Bland de olika typerna av information som människor förvärvar från naturen är visuellt förvärv den högsta och står för cirka 80% av den totala informationen. Med utvecklingen av informationsteknologi ges mänsklig visuell funktion gradvis till datorer, robotar eller andra intelligenta maskiner. Maskinvision, som för närvarande finns i branschens vindfall, är en sådan teknik, som inser automatiska detekterings- och analysapplikationer genom bildbehandling, inklusive automatisk upptäckt, processkontroll och robotnavigering. För närvarande har maskinvisionsteknologi (MV) -teknologi produktiserats. Visionssensorer, linser, höghastighetskameror, ljuskällor, synprogramvara, bildförvärvskort, synprocessorer etc. blir mer och mer sofistikerade. I industriella automatiseringsmiljöer får maskinvisionen mer och mer uppmärksamhet från branschen och används i ett stort antal applikationer som självkörande bilar, livsmedelsproduktion, förpackning och logistik, robotik och drönare.
När det gäller maskinvision kan tekniker förstå mycket, den här artikeln försöker förklara sanningen som borde vara känd om maskinvision från fyra aspekter en efter en.
Sanning 1: Maskinvision ≠ datorsyn
Machine Vision är en enhet som automatiskt tar emot och bearbetar bilder av verkliga objekt med hjälp av optiska enheter och icke-kontaktsensorer för att få nödvändig information eller kontrollera rörelsen av en robot. I drift sedan 1950 -talet tog tekniken verkligen fart och växte i popularitet från 1980 till 1990. Under årtionden har maskinvision samlat olika definitioner för vad den är och hur den fungerar.
Automated Imaging Association (AIA) erbjuder en bredare definition, som är att maskinvision omfattar alla industriella och icke-industriella applikationer där en kombination av hårdvara och programvara ger operativ vägledning för en enhet för att utföra funktioner baserade på bildfångst och bearbetning. SearchEnterpriseai erbjuder å andra sidan en smalare definition av maskinvision, kallar den "synförmågan för en dator" som använder en eller flera kameror, analoga till digitala omvandlare (ADC) och digital signalbehandling (DSP) till DSP: er till DSP: er överför de resulterande data till en dator eller robotkontroll.
I praktiken måste maskinvision ofta arbeta i samband med annan avancerad teknik, inklusive naturligt språkbehandling, robotprocessautomation (RPA), artificiell intelligens (AI) och maskininlärning (ML), för att förverkliga "vision" -funktioner som krävs för för automatisering. Du kan tänka på maskinvision som ögonen på automatisering, AI och ML som hjärnan och RPA som att tillhandahålla "tangentbordspelaren" som behövs för att få jobbet gjort. Antagandet av automatisering har påskyndats under de senaste åren, och det är avgörande för organisationer att förbli konkurrenskraftiga i sina branscher. Om du tänker på automatisering som en "digital arbetskraft" på jobbet, skulle alla dessa "digitala anställda" vara blinda utan tillägg av maskinvision.
Computer Vision har också varit en stor hit i branschen de senaste åren, så hur relaterar den till maskinvision? På makronivå är maskinsyn en systemteknisk disciplin som integrerar och tillämpar befintlig teknik på nya sätt för att lösa verkliga problem. Computer Vision är å andra sidan en form av datavetenskap som inte realiseras genom konkret hårdvara som synenheter som kameror fixerade på robotar.
Mer specifikt är maskinsyn kroppen på ett system, medan datorsyn är intelligensen i systemet, hjärnan som bearbetar informationen. Utan datorsyn fungerar inte maskinsyn. Maskininlärning, djup inlärning och neurala nätverk är tre tekniker som används för att bearbeta objekt med en snabbare hastighet genom ett maskinsynssystem. Dessa tre tekniker kan användas för att utöka Machine Vision förståelse för vad som ska lokaliseras, vilket gör det till en värdefull tillgång för maskinvision. När datorvisionstekniken går framåt ökar möjligheterna för potentiella maskinvisionsapplikationer i enlighet därmed.
Det är värt att notera att maskinvision och bildbehandling på samma sätt är två olika koncept; Bildbehandling är en process som matar ut en bild, medan maskinvisionssystem kan upptäcka och klassificera ett brett utbud av föremål och föremål i ett brett spektrum av industrier, inklusive fordon, elektronik och halvledare, mat och drycker, väg- och fordonstrafik eller intelligent transport Systems (ITS), medicinsk avbildning, förpackning, märkning och tryckning, läkemedel och tv -sändning. Maskinvisionbaserad teknik blir central för skapandet av automatisering.
Sanning 2: Hårdvaru- och mjukvaruutvecklingen har lett till framsteg inom maskinvision
Maskinvision är ögat i industriell automatisering. Dess huvudsakliga arbetsflöde är: Systemet konverterar de fångade målen till bildsignaler från Machine Vision Products (t.ex. Camera, CMOS eller CCD) och överför sedan bildsignalerna till ett dedikerat bildbehandlingssystem. Baserat på information som pixelfördelning, ljusstyrka och färg, omvandlas bildsignalerna till digitala signaler som i slutändan gör det möjligt för maskiner (robotar eller andra industriella verktyg) att utföra industriella uppgifter som tillverkning och kvalitetsverifiering.
Maskinvision är ett viktigt element i industrin 4. 0 och hjälper industriella automatiseringssystem på olika sätt, såsom att öka effektiviteten genom att förbättra lager, upptäcka felaktiga produkter och förbättra tillverkningskvaliteten. För att exakt efterlikna mänsklig uppfattning kräver maskinvision hjälp av en rad enheter och programvara. Den kontinuerliga utvecklingen av dessa hårdvaru- och mjukvarutekniker driver ytterligare utvecklingen av maskinvisionsteknologi.
01 Smart kamera
En kamera är den huvudsakliga enheten som används för att inspektera ett objekt eller objekt i ett maskinsynssystem. Ibland kan flera kameror behöva installeras vid en viss inspektionspunkt för att säkerställa att varje detalj kan inspekteras korrekt. När ett maskinsynssystem måste fånga och extrahera applikationsspecifik information från en bild är det här stödet från en smart kamera krävs. Smarta kameror innehåller vanligtvis alla nödvändiga kommunikationsgränssnitt och kan anslutas till Wi-Fi eller en server för att överföra de fångade bilddata. Som ett kraftfullt verktyg gör det möjligt för djupinlärning att systemdesigners snabbt automatisera komplexa och subjektiva beslut samtidigt som de förbättrar produktkvaliteten och kapaciteten effektivt.
02 3 D kamera
En 3D -kamera kan visa djupet på det detekterade objektet i en bild för att visa olika bildvinklar. Genom att använda en 3D -kamera i ett maskinsynssystem kommer ett annat perspektiv och djupuppfattning att resultera. Time-of-Flight (TOF) -kameror är 3D-kameror som använder tid-för-flygningsprincipen för att mäta avstånd. TOF-bildtekniken gör att den kan utföra 3D-avbildning utan att skanna objektet. Tekniken täcker vanligtvis avstånd från några meter till cirka 40 meter med högst 100 bilder per sekund, med en distansupplösning på cirka 5 till 10 millimeter och en lateral upplösning på cirka 200 x 200.
Historiskt sett har TOF ofta betraktats som en mindre exakt 3D -avkänningsteknik på grund av några frågor om dess noggrannhet. Naturligtvis har många rubrikföretag under de senaste åren utvecklat högupplösta produkter på upp till 1,3 megapixlar, och TOF-kameror med hög precision för maskinvisionssystem kan förbättra produktionsflexibilitet och automatisering avsevärt.
Texas Instruments 'OPT8241 Time-of-Flight (TOF) sensor kombinerar TOF-avkänning med en analog-till-digital omvandlare och programmerbar timinggenerator (TG), som levererar 320 x 240 upplösningsbilder till bildhastigheter upp till 150 fps. De inbyggda TG-kontrollerna återställs, modulering och avläsning av den digitaliserade sekvensen. Samtidigt är TG programmerbar, vilket ger flexibilitet för att optimera olika djupuppfattningsprestanda som kraft, rörelse robusthet, signal-till-brusförhållande och miljöavbrott.
03 Visionsensorer
Visionssensorer är kärnan i ett maskinsynssystem och är källan för att maximera miljöns egenskaper, där kärnanordningarna är bildsensorer som CCD: er och CMO: er. Dessa sensorer med högre upplösning kan vanligtvis producera bilder som innehåller fler pixlar, mycket användbara för att förbättra bildkvaliteten och göra det lättare att känna igen visuella detaljer.
CCD-sensorer har länge varit den dominerande tekniken för att fånga bilder av hög kvalitet. CCD -sensorer är emellertid dyra att tillverka och därför i allmänhet dyrare och konsumerar mycket mer kraft än CMOS -sensorer. Idag har CMOS -sensortekniken avancerat till den punkt där den snabbt kan närma sig kvaliteten och funktionaliteten för CCD -teknik, till ett lägre pris, i mindre storlek och med lägre strömförbrukning.CMOS -kameror vanligtvis har en högre bildfrekvens än CCD -kameror , ett kritiskt inslag för maskinsynssystem som förlitar sig på realtidsbildbehandling för automatisering eller bilddataanalys. Dessutom är CMOS -sensorer mer känsliga för infraröda våglängder än CCD -sensorer, och CMOS -chip- och kameraproducenter drar nytta av detta för att fånga infrarött ljus, vilket ger ytterligare avbildningsförmåga för bildigenkänning. I balans kan CMOS -sensorer vara mer lämpliga för maskinvisionsapplikationer.
04 Ljuskälla
Som en hjälpavbildningsanordning spelar ljuskällan ofta en avgörande roll i avbildningskvaliteten. LED -belysningsprodukter erbjuder till exempel större flexibilitet med justerbara vinklar och ytterligare våglängder för ett mer konsekvent spektralt svar. Med ett brett utbud av våglängder och former av ljuskällor som finns tillgängliga på marknaden är produktval inte svårt.
05 Bildfångstkort
Ett bildförvärvskort kommer vanligtvis i form av ett datorplug-in-kort vars huvudsak är att överföra bildutgången till värddatorn. Bildförvärvskort krävs för att konvertera analoga eller digitala signaler från kameran till en ström av bilddata i ett specifikt format, och kan också kontrollera några av kamerans parametrar, såsom triggersignaler, exponering/integrationstider, slutartid och så på. Bildförvärvskort har vanligtvis olika hårdvarustrukturer för olika typer av kameror, såväl som olika busformulär, såsom PCI, PCI64, Compact PCI, PC104, ISA och så vidare.
06 Visionbehandlingsprogramvara
Maskinvisionsprogramvara används för att slutföra behandlingen av inmatningsbildsdata, och sedan kan genom vissa beräkningar få de nödvändiga resultaten. General-Purpose Machine Vision Software kommer i form av c/c ++ Bildbibliotek, ActiveX-kontroller och grafiska baserade programmeringsmiljöer, etc. Det kan vara specialiserat, t.ex. bara för LCD-inspektion, BGA-inspektion, mall Justering, etc., eller allmänt syfte, inklusive lokalisering, mätning, streckkod/karaktärigenkänning, fläckdetektering, etc.
Sanningen 3: Machine Vision Market växer snabbt, med bilindustrin som tar kredit för det
Värdet på maskinsyn i automatisering ligger i dess förmåga att snabbt och effektivt fånga och bearbeta ett stort antal dokument, bilder och videor, i mängder och i hastigheter som långt överskrider mänskliga förmågor.
Bredda tillämpningsutsikter och enorma marknadspotentialer avgör att maskinsyn kommer att vara en växande marknad, marknader och marknadsdata visar att marknadsstorleken för maskinvision förväntas växa från 10,7 miljarder dollar 2020 till 14,7 miljarder dollar 2025, till en sammansatt årlig årlig årlig årlig tillväxttakt på 6,5%.
Enligt Grand View Research var den globala marknadens marknadsstorlek 13,23 miljarder i 2 0 21 och förväntas växa med en sammansatt årlig tillväxttakt (CAGR) på 7,7% från 2022 till 2030. Efterfrågan på vision- Guidade robotsystem inom fordons-, livsmedels- och dryck, läkemedels- och kemikalie och förpackningssektorer är den viktigaste drivkraften för marknadstillväxt. Bland dessa är bilindustrin fortfarande den största antagaren av maskinvisionssystem globalt, med en intäktsandel på över 15,0% från bilindustrin 2021 och förväntas fortsätta växa stadigt under de kommande åren.
US Machine Vision Market Trends by Industry, 2020 - 2030
Sanning 4: Machine Vision kommer att göra en stor skillnad i robotapplikationer
Det finns många möjligheter för maskinvision att expandera när det gäller marknadsomfång och applikationer. Dessa möjligheter kräver viss fantasi, vilket innebär att maskinsyn inte bara handlar om att ersätta teknikerens ögon, utan om att utnyttja robotar för att utföra uppgifter som tekniker inte kan. Maskinvision ger robotar förmågan att "se" i realtid och i detalj, vilket gör att de kan fatta beslut baserat på en omfattande bild av ett objekt eller en miljö. Idag används robotar mer och mer i världen. När robotar är utrustade med maskinsyn ger det dem större noggrannhet, orientering och förståelse, förmågan att förstå objekt mer exakt, placera objekt med större precision och utföra mer komplexa uppgifter snabbare.
Maskinvision blir allt viktigare i robotapplikationer, och enligt en ny rapport från Association for the Advancement of Automation (A3) har robot- och maskinvisionsmarknaden uppnått en betydande tillväxt under andra kvartalet 2021 jämfört med 2020. Industrial. Roboter används redan allmänt, och med tillkomsten av samarbetsrobotar och den snabba utvecklingen av 3D -maskinvision kommer de att användas oftare i kombination.
Maskinvision förkroppsligar en teknisk kapacitet, liksom andra kapaciteter som automatisering, maskininlärning, djup inlärning och neurala nätverk. Det är en kapacitet som kan integreras i andra tekniker och processer för att gynna branschen och förbättra affärseffektiviteten. Roboter har idag alltmer inbyggda maskinsyn, vilket gör att de kan utföra mer komplexa uppgifter. Dessa uppgifter skulle inte vara möjliga utan att maskinvision berättar för roboten exakt var ett objekt ligger. Maskinvision är nyckeln till att låsa upp den fulla potentialen för automatisering och lägga till mer intelligens till smart automatisering.