisandurid on masina nägemissüsteemi keskmes ja on keskkonna omaduste maksimeerimise allikas, tuumaseadmeteks on pildiandurid nagu CCD ja CMOS. Need kõrgema eraldusvõimega nägemisandurid on tavaliselt võimelised tootma pilte, mis sisaldavad rohkem piksleid, mis on väga kasulik pildikvaliteedi parandamisel ja visuaalsete detailide äratundmise lihtsamaks muutmisel.
CCD-andurid on pikka aega olnud domineeriv tehnoloogia kvaliteetsete ja madala müraga piltide jäädvustamiseks. Kuid CCD -andurite tootmine on kallid ja seetõttu tarbivad üldiselt kallimad ja tarbivad palju rohkem energiat kui CMOS -andurid. Tänapäeval on CMOS -sensori tehnoloogia arenenud nii kaugele, et see saab kiiresti läheneda CCD -tehnoloogia kvaliteedile ja funktsionaalsusele madalama hinnaga, väiksema suurusega ja väiksema energiatarbimisega. CMOS -kaameratel on tavaliselt kõrgem kaadrisagedus kui CCD kaameratel , Kriitiline funktsioon masina nägemissüsteemide jaoks, mis tuginevad automatiseerimise või pildiandmete analüüsi jaoks reaalajas pilditöötlusele. Lisaks on CMOS -andurid infrapuna lainepikkuste suhtes tundlikumad kui CCD -andurid ning CMOS -i kiib ja kaameratootjad kasutavad seda ära infrapunavalguse jäädvustamiseks, pakkudes pildi tuvastamiseks täiendavat pildistamise võimalust. Kokkuvõttes võivad CMOS -andurid olla masina nägemise rakenduste jaoks sobivamad.
04 Valgusallikas
Abiseadmena mängib valgusallikas pildistamiskvaliteedis sageli üliolulist rolli. Näiteks pakuvad LED -valgustustooted suuremat paindlikkust reguleeritavate nurkade ja täiendavate lainepikkustega, et saada järjepidevam spektraalreaktsioon. Turul saadaval olevate valgusallikate laia valiku ja valgusallikate kujuga pole toodete valik keeruline.
05 PILDIDE JÄTKUURI KAART
Kujutise omandamiskaart tuleb tavaliselt arvuti pistikkaardi kujul, mille peamine ülesanne on pildi väljundi võõrustaja arvutisse ülekandmine. Kaamerast analoog- või digitaalsignaalide teisendamiseks on vaja piltide omandamiskaarte konkreetses vormingus pildiandmete voogu ja saab kontrollida ka mõnda kaamera parameetrit, näiteks päästikusignaalid, kokkupuute/integratsiooniajad, säriajad ja nii edasi. Pildi omandamiskaartidel on tavaliselt erinevat tüüpi kaamerate jaoks erinevad riistvarastruktuurid, samuti erinevad siinivormid, näiteks PCI, PCI64, kompaktne PCI, PC104, ISA jne.
06 Nägemise töötlemistarkvara
Tarkvara masina visiooniga kasutatakse sisendpiltide andmete töötlemiseks ja seejärel saavad teatud arvutuste kaudu vajalikud tulemused. Üldotstarbelised masina visiooni tarkvara on C/C ++ pildiraamatukogude, ActiveX-i juhtelementide ja graafilisel programmeerimiskeskkonna vormis jne. Seda saab spetsialiseeruda, nt ainult LCD-i kontrollimiseks, BGA kontrollimiseks, mall, mall joondamine jne või üldotstarbeline, sealhulgas lokaliseerimine, mõõtmine, vöötkoodi/märgi äratundmine, täppide tuvastamine jne.
Tõde 3: masina nägemise turg kasvab kiiresti, autotööstus võtab selle eest krediiti
Masina nägemise väärtus automatiseerimisel seisneb selle võimes kiiresti ja tõhusalt jäädvustada ja töödelda suurel hulgal dokumente, pilte ja videoid, kogustes ja kiirustes, mis ületavad kaugelt inimese võimeid.
Wide application prospects and huge market potential determines that machine vision is bound to be a growing market, Markets and Markets data show that the market size of machine vision is expected to grow from $10.7 billion in 2020 to $14.7 billion in 2025, at a compound annual kasvutempo 6,5%.
Grand View Researchi kohaselt oli globaalne masina nägemise turu suurus 13,23 miljardit 2 0 21-ga ja eeldatavasti kasvab see ühendiga aastane kasvutempo (CAGR) 7,7% aastatel 2022–2030. Nõudlus nägemise järele- Autotööstuse juhendatud robotisüsteemid, toidu- ja joogi-, farmaatsia- ja keemiatektori ning pakendisektorid on turu kasvu peamine mootor. Nende hulgas on autotööstus kogu maailmas suurim masina nägemissüsteemide kasutuselevõtja, mille tulude osakaal on 2021. aastal autotööstusest üle 15,0% ja eeldatavasti kasvab see lähiaastatel pidevalt.

USA masina nägemise turusuundumused tööstuse kaupa, 2020 - 2030
Tõde 4: masina nägemine muudab robootikarakendustes suurt vahet
Masinavisioonil on palju võimalusi, et laieneda turu ulatuse ja rakenduste osas. Need võimalused nõuavad mõningast kujutlusvõimet, mis tähendab, et masina nägemine ei tähenda ainult tehniku silmade asendamist, vaid robotite võimendamist ülesannete täitmiseks, mida tehnikud ei saa. Masinavisioon annab robotitele võimaluse reaalajas ja detailselt "näha", võimaldades neil teha otsuseid objekti või keskkonna põhjaliku vaade põhjal. Tänapäeval kasutatakse roboteid üha enam maailmas. Kui robotid on varustatud masina nägemisega, annab see neile suurema täpsuse, orientatsiooni ja mõistmise, võime esemeid täpsemalt aru saada, asetada esemeid suurema täpsusega ja keerukamad ülesanded kiiremini.
Masinavisioon on robootikarakendustes üha olulisem ja vastavalt automatiseerimise edendamise assotsiatsiooni (A3) hiljutise raporti kohaselt on robootika ja masina nägemise turg saavutanud olulise kasvu 2021. aasta teises kvartalis, võrreldes 2020. aastaga. Tööstuslik tööstuslik tööstus Roboteid kasutatakse juba laialdaselt ning koos koostöörobotite tulekuga ja 3D -masina nägemise kiire arenguga kasutatakse neid sagedamini koos.
Masinavisioon kehastab tehnoloogilist võimekust, nagu ka muud võimalused, näiteks automatiseerimine, masinõpe, sügavõpe ja närvivõrgud. See on võime, mida saab integreerida muudesse tehnoloogiatesse ja protsesse, et olla kasu tööstusele ja parandada ettevõtluse tõhusust. Robotitel on tänapäeval üha enam sisseehitatud masina nägemine, mis võimaldab neil täita keerukamaid ülesandeid. Need ülesanded poleks võimalikud ilma masina nägemiseta, mis ütleks robotile täpselt, kus üksus asub. Masinavisioon on automatiseerimise täieliku potentsiaali vabastamise võti, lisades nutika automatiseerimisele rohkem intelligentsust.




