機(jī)器視覺(jué)的下一個(gè)階段可能就是機(jī)器學(xué)習(xí)

將機(jī)器視覺(jué)系統(tǒng)連接到物聯(lián)網(wǎng)可以創(chuàng)建強(qiáng)大的網(wǎng)絡(luò)功能。能夠從攝像機(jī)中識(shí)別出對(duì)象，可以使本地節(jié)點(diǎn)更加智能并具有更大的自治權(quán)，從而減少了中央服務(wù)器上的處理負(fù)荷，并可以實(shí)現(xiàn)更加分布式的控制體系結(jié)構(gòu)。從而提供了更有效的操作，而所需的外部輸入少得多。

機(jī)器視覺(jué)在過(guò)去十年中取得了長(zhǎng)足的進(jìn)步。能夠檢測(cè)視頻幀內(nèi)邊緣和移動(dòng)的最新算法，以及與圖像傳感器，可編程邏輯，微控制器和圖形處理單元（GPU）相關(guān)的硅技術(shù)的進(jìn)步，已幫助將其帶入了廣泛的嵌入式領(lǐng)域應(yīng)用程序?？梢?a href="http://ttokpm.com/soft/special/" target="_blank">下載到FPGA的更復(fù)雜的設(shè)計(jì)與新的開(kāi)發(fā)環(huán)境（例如OpenCV）一起使用，以使嵌入式系統(tǒng)設(shè)計(jì)人員可以更輕松地訪(fǎng)問(wèn)機(jī)器視覺(jué)。

機(jī)器視覺(jué)的這種不斷增長(zhǎng)的擴(kuò)散正在與將工業(yè)系統(tǒng)連接到物聯(lián)網(wǎng)（IoT）的趨勢(shì)融合。隨著傳感器變得越來(lái)越智能化（部分地由支持的計(jì)算機(jī)視覺(jué)算法驅(qū)動(dòng)），因此生成的數(shù)據(jù)為工業(yè)系統(tǒng)的運(yùn)行提供了寶貴的見(jiàn)解。反過(guò)來(lái)，這又開(kāi)辟了監(jiān)視設(shè)備的新方式，將自主機(jī)器人系統(tǒng)（如無(wú)人機(jī)）連接到物聯(lián)網(wǎng)基礎(chǔ)設(shè)施。

轉(zhuǎn)向機(jī)器視覺(jué)的部分原因是帶寬考慮，而另一個(gè)主要?jiǎng)訖C(jī)是使工業(yè)操作的更多部分自動(dòng)化的前景。機(jī)器視覺(jué)的關(guān)鍵應(yīng)用之一是檢查系統(tǒng)。在過(guò)去的十年中，帶有CMOS圖像傳感器的高性能相機(jī)系統(tǒng)的價(jià)格已大幅下降，從而可以在制造過(guò)程中更高分辨率地檢查電路板和系統(tǒng)。這些相機(jī)模塊與FPGA結(jié)合在一起，可以增加處理和決策的能力。這使攝像機(jī)可以對(duì)接收到的數(shù)據(jù)做出相應(yīng)的響應(yīng)，從而減少了通過(guò)網(wǎng)絡(luò)發(fā)送視頻的需求，并提高了整體操作效率。

將檢查設(shè)備的機(jī)器視覺(jué)元素連接到物聯(lián)網(wǎng)，可為正在對(duì)工廠性能進(jìn)行分析的企業(yè)系統(tǒng)提供更多數(shù)據(jù)。機(jī)器視覺(jué)可以提供適合此類(lèi)企業(yè)系統(tǒng)的抽象級(jí)別的信息，而不是原始數(shù)據(jù)。這顯著降低了服務(wù)器和整個(gè)網(wǎng)絡(luò)的帶寬開(kāi)銷(xiāo)-企業(yè)系統(tǒng)正在處理來(lái)自物聯(lián)網(wǎng)的數(shù)百萬(wàn)個(gè)數(shù)據(jù)點(diǎn)，因此服務(wù)器負(fù)載的任何減少都將有助于做出更及時(shí)的決策。

機(jī)器視覺(jué)攝取量的增加也為自動(dòng)化工廠中的機(jī)器人制導(dǎo)系統(tǒng)打開(kāi)了市場(chǎng)。因此，檢查機(jī)器可以基于從機(jī)器視覺(jué)系統(tǒng)獲得的結(jié)果，繞開(kāi)中央企業(yè)服務(wù)器并直接與工廠中的其他設(shè)備進(jìn)行通信。這樣可以提高效率，并再次減少網(wǎng)絡(luò)和服務(wù)器上的負(fù)載。機(jī)器視覺(jué)還被用于控制自動(dòng)化設(shè)備，特別是在物料搬運(yùn)中。這涵蓋了從自動(dòng)機(jī)器人控制系統(tǒng)到工廠周?chē)锪限D(zhuǎn)移到倉(cāng)庫(kù)中用于識(shí)別產(chǎn)品的自動(dòng)揀選機(jī)的所有內(nèi)容。

對(duì)于自主式物料搬運(yùn)機(jī)器人，機(jī)器視覺(jué)就像在地板上確定一條線(xiàn)從一個(gè)位置到另一個(gè)位置一樣簡(jiǎn)單。但是，它也可用于檢測(cè)途中的人員或障礙物，從而使工廠操作員和機(jī)器人可以安全高效地協(xié)同工作。如前所述，產(chǎn)品揀選現(xiàn)在也采用了機(jī)器視覺(jué)，通過(guò)條形碼識(shí)別物品，然后對(duì)齊機(jī)械手以捕獲特定物品并將其放入籃子。攝像機(jī)和隨之而來(lái)的本地處理都是必不可少的，并且作為廣泛的物聯(lián)網(wǎng)的一部分，拾取器/自主機(jī)器人也受到不斷監(jiān)控。

隨著無(wú)人機(jī)越來(lái)越依賴(lài)于機(jī)器視覺(jué)，這種情況甚至擴(kuò)展到了空中。事實(shí)證明，無(wú)人機(jī)是在難以到達(dá)的區(qū)域（例如，石油管道和天然氣設(shè)施）進(jìn)行檢查的一種高效方法。除了允許無(wú)人機(jī)識(shí)別并接近特定目標(biāo)區(qū)域外，以便可以對(duì)其進(jìn)行更仔細(xì)地檢查之外，機(jī)器視覺(jué)還被用于防撞目的-通過(guò)將攝像頭系統(tǒng)連接至目標(biāo)區(qū)域，避免固定障礙物甚至其他無(wú)人機(jī)。

然后是監(jiān)視市場(chǎng)。越來(lái)越多地使用機(jī)器視覺(jué)在這里具有巨大的意義。無(wú)需每秒反饋百萬(wàn)位的視頻數(shù)據(jù)供操作員查看，而是可以在本地處理視頻并觸發(fā)警報(bào)，而無(wú)需任何人工干預(yù)。在FPGA上運(yùn)行的機(jī)器視覺(jué)算法越來(lái)越精確。結(jié)果，它們更好地區(qū)分了入侵者，動(dòng)物或樹(shù)上的葉子（例如）的移動(dòng)，從而使操作員可以同時(shí)支持更多數(shù)量的監(jiān)視節(jié)點(diǎn)。此外，監(jiān)控?cái)z像機(jī)本身可以指示其他機(jī)器響應(yīng)警報(bào)。自主地面和空中車(chē)輛（如無(wú)人機(jī)）的組合可能會(huì)改變監(jiān)視的整個(gè)方式。成像系統(tǒng)不是安裝在固定的攝像機(jī)上，而是安裝在機(jī)載飛行器上，該機(jī)在飛行過(guò)程中會(huì)不斷監(jiān)視該區(qū)域。這些無(wú)人機(jī)隨后在電池電量耗盡時(shí)返回充電基地，并派出其他無(wú)人機(jī)代替它們。這意味著可以提供恒定的監(jiān)視范圍。更高級(jí)的機(jī)器視覺(jué)算法能夠識(shí)別潛在威脅，然后召集其他空中和地面飛船到該地區(qū)以進(jìn)一步監(jiān)視情況-所有這些都無(wú)需操作員參與。相同類(lèi)型的情況同樣適用于農(nóng)業(yè)應(yīng)用，其中空運(yùn)飛機(jī)上的機(jī)器視覺(jué)算法可以監(jiān)視農(nóng)作物的狀況，并在出現(xiàn)問(wèn)題時(shí)將操作員（或自動(dòng)拖拉機(jī)）引導(dǎo)至目標(biāo)區(qū)域響應(yīng)動(dòng)作的形式。

此處概述的應(yīng)用程序已通過(guò)底層硬件和軟件技術(shù)的進(jìn)步而實(shí)現(xiàn)。機(jī)器視覺(jué)算法的結(jié)構(gòu)越來(lái)越復(fù)雜，可以將它們下載到最新的FPGA和GPU。這些設(shè)備一次可以處理8或16個(gè)通道，支持每秒60幀的速率。它們還可以與OpenCV等高級(jí)軟件結(jié)合使用。

最初，OpenCV最初主要專(zhuān)注于研究和原型制作，近年來(lái)已越來(lái)越多地用于從云到移動(dòng)的各種平臺(tái)上的已部署產(chǎn)品中。最新版本OpenCV 3.1已發(fā)布。以前的版本3.0是一項(xiàng)重大改進(jìn)，將OpenCV提升到現(xiàn)代C ++標(biāo)準(zhǔn)，并合并了對(duì)3D視覺(jué)和增強(qiáng)現(xiàn)實(shí)的擴(kuò)展支持。新的3.1版本引入了針對(duì)重要功能的改進(jìn)算法，例如校準(zhǔn)，光流，圖像濾波，分割和特征檢測(cè)。

未來(lái)的可能性

在機(jī)器視覺(jué)之后，機(jī)器學(xué)習(xí)是顯而易見(jiàn)的下一階段。計(jì)算機(jī)視覺(jué)算法能夠提供對(duì)靜止圖像和視頻內(nèi)容的確定性分析，但是機(jī)器學(xué)習(xí)正在應(yīng)用其他神經(jīng)網(wǎng)絡(luò)方法來(lái)“教”系統(tǒng)尋找什么。例如，最新版本的OpenCV現(xiàn)在支持用于機(jī)器學(xué)習(xí)的深度神經(jīng)網(wǎng)絡(luò)。

FPGA和GPU性能的提高為機(jī)器學(xué)習(xí)開(kāi)辟了新的機(jī)會(huì)。這依賴(lài)于訓(xùn)練階段，在該階段中，神經(jīng)網(wǎng)絡(luò)顯示了許多不同的圖像，這些圖像標(biāo)記有感興趣的對(duì)象，通常由實(shí)驗(yàn)室或云中的大型服務(wù)器系統(tǒng)處理。它產(chǎn)生一系列權(quán)重和偏差數(shù)據(jù)，然后將其應(yīng)用于嵌入式設(shè)計(jì)中實(shí)現(xiàn)的同一網(wǎng)絡(luò)。這個(gè)“推理引擎”使用這些權(quán)重來(lái)評(píng)估它正在查看的新數(shù)據(jù)是否包含那些對(duì)象。例如，最新的監(jiān)控?cái)z像頭正在使用神經(jīng)網(wǎng)絡(luò)機(jī)器學(xué)習(xí)算法來(lái)超越傳統(tǒng)功能（例如監(jiān)視和記錄），并提供其他視頻分析功能（例如人群密度監(jiān)視，立體視覺(jué)，面部識(shí)別，人員計(jì)數(shù)和行為分析）。然后可以將該本地處理交付到物聯(lián)網(wǎng)中，從而集成到云中更廣泛的分析軟件中。

編輯：hfy