技術的前沿——機器視覺

機器視覺是一門學科技術，廣泛應用于生產制造檢測等工業領域，用來保證產品質量，控制生產流程，感知環境等。機器視覺系統是將被攝取目標轉換成圖像信號，傳送給專用的圖像處理系統，根據像素分布和亮度、顏色等信息，轉變成數字化信號；圖像系統對這些信號進行各種運算來抽取目標的特征，進而根據判別的結果來控制現場的設備動作

機器視覺系統具有高效率、高度自動化的特點，可以實現很高的分辨率精度與速度。機器視覺系統與被檢測對象無接觸，安全可靠。

嵌入式視覺系統的挑戰

客戶希望系統集成商為其開發整個嵌入式視覺系統。嵌入式視覺將智能相機帶向其初衷，即在一個非常小的外殼內，盡可能靠近圖像傳感器，進行圖像處理視頻分析。為了應對嵌入式視覺市場，開發了從相機設計到FPGA編程的專業知識，以便在低成本、低功耗的平臺中快速提供特定于應用程序的解決方案，該平臺可以集成人工智能和深度學習功能。

在許多使用案例中，傳統機器視覺都無法與嵌入式視覺競爭。機器視覺數據不再局限于自己的孤島中，包括機器視覺的全自動系統有許多傳感器和運動組件，使我們能夠收集數據，以便更好地了解系統內設備的運行效率。

深度學習將對傳統的圖像分析方法產生深遠的影響。它不僅會改變我們生產的產品，還會改變我們與客戶互動的方式。深度學習將在解決傳統機器視覺無法解決的應用方面發揮重要作用。例如，在冷凍干燥的小瓶中檢查疫苗，每次結果都有很大差異，這很大程度上取決于它們的干燥方式。采用傳統檢查過程非常具有挑戰性，因為在一個實例中可能是一個粒子看起來非常類似于裂縫，而深度學習則有助于區分這種細微差異。

雖然深度學習可能是從圖像中收集信息的最新方式，但它并不是唯一的選擇。InGaAs短波紅外（SWIR）相機和照明的進步提高了非可見成像的有效性。在這些更高波長的環境中，你可以實現更多應用，比如透過一塊航空公司機翼的復合材料來查找其內部缺陷。我們現在正在把高功率的SWIRLED引入市場，用于高速機器視覺應用。

機器視覺的挑戰

智能傳感器、智能攝像頭和可配置視覺系統在很大程度上消除了對機器視覺系統開發的需求，目前最常見的應用程序是通過現成的即插即用技術完成的。過去十年來，智能相機的功能越來越強大，照明公司提供的產品范圍也越來越廣。然而，隨著軟件變得越來越強大，價格不斷下降，軟件包的互連和標準化仍存在問題。

今天的視覺產品可以滿足大多數應用程序的需求，隨著技術和客戶需求的發展，系統集成商必須保持清醒。例如，在3D成像市場，硬件創新先于軟件創新。盡管有許多3D傳感器和攝像頭可用，例如激光三角測量、偽隨機圖形發生器的立體傳感器等，但要想實現快速的系統開發，在開發工具鏈中存在很大的空白。”

隨著機器視覺硬件方案的不斷成熟和運算能力的提升，以及軟件在各種應用解決方案、3D算法、深度學習能力的不斷完善，機器視覺在電子產業（如PCB、FPC、面板、半導體等領域）應用的廣度和深度都在提高，并加快向食品飲料、醫藥等其他領域滲透，預計我國機器視覺市場規模將繼續保持較高的增速。