当前位置:首页 > 机器视觉
  • 工业机器人取代人力,将怎样改变传统工业的生产模式?

    工业机器人取代人力,将怎样改变传统工业的生产模式?

    随着机器人技术的不断发展成熟,制造业发生了巨大的变革,工业机器人逐步代替人力劳动,其应用从汽车工业扩展到电子、食品等其它领域,并彻底改变了传统工业的生产模式。去年,中国工业机器人的安装数量接近50万台,机器换人已经成为当今时代最大的趋势。 汽车工业是目前自动化程度最高的行业,工业机器人在汽车制造业中大量使用,进行冲压、激光焊接、铝点焊、热熔接、涂装等整个生产过程。由于汽车工业的快速发展,给工业机器人带来了巨大的市场空间。此外,电子工业也得到了迅猛的发展,工业机器人开始应用到物流和电子消费领域,并引发了这些行业的巨大变革。 工业机器人的发展趋势表现为从汽车工业延伸到电子工业、金属、化工、塑胶和食品等,逐步向消费领域渗透。上海发那科机器人有限公司总经理钱晖在2018年世界机器人大会上表示,机器人正在变得越来越智能,从最初的视觉机器人,到力觉传感器的引入,目前新一代机器人已经在认知和决策上面取得了极大的进步。 机器人感知能力不断提升 机器视觉在工业机器人的应用已经十分普遍,在钱晖看来,工业机器人视觉有三类:二维视觉、立体3D视觉,以及利用广域传感器技术的3D视觉,这些技术使得工业机器人识别出物体的位置、大小、颜色,包括在空间存放的位置,机器人获得了对周转的环境的感知能力。 有3D视觉,机器人功能得到进一步延伸,可以拾取杂乱堆放的工件,不再需要工人在流水线上整理工件,带有视觉的机器人能够快速地检测到现有的工件,然后识别出它的位置。除了视觉之外,机器人还需要感知周围的力,特别是装配和接触的过程中,要判断对物体施加多少力,这样的传感器是智能机器人的必要条件。 在机器人手腕上装六维力觉传感器,可以感知机器人运动过程的相关力度,机器人可以完成一些更高难度的工作。3D力觉传感器和六维力觉传感器对于机器人来说,是非常重要的传感元器件,目前发那科已经开发了大量不同系列的传感器,可以配置于不同场景的应用。 协作机器人大量走进生产线 协作机器人已经成为工业机器人的一个重要方向,在未来的制造业中,机器人将需要和人一起工作,从而更好的完成一些复杂的工作任务。不过,对协作机器人的要求比传统机器人要高。钱晖介绍,发那科的协作机器人具有三大安全功能:第一是触碰停止功能,机器人接触到人或者其它外界物体的时候感受到触碰力,机器人可以自动停止。第二是退让避让功能,就是把作业空间腾出来给人和其它设备来用。第三是触碰回退功能,机器下压的时候如果触碰到人手可以自动回退,保证手不会被挤伤,或者不会受到伤害。 如今,协作机器人正在大量走进生产线,和工人一起作战,为制造业提供更高的效率。相对于过去需要三个人,或者两个人加一台机器人的工作,现在只需要一个人加一台协作机器人就可以满足需求。协作机器人负责取放较重的工件,而人负责处理复杂或者精密的装配工作,完成工件装配后,协作机器人帮助将工件放回货架上,使得人可以腾出更多时间来做其它工作。 协作机器人弥补了传统工业机器人的不足,并逐步被导入到工厂制造环境中,其更多的应用场景正在探索当中,目前,发那科已经推出了多款协作机器人,和其它协作机器人不同,发那科协作机器人的负载最大可以达到35KG,可以进行较重的零件搬运、零件装配等工作,加上发那科为机器人配置了视觉和力觉传感器,使得机器人与人协作时更加安全。 大型工业机器人与未来的探索 在世界机器人大会上,发那科展示了一台巨型机器人,这台机器人可以举起一台完整装配的汽车,未来可以用于整车装配之后的运输。过去,汽车的搬运可能需要借助其它传动设备或者人为驾驶到展厅,以后机器人可以直接抓起汽车放到销售店的展厅上。 发那科已经将超大型机器人纳入到发展计划当中,此次推出世界上最大的超载机器人负载可达2.3吨,可以在大型空间中搬运大型物体,如整台汽车。这是人力或者是过去其它机器人无法做到的。随着这种大型机器人的出现,其它应用场景也将进一步被探索出来,从而解决当前低负载工业机器人的不足问题。 作为全球工业机器人的领导者,发那科在自己的工厂当中大量使用机器人,进行二十四小时的无人化作业,发那科工厂的绝大部分工作都是由机器来完成,而工人更多是从事调整、维修、维护、保养,包括计划方面的工作。针对最新的工业物联网趋势,发那科提出了零停机时间(ZDT)的概念,即是通过机器和云端的连接,对于分散的机器人设备提供远程服务,包括故障预警、预防维护和远程优化等。同时,发那科正在利用工业互联网为全球用户提供远程智能化服务。 对于未来的机器人发展,发那科也做了大量的探索,例如利用人工智能的深度学习技术,结合3D视觉对工件进行准确的识别,以提高拾取的成功效率。人工智能技术或者机器学习技术赋予机器人全新的能力,随着越来越多先进技术的导入,机器人的能力会大幅提升,并将进一步改变我们的世界、改变我们的制造业。

    时间:2020-07-04 关键词: 机器视觉 工业机器人 协作机器人 发那科

  • 海康机器人的机器视觉工业相机客户端MVS V3.0.0带有多项新增功能

    海康机器人的机器视觉工业相机客户端MVS V3.0.0带有多项新增功能

    海康机器人全新发布的机器视觉工业相机客户端MVS V3.0.0,现已在官方网站开放下载。本次版本启用新版LOGO,全新的界面交互设计令人耳目一新。除外观改动外,新版MVS还带了多项新增功能和性能优化。 MVS V3.0.0的工具栏分类和属性树得以优化,快速属性保存功能,可让您快速地查找相关设定;多相机界面全屏预览功能支持自定义分割窗口,及自定义画面布局;您还可以对多相机进行状态监控和水印信息同时预览,以及轻松查看SDK相应dll产生的日志信息,并以此快速准确地定位问题;新版MVS现已支持Python语言SDK,可完成基于Deep learning算法的开发;同时SDK取流平稳性大幅提升,CPU使用率大幅降低。

    时间:2020-07-04 关键词: 机器人 机器视觉

  • 机器视觉呈蓬勃发展的态势,极大的提升了智能安防行业应用

    机器视觉呈蓬勃发展的态势,极大的提升了智能安防行业应用

    最近几年,机器视觉作为人工智能的一个分支备受业内人士的高度关注,纵观机器视觉在工业自动化市场上的表现,其产品增速持续趋居高位,呈蓬勃发展的态势。国机器视觉联盟主席潘津接受采访时表示:“国内的机器视觉技术开始较晚,但是发展进程很快,国内的视觉产业发展十分迅速,短短十几年时间就追赶上国际水准。”据该联盟的统计数据显示:2015年机器视觉产业创造30多亿的产值,工业智能化的大趋势促使机器视觉产业在2017年创造了60多亿的产值,短短两年,产值翻了一番。 机器视觉在安防领域的应用 智能视觉分析技术是指计算机图像视觉分析技术,计算机图像视觉技术是人工智能(AI,Artificial Intelligent)研究的分支之一,它能够在图像及图像描述之间建立映射关系,从而使计算机能够通过数字图像处理和分析来理解视频画面中的内容。 机器视觉主要是对图像进行识别,因此机器视觉在人脸识别、车牌识别等方面得到大量运用。以智能交通行业为例,机器视觉具有成本低、稳定性强、准确性高、应用范围广等优点,目前已经在国内外高速公路和公路的交通监控系统中得到了广泛的应用,具体体现在车牌识别、车身颜色识别、车型识别、违章识别、车流量统计、流量控制等。 在智能视频分析的应用领域中,最为重要的是智能视频监控和智能视频检索技术。两者的应用技术相近,主要区别在于:智能视频监控是对当时采集的视频进行实时处理,当发现危险事件或者可疑分子时进行实时报警;而智能视频检索技术,处理的是已经发生过的存储视频,其通过对视频进行快速分析,找到其中存在的危险事件、可疑分子以及每个感兴趣目标的信息,然后使用者可以对关心的事件进行选择或者对关心的目标属性进行定义,系统能够快速查找到用户关心的事件或目标。 安防企业的机器视觉应用 2017年3月14日至16日,2017上海国际机器视觉展VisionChina在上海举行,海康机器人以“智无止境、视取未来”为主题,展示多款自主研发,技术与设计在全球均具有创新意义的机器视觉产品,万兆网接口相机、VPU平台智能相机等,在海康机器人身上有很好的体现。作为全球卓越的机器视觉产品及解决方案供应商,海康威视将持续推出新产品新技术。 大华股份浙江华睿科技与英特尔(Intel)联合共推机器视觉业务。华睿科技依托大华股份研发中心、先进技术研究院及大数据研究院强大背景下,在ISP、软件、算法、硬件、结构、ALT测试等方面的核心竞争优势,立志要成为优秀的机器视觉核心部件供应商。6月29日,华睿科技与英特尔(Intel)重磅发布了9MP/12MP高性能小面阵相机、50MPCoaXPress大面阵相机等系列新品。 此外,2017年,宇视科技在全国70余城市召开产品技术交流会,展示“可视智慧物联”战略第一阶段“安防机器视觉”的解决方案、全系列产品、实战案例,以可视化业务呈现、智慧化平台服务、物联化基础设施等三个维度推动安防业务和机器视觉的融合与发展。 结语 安防技术从基础的联网到追求极致的高清体验,最终实现人工智能对人“眼”的逐步替代。基于用户使用条件限制,当前安防发展的技术拐点在基于深度学习的机器视觉技术,带动视频结构化、大数据、云存储的融合,构建以“视图库”为代表的安防新智慧服务。机器视觉形成了智能视频分析的闭环,从特征提取到应用都极大提升了智能安防行业应用,是智慧安防2.0。一场由机器视觉引发的智慧安防风暴已经吹响全球,并在迅速蔓延中,将改变智慧安防格局。

    时间:2020-07-03 关键词: 智能安防 机器视觉

  • 大华推出“慧”系列AI出入口抓拍摄像机,让停车不再堵

    大华推出“慧”系列AI出入口抓拍摄像机,让停车不再堵

      随着人工智能技术的飞速发展,“AI”已不再遥不可及,“视频+AI”的技术,已让生活的方方面面,充满可能性。这一次,“AI”来到了停车场出入口。大华股份最新推出 “慧”系列AI出入口抓拍相机,视频与AI结合,速度与准度并存,让停车,不再堵!   大华“慧”系列AI出入口抓拍相机基于大华自研AI芯片,利用机器视觉,图像处理以及深度学习技术,结合停车场出入口的场景应用,内嵌千万级车辆数据训练的深度学习检测算法,能够在各种复杂的出入口场景,准确定位车辆,精准抓拍车牌,同时输出车牌颜色,车身颜色,车型,车标,车系等车辆结构化数据。   打破传统法则,无牌车轻松检测   传统相机纯视频基于车牌触发抓拍,易出现多抓,漏抓的情况。遇到无牌车时成了“睁眼瞎”,根本无法识别,也为停车安全埋下了隐患;但如果采用线圈触发识别又需开土破路施工,耗时耗力且不美观。   大华“慧”系列AI出入口抓拍相机,就能轻松解决这一难题!   它基于车辆模型检测,无牌车纯视频抓拍,分分钟获取车辆信息,安装简便,抓拍率≥99%。   慧眼如炬,见多识广   1、慧眼如炬—车辆结构化数据精准输出   基于大华自研AI芯片,加载深度学习算法,除了识别车牌之外,还可对车辆的车牌颜色、车身颜色、车辆类型、车标类型、车系车款等特征值进行识别,全天候综合准确率高达97%!   2、见多识广—支持多种类别车牌的识别   支持蓝牌、单层黄牌、新能源车牌、黑牌(领馆牌、使馆牌、港澳牌)、白牌和双层白牌(警牌、武警牌、军牌)车牌检测,满足各类车牌种类识别需求。   一眼便知真假,杜绝指鹿为马   车辆模型与高精度车牌识别算法的结合,在车辆模型检测基础上定位车牌,有效杜绝将纸质车牌、手机照片车牌等虚假车牌识别成真实车牌情况。   安装简便,调试省心   纯视频抓拍,无需切割线圈,安装更方便;4mm定焦镜头,覆盖3-6米抓拍距离;向导调试,只需三步,更清晰,更便捷;一体化设计,IP67防护等级,环境适应性更强,安装更省心。   配套产品 组合应用   大华“慧”系列出入口杆式一体机   大华“慧”系列出入口杆式一体机集成相机、LED显示屏、立杆支架、补光灯、喇叭、语音对讲于一体的集成化产品。   全新结构设计,一体成型,AI相机,支持车辆结构化数据输出,支持纯视频无牌车抓拍、支持车牌防伪、支持双向语音对讲、支持单IP调试,支持补光灯调试等。   用武之地,遍布多个领域   产品可广泛适用于酒店、政府、超市、学校、机场、工厂、公安、司法等场所的出入口控制系统。   慧眼如炬,无感出行。大华慧系列AI出入口抓拍相机的出现,不仅解决了传统出入口相机“呆板识别”的弊端,也为停车场出入口抓拍识别按下了快进键。

    时间:2020-07-03 关键词: 摄像机 机器视觉 人工智能 深度学习

  • 机器视觉与视频监控的结合,让安防行业开启一个全新的智慧时代!

    机器视觉与视频监控的结合,让安防行业开启一个全新的智慧时代!

    计算机视觉是人工智能的重要分支,随着深度学习与人工智能的快速迭代和进化,计算机视觉也创造了更多应用场景。与视频监控的结合,让安防行业开启一个全新的智慧时代! 国内机器视觉产业崛起 机器视觉概念被正式提出是在20世纪60年代,20世纪80-90年代,机器视觉经过二十多年技术迭代与优化,进入蓬勃发展时期,同时,中国机器视觉行业开始真正起步。21世纪后,机器视觉技术逐步走向成熟,机器视觉产品在下游行业得到了广泛应用,中国机器视觉产业得益于此,目前已成为继美国和日本之后的第三大应用市场,企业数量增速不断加快,相关产业链也越来越完善。未来,随着我国行业战略的发展,机器视觉产业市场占有率将逐渐上升,市场竞争力也会逐渐增强。据前瞻产业研究院《中国机器视觉产业发展前景与投资分析报告》数据,2015年,全球机器视觉系统及部件市场规模已达42亿美元,预计2018年市场规模将超过50亿美元,全球机器视觉行业发展迅猛。 伴随着机器视觉技术的发展,安防行业也迎来了智能化、信息化的新时代,安防作为机器视觉应用的主战场之一,目标识别、目标追踪、面向事后应用的视频摘要、视频检索等机器视觉核心技术应用为安防行业带来了巨大改变:生物识别、车辆识别等技术落地速度不断加快,市场机制愈发成熟。 机器视觉 广泛应用 由于机器视觉主要是对图像进行识别,因此在监控与识别领域得到大量运用。以公共场所视频监控为例,机器视觉的应用打破了传统视频监控系统限制,使得智能视频分析得以逐步实现。视频监控系统通过运用机器视觉,能够自动检测、实时跟踪可疑人物,必要时还可以实现多摄像机接连跟踪,同时发出告警,使得智能视频分析得以逐步实现。 作为“智慧城市”概念的一部分,机器视觉也被广泛用于交通领域,例如,在高速公路上及卡口处,对来往车辆进行车型、牌照以及违规行为的识别,甚至可以对驾驶员面部进行分析,以判断是否处于疲劳驾驶状态。另外,无人驾驶汽车也借助机器视觉技术感知道路环境信息,实现自动规划和控制车辆行驶。 企业发力机器视觉 与此同时,以海康威视、大华股份为代表的安防企业也纷纷发力机器视觉: 海康威视凭借多年在成像采集、图像处理和模式识别领域积累的技术和创新能力,成为了行业领先的机器视觉硬件产品和算法软件平台提供商。旗下的VisionMaster算法平台通过简单灵活的图形化配置,无需编程便可快速构建机器视觉应用系统,满足视觉定位、测量、检测和识别等需求。 与海康威视同为安防龙头的大华股份也推出了基于机器视觉的产品:43MP CCD大面阵工业相机。该款相机保持了29MP大面阵的sensor尺寸,还配备多种新图像处理算法,在不改变光学方案的情况下即可完成相机替换,保证优异的图像质量。大华表示,未来将全面提升机器视觉技术在各行各业的应用,推动中国制造的智能化进一步发展。 除了海康和大华,其他安防企业的表现也十分引人注目。例如,宇视提出四位一体的“SMV安防机器视觉”战略,围绕安防机器视觉四个维度,以架构为核心,以算法与芯片为基础,从而实现产品快速应用;华瑞于2017年6月29日发布9MP/12MP高性能小面阵相机、50MP CoaXPress大面阵相机等系列新品;AOPEN运用DE7200,能够使机器人在未事先植入运动轨迹命令的情况下,根据其自带摄像头实时地吸取环境信息,从而做出相对应的动作指令判断。 结语:安全一直是全球性话题,引入机器视觉技术有助于即时发现和预防意外事件的发生。毫无疑问,安防在机器视觉技术方面的独特优势,也将对推进机器视觉技术发展起到重要作用。 机器视觉技术延伸到安防的很多领域,且发挥重要的作用,不管是对问题的发现或者问题的预警,人工智能加上机器视觉技术或是一对完美的搭档。

    时间:2020-07-03 关键词: 视频监控 机器视觉 安防

  • 我国机器视觉发展现状及趋势是怎样的?

    我国机器视觉发展现状及趋势是怎样的?

    眼下,兼具精准高效特点的机器视觉正受到各国的一致关注与追捧,未来发展正展现出强大潜力,我国机器视觉发展现状、驱动因素和发展趋势究竟是怎样的呢?就和笔者一起来看看吧!   国内机器视觉发展究竟如何?三大问题让你秒懂! 如今,随着图像处理、光学成像、传感器、处理器等技术的快速崛起与发展,机器视觉在人们生产和生活中的应用越来越广泛,从工业生产到金融、安防以及交通领域,其正在推动包括制造业在内的众多行业快速转型。 国内外发展现状怎样? 在全球“工业4.0”和自动化需求之下,兼具精准高效特点的机器视觉目前正受到各国的一致关注与追捧。自上世纪60年代概念提出以来,以美、日、欧为代表的先进国家就率先开始了相关的研发工作,近年来,伴随着在半导体和电子电器领域的突出表现,其在国际市场的发展逐渐步入到成熟阶段。 而在我国,机器视觉研发和应用都相对较晚,起步于80年代的技术引进,平稳发展之下直到2010年才迎来成长期。期间,随着“工业4.0”、“中国制造2025”等概念的持续深化,以及研发技术的不断突破,我国机器视觉已经不再是一种单一的应用产品,而逐渐向多领域、多行业、多层次进行延伸。 由于国际市场已经步入成熟,而我国市场正走向成长,两者之间的发展差距和进程快慢有了明显的变化。在市场方面依然是日美等企业居于主导地位,拥有技术、人才和产品上的绝对优势,占据全球市场的大头份额,但在增长速度和市场规模等数据上,我国正在奋起直追且效果显著,眼下已成为全球第三大机器视觉市场。 在技术研发方面,国外专利申请数量已经开始赶不上我国,从2016年开始我国年均专利申请量已经超过1000项,但在专利应用上还远远不及国外。同时技术人才也广泛集中于研发领域,在操作和应用领域的人才供应还不足。在品牌建设方面,国产品牌企业数量正在向百家进发,不断逼近外资品牌数量,但在品牌质量和影响力上仍存在差距,民族品牌的崛起之路还有待加速。 产业驱动因素有哪些? 虽然差距犹存,劣势未改,但不可否认近年来我国机器视觉产业发展的确有了显著的进步。从2011年至2017年,国内机器视觉行业市场从10亿元迅速扩大至70亿元规模,市场增速长期维持在两位数左右,发展潜力令人欣慰。 而之所以国内机器视觉能够取得如此快速的发展,除了自身的先天应用优势之外,还与强大的市场需求,以及技术、资本、政策等因素驱动分不开。 从先天应用优势来看,机器视觉作为一种综合性技术,一方面能够替代人工视觉在特殊环境中的应用,在提效增速的同时保障人工安全,另一方面机器视觉在不同场景中的应用往往只是软件的更换,在降低人工成本和硬件更换成本方面具有较大优势。 从市场需求来看,这些年以半导体和电子电器发展为主导,带动了机器视觉需求的迅猛上涨,随着全球半导体市场突破4000亿美元大关,机器视觉市场也在不断增长。同时,从“中国制造2025”战略提出至今,机器人产业也突飞猛进,这也让作为机器人“眼睛”的机器视觉一路水涨船高。 从后天利好因素来看,不管是我国专利申请带来的技术突破,民族品牌建立带来的资本涌入,还是半导体、机器人、机器视觉等产业政策的相继推出,都为国内机器视觉的快速发展提供了重要基础和保障。 行业发展趋势将如何? 在国际良好发展大环境和国内各种产业驱动因素助力下,未来还将有越来越多企业发展和应用机器视觉,我国机器视觉产业发展还将不断提速。那么,行业发展的趋势又将会呈现那些特点呢? 首先是普及度会不断提升。其实,机器视觉由于专业度和应用领域方面的局限性,在大众认知上还存在一定陌生感,不过随着市场的逐渐扩大,应用逐渐从工业领域向人们日常生活深入,未来机器视觉越来越“亲民”,会有更多消费者了解和接受到相关产品。 其次是应用度会加速深化。当前,随着智能化趋势的不断凸显,机器视觉的应用领域将会进一步拓展和深化,从工业、制药、印刷、检测等逐渐向更多新兴领域迈进。未来在智能机器人、自动驾驶、人脸识别、安防、医疗等领域的应用将会越来越多。 最后是竞争度会日臻激烈。随着普及度和应用度的不断变化,未来进军机器视觉的企业将会越来越多,届时不管是国内外企业竞争还是国内企业竞争都会加速白热化,群雄逐鹿之际,有可能强强联合、强弱兼并、后来居上等戏码都将上演,直到新的平衡到来之前,全球机器视觉市场都将是一派火热景象。

    时间:2020-06-30 关键词: 机器人 机器视觉 工业4.0

  • 解答什么是机器视觉技术?什么是机器视觉系统?

    解答什么是机器视觉技术?什么是机器视觉系统?

    什么是机器视觉技术? 机器视觉技术是基于计算机科学上一个重要的分之,它设计分领域之广,包括了计算机、图像处理、人工智能、信号处理、模式识别等等技术内容。从诞生发展,时至今日已经有了三十多年的发展历史了,随着工业自动化的进程,机器识别技术从功能上逐渐完善,也成功应用到工业当中。其中有CCD工业摄像机、智能相机、ARMFPGA、图像处理等技术发展之迅速,很大的推动了机器视觉系统的发展。 简单的说,机器视觉技术的本质,就是利用机器代替人眼来进行各种操作与判断。极大地节省了劳动力,提高了工作效率,工作相对规范化,错误率明显降低。 什么是机器视觉系统? 就是利用机器视觉技术,从而设计的操作系统。该系统当中一般包括光源、镜头、CCD照相机、图像采集卡、图像处理软件等内容。 光源:基本与视觉传感器的照明因素一样,它是影响机器视觉系统输入的重要因素,它直接影响输入数据的质量和应用效果。针对每个特定的应用实例,要选择相应的照明装置,以达到最佳效果。其光源可分为可见光和不可见光。常用的几种可见光源是白帜灯、日光灯、水银灯和钠光灯。另一方面,环境光有可能影响图像的质量,所以可采用基于PC的方案主要针对电子生产测试设备,其优点是高性能、高灵活度和高性价比,十分适合于高难度、高分辨率和高速的机器视觉应用。 所以可采用加防护屏的方法来减少环境光的影响。照明系统按其照射方法可分为:背向照明、前向照明、结构光和频闪光照明等。其中,背向照明是被测物放在光源和摄像机之间,它的优点是能获得高对比度的图像。前向照明是光源和摄像机位于被测物的同侧,这种方式便于安装。结构光照明是将光栅或线光源等投射到被测物上,根据它们产生的畸变,解调出被测物的三维信息。频闪光照明是将高频率的光脉冲照射到物体上,摄像机拍摄要求与光源同步。 镜头:镜头选择应注意焦距,目标高度,影像高度,放大倍数,影像至目标的距离,中心点 / 节点与畸变。常见的分类:按成像色彩划分,可分为彩色相机和黑白相机;按分辨率划分,像素数在38万以下的为普通型,像素数在38万以上的高分辨率型;按光敏面尺寸大小划分,可分为1/4、1/3、1/2、1英寸相机;按扫描方式划分,可分为行扫描相机(线阵相机)和面扫描相机(面阵相机)两种方式;(面扫描相机又可分为隔行扫描相机和逐行扫描相机);按同步方式划分,可分为普通相机(内同步)和具有外同步功能的相机等。 相机:按照不同标准可分为标准分辨率数字相机和模拟相机等。要根据不同的实际应用场合选不同的相机和高分辨率相机:线扫描CCD和面阵CCD;单色相机和彩色相机。 图象采集卡:图像采集卡只是完整的机器视觉系统的一个部件,但是它扮演一个非常重要的角色。图像采集卡直接决定了摄像头的接口:黑白、彩色、模拟、数字等。比较典型的是PCI或AGP兼容的捕获卡,可以将图像迅速地传送到计算机存储器进行处理。有些采集卡有内置的多路开关。例如,可以连接8个不同的摄像机,然后告诉采集卡采用那一个相机抓拍到的信息。有些采集卡有内置的数字输入以触发采集卡进行捕捉,当采集卡抓拍图像时数字输出口就触发闸门。 工作过程 视觉系统的输出的内容并不是图像视频信号,而是经过运算处理之后的直接得到的检测结果(如尺寸等数据)。一般情况下,机器视觉测试就是用机器代替人工肉眼来做测量和判断。首先采用CCD照相机将被摄取目标转换成图像信号,传送给专用的图像处理系统,根据像素分布和亮度、颜色等信息,转变成数字化信号。图像系统对这些信号进行各种运算来抽取目标的特征,如:面积、长度、数量、位置等。最后,根据预设的容许度和其他条件输出结果,如:尺寸、角度、偏移量、个数、合格/不合格、有/无等。

    时间:2020-06-26 关键词: 机器视觉 机器视觉系统 图象采集卡

  • 2019年工业机器人市场成长将再次回升 预计至2021年將平均每年成長14%

    集微网消息,据外媒报道,华为将于下个月在德国开设一个新的信息安全实验室,并允许德国对源代码进行评估,以此希望取得德国监管部门对华为 5G设备的信任。 据了解,该消息已获得德国联邦信息安全办公室(BSI)的确认,华为将于11月16日在波恩开设实验室。BSI和其他监管部门以及德国电信总部都位于波恩,值得一提的是德国电信总部与华为存在密切的商业联系。 而华为宣布这一计划恰逢德国联邦网络监管机构(BNetzA)为其计划于2019年第一季度举行的5G许可证谈判敲定条款之际。更有意思的是,该监管机构同样在波恩。 报道显示,德国5G总投资可能高达800亿欧元,约合人民币6300亿元,作为对比,2017全年,全球2G/3G/LTE硬件营收仅372亿美元,约合人民币2500亿元。作为占据市场份额28%的5G网络供应商,华为非常看重德国这块风水宝地。 更何况德国缺乏自己的电信硬件产业。一位BIS官员表示必须面对德国的硬件制造商寥寥无几的现实,因此在选用海外供应商时必须提出尽可能高的安全标准。 当然,华为对此亦是有准备。早在2010年,华为已经在英国建立技术实验室并经受独立监督委员会的审查,虽然英国监管委员会对其设备的技术和供应链缺陷提出批评,但华为表示其建立的网络中从未发现后门。 得益于华为长年在欧洲电信市场的挥洒热血,自然在欧洲建立起不错的口碑。上月,意大利就采用华为5G设备成功投入首个商用5G基站。德国官员也表示愿意在不损害本国网络安全的前提下,保持与中国传统上密切的贸易和投资关系。 华为的5G之路可谓是磕磕绊绊,中美贸易战、芯片门的持续影响下,美国、加拿大、澳大利亚、印度等国以安全为借口,禁止国内运营商采购华为5G设备,韩国运营商 SK Telecom更将华为从合作伙伴名单中移除。最近,三星又与NEC联手准备进攻美日5G市场,对于德国这块大蛋糕,华为将势在必行。       本文来源:爱集微

    时间:2020-06-26 关键词: 机器视觉 人工智能 工业机器人

  • 浅谈人工智能中六大关键技术

    浅谈人工智能中六大关键技术

    当前,人工智能可谓是科技领域炙手可热的话题了,很多公司完善人工智能技术,研发人工智能产品。从Siri语音到智能家居,从无人驾驶到人工智能机器人,人工智能正在一步步改变我们的生活方式,我们还在憧憬着,人工智能还能带给我们些什么。 现如今,人工智能已经逐渐发展成一门庞大的技术体系,在人工智能领域,它普遍包含了机器学习、深度学习、人机交互、自然语言、机器视觉等多个领域的技术,下面进行这些人工智能中这些关键技术的介绍。 机器学习 机器学习是一门多领域交叉学科,涉及统计学、系统辨识、逼近理论、神经网络、优化理论、计算机科学、脑科学等诸多领域。通过研究计算机怎样模拟或实现人类的学习行为, 以获取新的知识或技能。通过知识结构的不断完善与更新来提升机器自身的性能,这属于人工智能的核心领域。基于数据的机器学习是现代智能技术中的重要方法之一,研究从观测数据(样本)出发寻找规律,利用这些规律对未来数据或无法观测的数据进行预测。阿尔法Go就这项技术一个很成功的体现。 根据学习模式将机器学习分类为监督学习、无监督学习和强化学习等。根据学习方法可以将机器学习分为传统机器学习和深度学习。 深度学习技术 深度学习的概念由Hinton等人于2006年提出。深度学习可以有人监督(需要人工干预来培训基本模型的演进),也可以无人监督(通过自我评估自动改进模型)。深度学习目前广泛运用于各类场合,在财资管理领域,如可以通过深度学习来进行现金流预测和头寸智能化管理。 深度学习则是是机器学习各项技术中发展最旺盛也是最成功的一个分支。我们常说的人工神经网络是机器学习中的一种算法。机器学习的其他算法包括聚类算法、贝叶斯算法等。在量化交易、智能投资和智能风控中,往往会应用机器学习技术。 人机交互 关于人机交互,它最重要的方面研究人和计算机之间的信息交换,主要包括人到计算机和计算机到人的两部分信息交换,是人工智能领域的重要的外围技术。人机交互是与认知心理学、人机工程学、多媒体技术、虚拟现实技术等密切相关的综合学科。传统的人与计算机之间的信息交换主要依靠交互设备进行,主要包括键盘、鼠标、操纵杆、数据服装、眼动跟踪器、位置跟踪器、数据手套、压力笔等输入设备,以及打印机、绘图仪、显示器、头盔式显示器、音箱等输出设备。人机交互技术除了传统的基本交互和图形交互外,还包括语音交互、情感交互、体感交互及脑机交互等技术。 自然语言 自然语言泛指各类通过处理自然的语言数据并转化为电脑可以“理解”的数据技术。自然语言处理一方面可以辅助财务共享服务中心进行客户服务;另一方面,结合自然语言技术,便利知识管理和智能搜索。 自然语言处理是计算机科学领域与人工智能领域中的一个重要方向,研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法,涉及的领域较多,主要包括机器翻译、机器阅读理解和问答系统等。 人工神经网络 人工神经网络在机器人定位与导航中的应用。人工神经网络具有融合多元信息资源的功能,在人工智能中扮演着重要的角色,特别智能机器人定位和导向环节具有较高的应用频率。 机器视觉 机器视觉是使用计算机模仿人类视觉系统的科学,让计算机拥有类似人类提取、处理、理解和分析图像以及图像序列的能力。自动驾驶、机器人、智能医疗等领域均需要通过计算机视觉技术从视觉信号中提取并处理信息。近来随着深度学习的发展,预处理、特征提取与算法处理渐渐融合,形成端到端的人工智能算法技术。根据解决的问题,计算机视觉可分为计算成像学、图像理解、三维视觉、动态视觉和视频编解码五大类。

    时间:2020-06-25 关键词: 人机交互 机器视觉 人工智能

  • 机器视觉极大提升了智能安防行业的应用

    机器视觉极大提升了智能安防行业的应用

    在当前以高端装备制造为核心的智造工业4.0时代背景下,随着“中国制造2025”战略的深入,工业智能机器人产业市场呈现不断增长的势头,其中充当工业机器人“火眼金睛”角色的机器视觉功不可没。 安防的技术一直在演进中,当行业完成了网络化和高清化之后,智能化应用就成了各个安防门类厂家的技术热门。应该说,从2012年开始,安防行业都在围绕如何使产品和系统智能化应用展开深入研发和探讨,从而引发了一波技术潮流。如果说智能视频分析是智慧安防应用的2.0版本,那么,机器视觉,将开启智慧安防应用2.0时代,这是一个智能安防新的应用天地。 精准把握机器视觉的研究内容 要探讨机器视觉的应用,首先还是需要精准把握什么是机器视觉,并把其与当下热门又有重叠部分的人工智能和深度学习区分开来。 人工智能的外延范围最大,包括了机器视觉、深度学习、机器人技术、生物识别技术和自然语言处理。可以看出,人工智能包括了深度学习和机器视觉,研究的是人类智能活动规律,构造具有一定智能的人工系统,研究如何让计算机去完成以往需要人的智力才能胜任的工作,也就是研究如何应用计算机的软硬件来模拟人类某些智能行为的基本理论、方法和技术。 深度学习,是人工智能研究中的一个新的领域,其动机在于建立、模拟人脑进行分析学习的神经网络,它模仿人脑的机制来解释数据,例如视频、声音和文本。深度学习在安防行业的应用极为热门,在评测产品时关于人脸和车辆的识别技术都基于深度学习。究其原因,深度学习的关键要素是数据,而占大数据总量60%以上的为视频监控数据,所以,深度学习的在安防行业的方方面面得到了应用:人脸检测、车辆检测、非机动车检测、人脸识别、车辆品牌识别、行人检索、车辆检测、人体属性、异常人脸检测、人群行为分析、各种感兴趣目标的跟踪等。 机器视觉是人工智能正在快速发展的一个分支。简单说来,机器视觉就是用机器代替人眼来做测量和判断。通过分CMOS或CCD传感器将被摄取目标转换成图像信号,传送给专用的图像处理系统,得到被摄目标的形态信息,根据像素分布和亮度、颜色等信息,转变成数字化信号;图像系统对这些信号进行各种运算来抽取目标的特征,进而根据判别的结果来控制现场的设备动作。 机器视觉主要是对图像进行识别,因此机器视觉在人脸识别、车牌识别等方面得到大量运用。以智能交通行业为例,机器视觉具有成本低、稳定性强、准确性高、应用范围广等优点,目前已经在国内外高速公路和公路的交通监控系统中得到了广泛的应用,具体体现在车牌识别、车身颜色识别、车型识别、违章识别、车流量统计、流量控制等。 这时有人会产生疑惑,机器视觉和深度学习有太多重叠之处,是否两者在安防行业是同一概念的不同表达。其实不然,如果仅从视频监控行业来看,学习算法是机器视觉更高层面的应用,因为基于巨大样本采集把握了大量数据特征,而机器视觉主要在特征感知、图像预处理、特征提取、特征筛选面擅长,也就是说,机器视觉主要是在特征识别提炼部分,而深度学习是把特征和学习结合起来,比如用特征的感知和提取来预判数据。 机器视觉安防应用的核心技术 在今年6月份有美国商业资讯的权威机构作出了预测,全球机器视觉市场正处于迅速发展之中,预计到2025年年底,市值将超过192亿美元。时至今日,机器视觉技术不仅成功应用于多个领域,并且应用范围还在逐步扩大。已由起初的电子制造业和半导体生产企业,发展到了安防、包装、汽车、交通和印刷等多个行业。 安防,是机器视觉应用的主战场之一,有几大心技术应用为安防行业带来改变: 目标识别 目标识别技术和稳定的追踪方法是机器视觉在安防发展的关键技术。它在很多领域都得到大量的应用,例如身份确认的指纹识别、人脸识别、虹膜识以及在智能交通管理、机动车检测、停车场管理等场合的车牌识别等。一个目标识别系统应该具有在复杂背景以及各种天气情况下检测、分类、识别标的能力,这样才能有针对性地对目标进行持续的跟踪。 近些年来,目标识别技术已由理论探索、实验室仿真逐渐走向实际应用,其技术方法也从经典的统计模式识别,向着基于知识、模型、多传感器信息融合以及向深度学习神经网络的识别方法演进。 目标追踪 运动目标跟踪是确定同一物体在图像序列不同帧中位置的过程。其主要工作方式就是选择好的目标特征和采用适当的搜索方法,根据匹配原理,把现有的跟踪方法分为基于模型、区域、特征以及活动轮廓的跟踪,这是机器视觉力所能及之处。 双目技术 双目立体技术核心目的是提高识别的准确率。由于立体视觉技术形成的视场中带有物体的三维几何信息,因此能够有效的设定检测规则,排除光线、影子等干扰因素,大幅提高智能分析的准确度。在评测杭州巨头企业的高空了望云台摄像机时,发现都基于机器视觉的双目技术,其对于人、物的识别率有极大提高,并且采用双相机或多相机,对视场内空间的自由运动体的三维位置坐标及姿态进行高精度的测量,确定运动目标的质心位置,并根据标定结果对运动目标进行高精度跟踪。 多球机联动跟踪技术 多球机联动跟踪技术是以单球机智能跟踪技术作为基础的。从应用的层面上看,能够将普通的跟踪球机的单点式监控,提升为系统内对单个目标的无缝式接力跟踪,配合电子地图的使用,能够容易的实现对高安全等级区域的无缝式跟踪,并实现目标轨迹描绘、犯罪行为预警等高等级的安保需求。多球机联动跟踪技术的实现,需要具备多目标识别与跟踪技术。在应用中,通常设定一台球机作为发起点,对广域范围内目标进行的智能行为分析,并将同时监控的多个目标按照既定的策略进行排序,并按照先后顺序,指挥智能跟踪球机逐个跟踪监控目标。与单目标跟踪相比,多目标跟踪技术的关键点是数据关联问题,即建立一个统一的坐标系,使得发起球机可以将目标的坐标信息传递给跟踪球机,实现联动跟踪。该技术其实是安防行业机器视觉的最早应用,在苏州某安防企业的接触中就窥见了一斑。 面向事后应用的视频摘要、视频检索 随着监控探头的普及,监控系统中存有海量的录像数据,在目前人工查看的模式下,传统的方法需要从头到尾顺序播放,往往需要数倍于原始视频的时间才能审看完成,因此需要大量人员连续加班数周进行视频的审看。为了规避遗漏和误差,就要加大人力投入的方法。如何有效、高效的应用,减轻人工查看回放带来的时效性差、成本高、疲劳问题,并在不同分辨率、不同清晰度的录像中准确的辨别出需要获取的信息,基于以上需求,安防厂家研发了视频摘要、视频检索等技术手段,这也是机器视觉的研究内容之一。 机器视觉开启智慧安防应用 从以上的介绍和分析中,我们大概能了解机器视觉有所认知,但其在安防行业能做什么,为行业带来哪些改变,值得关注。先举例子来看机器视觉应用价值: 2017年7月16日,深圳市宝安区西乡金港华庭沃尔玛超市内,惊现一名男子持菜刀伤人,并导致2人死亡,9人受伤。如今,监控在大小商场店铺中随处可见,几乎成为了每个商场店铺的必备。显然,使用监控对于店铺日常管理与安防工作都十分有用。但事实上,目前以人力为主的监控设备存在极大的安全漏洞,使安防工作在一定程度上形同虚设。基于机器视觉技术的智能安防系统,能够从众多视频材料中进行图像识别,搜寻可疑人物等信息,实现对高危人员的识别和筛查;同时还能够从多个监控设备自动识别可疑物体,比如菜刀等,自动发出警报提醒安保人员。 除了事前的预防和制止功能,机器视觉的视频摘要和检索是面向事后应用的智能技术。其中,视频摘要技术使24小时的视频被制作成一个简短到几分钟摘要视频成为现实,这将大大提高海量视频监控录像分析的效率。视频检索技术则主要是依赖于视频算法对视频进行预处理,通过对视频内容进行结构化处理,提取出视频内容中的有效信息,进行标记或者相关处理后,人后可以通过各种属性描述进行快速检索。 可以说,如果上述案例中具有机器视觉的智能安防产品,必然不会发生如此惨剧。以点带面,看机器视觉如何弄潮安防新时代。 与公安机关建立人脸捕捉数据库 在公共场合人员密集区域,比如:天安门广场、火车站等敏感的公共场合监控,相关机器视觉产品也随着技术的发展不断地细化。产品能与公安机关搭建人脸识别比对系统,建立人脸捕捉数据库,将人脸信息归档,并与个人身份建立关系,在实际运用过程中采用人脸搜索、黑名单布防、陌生人识别等多项智能分析功能,大大提高视频监控的防范功效,可以让犯罪分子无可遁形。 智能交通中对车的识别和管控 在交通行业,与其他识别技术相比,机器视觉具有成本低、稳定性强、准确性高、应用范围广等优点,目前已经在国内外高速公路和公路的交通监控系统中得到了广泛的应用,比如车牌识别、车身颜色识别、车型识别、违章识别、车流量统计、流量控制等。 人脸布控 人脸识别基于人的脸部特征信息进行身份识别,主要指通过摄像机采集含有人脸的图片或视频流,然后在图片或视频流中进行人脸检测并抓拍,进行面部特征提取,以实现抓拍的人脸与数据库中的人脸进行比对的技术。目前已有不少企业推出了机器视觉的人脸布控系统,能够适应于各种交通要道、住宿场所、智能楼宇、大型连锁商场,平安城市等场合,具有人脸布控、以图搜图、用户管理等核心业务功能。 一些企业在努力的用机器视觉改变安防。比如:2017上海国际机器视觉展VisionChina在上海举行,海康机器人的技术与设计都是源于机器视觉;大华股份浙江华睿科技与英特尔联合共推机器视觉业务。今年6月29日,华睿科技与英特尔重磅发布了9MP/12MP高性能小面阵相机、50MPCoaXPress大面阵相机等机器视觉系列新品。此外,北京清影机器视觉技术有限公司研发的通用式三维即时成像技术具有通用式和即”两大特点,填补了国内机器视觉领域的空白;腾龙推出的4款机器视觉专用定焦镜头,进一步充实产品阵容,提供更多高像素镜头方案,满足用户需求;今年5月,美国亚马逊公司收购了一支欧洲顶级机器视觉团队用于无人机和视频监控领域研究。 结束语 业界有这样的观点,机器视觉形成了智能视频分析的闭环,从特征提取到应用都极大提升了智能安防行业应用,是智慧安防2.0。为此,一场由机器视觉引发的智慧安防风暴已经吹响全球,并在迅速蔓延中,将改变智慧安防格局。

    时间:2020-06-25 关键词: 智能安防 机器视觉

  • 当前安防发展的技术拐点在基于深度学习的机器视觉技术

    当前安防发展的技术拐点在基于深度学习的机器视觉技术

    最近几年,机器视觉作为人工智能的一个分支备受业内人士的高度关注,纵观机器视觉在工业自动化市场上的表现,其产品增速持续趋居高位,呈蓬勃发展的态势。国机器视觉联盟主席潘津接受采访时表示:“国内的机器视觉技术开始较晚,但是发展进程很快,国内的视觉产业发展十分迅速,短短十几年时间就追赶上国际水准。”据该联盟的统计数据显示:2015年机器视觉产业创造30多亿的产值,工业智能化的大趋势促使机器视觉产业在2017年创造了60多亿的产值,短短两年,产值翻了一番。 机器视觉在安防领域的应用 智能视觉分析技术是指计算机图像视觉分析技术,计算机图像视觉技术是人工智能(AI,Artificial Intelligent)研究的分支之一,它能够在图像及图像描述之间建立映射关系,从而使计算机能够通过数字图像处理和分析来理解视频画面中的内容。 机器视觉主要是对图像进行识别,因此机器视觉在人脸识别、车牌识别等方面得到大量运用。以智能交通行业为例,机器视觉具有成本低、稳定性强、准确性高、应用范围广等优点,目前已经在国内外高速公路和公路的交通监控系统中得到了广泛的应用,具体体现在车牌识别、车身颜色识别、车型识别、违章识别、车流量统计、流量控制等。 在智能视频分析的应用领域中,最为重要的是智能视频监控和智能视频检索技术。两者的应用技术相近,主要区别在于:智能视频监控是对当时采集的视频进行实时处理,当发现危险事件或者可疑分子时进行实时报警;而智能视频检索技术,处理的是已经发生过的存储视频,其通过对视频进行快速分析,找到其中存在的危险事件、可疑分子以及每个感兴趣目标的信息,然后使用者可以对关心的事件进行选择或者对关心的目标属性进行定义,系统能够快速查找到用户关心的事件或目标。 安防企业的机器视觉应用 2017年3月14日至16日,2017上海国际机器视觉展VisionChina在上海举行,海康机器人以“智无止境、视取未来”为主题,展示多款自主研发,技术与设计在全球均具有创新意义的机器视觉产品,万兆网接口相机、VPU平台智能相机等,在海康机器人身上有很好的体现。作为全球卓越的机器视觉产品及解决方案供应商,海康威视将持续推出新产品新技术。 大华股份浙江华睿科技与英特尔(Intel)联合共推机器视觉业务。华睿科技依托大华股份研发中心、先进技术研究院及大数据研究院强大背景下,在ISP、软件、算法、硬件、结构、ALT测试等方面的核心竞争优势,立志要成为优秀的机器视觉核心部件供应商。6月29日,华睿科技与英特尔(Intel)重磅发布了9MP/12MP高性能小面阵相机、50MPCoaXPress大面阵相机等系列新品。 此外,2017年,宇视科技在全国70余城市召开产品技术交流会,展示可视智慧物联战略第一阶段安防机器视觉的解决方案、全系列产品、实战案例,以可视化业务呈现、智慧化平台服务、物联化基础设施等三个维度推动安防业务和机器视觉的融合与发展。 结语:安防技术从基础的联网到追求极致的高清体验,最终实现人工智能对人“眼”的逐步替代。基于用户使用条件限制,当前安防发展的技术拐点在基于深度学习的机器视觉技术,带动视频结构化、大数据、云存储的融合,构建以“视图库”为代表的安防新智慧服务。机器视觉形成了智能视频分析的闭环,从特征提取到应用都极大提升了智能安防行业应用,是智慧安防2.0。一场由机器视觉引发的智慧安防风暴已经吹响全球,并在迅速蔓延中,将改变智慧安防格局。

    时间:2020-06-23 关键词: 机器视觉 安防

  • 商汤科技饶学贵:AI多模态城市机器视觉,助力新型智慧城市建设

    商汤科技饶学贵:AI多模态城市机器视觉,助力新型智慧城市建设

    (本站原创,作者:章鹰,电子发烧友执行副主编) 在高交会的6号馆,笔者看到了国内的17个城市展示了自身在智慧城市方面的建设图片,从“数字城市”到现如今遍地开花的“智慧城市”,再到为实现国家与城市的协调发展的“新型智慧城市”,智慧城市通过逐步演化、经过技术迭代最终衍生出来。 城市发展进程中城市管理者遇到哪些发展的痛点问题?城市管理者到底可以采取哪些技术来提高运营管理水平?11月15日,在高交会人工智能与智慧城市论坛上,来自商汤科技公安行业产品总经理饶学贵带来了最新的观察和分享,提出了《AI多模态城市机器视觉,助力新型智慧城市建设》的精彩演讲。 他强调指出,六大城市管理问题,十分明显,包括暴露垃圾、店外经营、无照经营、道路不洁、井盖破损、街头乱贴广告,城市公共空间管理面临诸多问题,区域面积大,人群密集,突发事件多,而目前视频是最直接的输入源,还在靠人在解决问题,迫切需要人工智能技术,提高城市的管理运营水平。 人工智能如何与智慧城市结合,他对发烧友记者表示三点非常关键:第一、生活在城市里的人的获得感;第二、一线管理者的获得感,第三、城市管理运营者的获得感。人工智能帮助城市管理者,真正了解自己,不仅是城市的宏观规划,还能知己知彼,百战不殆。 饶学贵表示,目前城市建设中所涉及的视频大数据处理和分析仍需借助大量人力完成,执行效率较为低下,而商汤科技的目标是构建从感知、预警、分析到决策的自动化高效智能视觉系统。“我们认为,应用于智慧城市的智能视觉系统,需要能够理解、分析和预测城市行为;能够提供危险预警、语义检索、决策分析等业务功能;能够为城市管理提供决策依据和有效工具。” 各国将人工智能作为支柱战略,我国是否有底气呢?饶学贵指出,全球顶级机构和企业在AI原创技术排行榜上,商汤科技的AI专利占据在中国科技企业AI核心技术专利50%以上,商汤科技和丰田在自动驾驶领域签署了合作自动驾驶技术专利,价值1亿美元。 商汤科技拥有亚洲最大的深度学习研究团队,目前有18名教授、120余名来自世界名校的博士生,在世界范围内人工智能领域拥有最多的华人科学家群体。他们已在与计算机视觉相关的国际顶尖学术杂志和会议上累积发表400多篇论文。2015年,在ImageNet国际计算机视觉挑战赛(ILSVRC)的视频通用物体检测竞赛中,商汤科技取得检测数量、检测准确率两项世界第一,成为首个夺冠的中国企业;2016年,在ImageNet国际计算机视觉挑战赛(ILSVRC)的大规模物体识别竞赛中,商汤科技和港中文团队又一次蝉联视频物体检测冠军,一举揽下物体检测、视频物体检测和场景分析三项冠军。2017年的CVPR,商汤科技与香港中大-商汤科技联合实验室入选论文23篇,超越Google(21篇)、Facebook(7篇)等国际巨头。 商汤科技可以建立城市机器视觉系统,对城市的方方面面做深度解读,对人、车和道路多个角度的了解,意味着多模算法。需要信息的汇聚和分享,成立大数据办公室,我们生活在城市里的人,与城市管理者提供数据共享,了解城市后要做到知行合一。 深度学习为何能在安防领域得到爆发式的应用?视频信息,以往的机器是无法解读,无法识别的,深度学习可以利用机器识别的技术解决视频内容,转化为结构化信息,为响应、决策和预案预留了足够的空间。 城市在不断发展,我们将遇到不同的管理问题,现在可以以动态响应和分析,在城市运营中,能够自我训练,形成一个线上的算法建模。第二个特点,新的算法出来后,需要新的实践,应用系统数据反馈训练系统,应用系统数据反馈训练子系统,算法准确率上升,正反馈提高应用系统数据置信度。,闭环智能建立,从自训练、自验证到自赋能。 多模态城市识别系统可以支持10万路级高清视频和智能抓拍机,可以对上海、深圳千万级人口城市动态轨迹进行追踪,对百亿身份提供识别比对服务,具备智能增智的能力。商汤科技建立机器视觉系统, 人工智能展现了社会发展非连续性增长,通过机器学习的自动化,人工智能可以利用算法自动得出有效结果,商汤科技将与更多企业在更多领域落地人工智能应用。

    时间:2020-06-22 关键词: 机器视觉 AI 商汤科技 2018iot

  • 从自动化向智动化过渡成为安防行业发展趋势

    从自动化向智动化过渡成为安防行业发展趋势

      中国央行研究局首席经济学家马骏等专家的工作论文《2016年中国宏观经济预测》中预测,今年GDP增速预计为6.9%,明年预计为6.8%,宏观经济面临不少下行压力,企业利润增速低迷,过剩产能仍有待消化,出口需求疲软,银行不良贷款率呈上升趋势等等。   虽然全球经济收敛已经是一个不争的事实,但对安防行业而言,也并不是完全没有“好声音”。一方面从总体上看,房地产和土地出让收入企稳回升,对于以房地产市场为主的传统安防而言将会是积极的推进因素;另一方面经济学家分析,同款同价的全新O2O商业模式的兴起正在消弱电商竞争力,加上国外品牌进入中国各大商场,实体商业的竞争力将逐步增强,零售行业将得到快速的发展。   从2015年安防上市企业的最新财报分析得知,品牌集中度逐步扩大,洗牌仍将持续。但随着安防行业从数字化进入到数据化时代后,大安防概念逐渐成熟,网络化与高清化的竞争将逐渐被智能化所代替。人工读图时代已经走到末端,真正贴切行业用户的业务实际运用的产品将能得到用户的认可,机器读图与智能视觉正成为计算机视觉新的发展领域。   随着神经网络、专门的机器视觉硬件等技术的持续普及,机器视觉和人类视觉之间的鸿沟正在快速缩小。目前计算机视觉已经在工业、农业、国防、军工、交通、医疗、金融甚至体育、娱乐等等行业都获得了广泛的应用,深入我们生产、生活的方方面面。由此可知人工智能并不属于空谈,计算机视觉作为工业自动化系统中的重要组成部分,在制造业强调“全面提升自动化”的今天,迎来了蓬勃发展的最佳时代。   视频监控以视频图像采集为核心,作为物联网时代的重要感知单位,在计算机视觉领域有先天的优势,在为用户提供超越人类视觉的高精度、高速度、高稳定性的图像感受上,在2015年中已经看到不少的安防企业迈出了步伐。2016年,中国“智”造将再度掀起新的浪潮,智能安防、智动化必然成为行业发展的主流趋势。

    时间:2020-06-18 关键词: 自动化 机器视觉 安防

  • 机器视觉检测设备的作用

    机器视觉检测设备的作用

    机器视觉是使用机器代替人眼进行测量和判断。通过CCD工业相机将摄取的对象转换为图像信号,并传输到专用图像处理系统,然后根据像素分布和亮度等信息将其转换为数字信号;图像系统执行各种操作以提取这些信号的目标特征,然后根据判别结果控制现场设备的操作,并进行视觉检测、尺寸测量、缺陷检测、识别和系统定位。 在生产线中,人们由于疲劳和个体差异等原因进行这种测量和判断,但是机器会不懈地,稳定地继续前进,因此机器视觉检测设备得到越来越广泛的应用。 通常来说,视觉检测可用于各种行业,例如汽车零件,五金,紧固件,磁性材料,塑料塑胶,手机壳,轴类等,当前流行的锂电池行业被广泛使用。 使用视觉检测设备代替人工检测,是当今工业智能制造的必然趋势。具体说来,机器视觉检测设备主要有以下几点作用: 一、使用视觉检测设备进行生产可以适应工业发展趋势; 二、随着人工成本的增加,从长远来看,使用机器视觉检测设备将有助于公司减少不必要的支出; 三、因为采用了非接触式测量方法,所以不会对观察者和被观察者造成损害。这样可以有效减少检测过程中对产品的可能损坏; 四、因视觉检测设备具有较宽的光谱响应范围,因此机器视觉检测设备检测的可视觉范围更广,并且检测精度更高。例如,人眼不可见的红外测量被用于扩大人眼的可视范围,并且其检测精度更高; 五、用于产品外观缺陷检测; 六、用于工装定位、移位,组装和码垛机器人等; 七、用于生物识别(如面部、语音、指纹、虹膜等),目标识别(车牌识别、射频识别等),条形码识别(一维码、二维码),字符识别,纹理识别等; 八、主要用于测量。如几何尺寸测量(长度、宽度、高度、周长、面积、体积等),圆或椭圆(圆心、半径、轮廓、角度、大小等)。注意,在测量前首先要校准,这涉及到相机校准。 机器视觉在工业在线检测的各个应用领域十分活跃,机器视觉检测设备不仅是企业智能制造的必由之路,还为企业节省劳动力、提高生产效率带来生产效益。机器视觉检测设备的应用是工业智能化、自动化的必然结果。

    时间:2020-06-17 关键词: 机器视觉 视觉检测

  • 如何选择机器视觉检测设备光源的角度?

    如何选择机器视觉检测设备光源的角度?

    检测技术是制造业的基础,随着制造水平的快速发展,制造领域不断扩大,产品质量不断提高。相应地,对检测技术提出了新的需要,传统意义上的很多检测方法已经不能适应现代制造业的要求。而机器视觉检测设备简单来说就是使用工业相机模拟人工肉眼检测,那么机器视觉检测设备光源的角度怎么选择? 机器视觉检测设备光源的角度选择: 1、根据所需的图像效果,选择不同入射角度的光源,高角度照明的光源,图像整体更亮,适用于表面不反光的物体; 2、低角度照射,图像背景为黑色,特征为白色,可以突出被测物体的轮廓变化和表面凹凸变化; 3、多角度照射,图像整体效果更柔和,适合曲面物体检测; 4、背光照射,图像效果是被测物体清晰的黑白轮廓,通常用于尺寸测量; 5、同轴光照明,图像效果是明亮背景上的黑色特征,用于检测反光厉害的平面物体。 机器视觉(Machine Vision)检测技术,综合运用了电子学、光电探测、图像处理和计算机技术,是精密测试技术领域内最具有发展潜力的新技术。将机器视觉引入到工业检测中,实现对物体(产品或零件)三维尺寸或位置的快速测量,具有非接触、速度快、柔性好等突出优点,在现代制造业中有着重要的应用前景。

    时间:2020-06-16 关键词: 检测 机器视觉

  • 未来机器视觉技术必将成为工业自动化和智能的核心之一

    未来机器视觉技术必将成为工业自动化和智能的核心之一

    伴随着工业发展进程及工业4.0时代的到来,机器智能化也逐渐成为现实。特别是近期工业自动化中机器视觉技术的发展,视觉技术的不断更新迭代,使得其在智能制造中的地位也是日渐突显,也推动了工业自动化、人工智能、智能制造等行业的进步,为各个领域都带来更强劲的发展动力。 来看看机器视觉的发展历史 机器视觉发展到今天已经有二十多年的历史了,它实质上是计算机学科中一个重要的分支。在起初的20世纪50年代,研究的是简单的二维图像统计模式识别;到了60年代,则开始研究三维机器视觉;70年代中期到80年代初期,机器视觉开始在全球范围内大范围开启研究,同时MIT人工智能实验室开启“机器视觉”课程,机器视觉在这个时期得到了蓬勃的发展。 现在我们采用的视觉技术都属于第三代机器人视觉系统,采用高速图像芯片处理算法,具备极高的智能性和适应性,可模拟人的视觉功能。 机器视觉主要有三个主要部分: 1,机器人眼球结构 机器人眼球相当于相机或扫描仪。它通过红外发射管发射红外光。红外光在遇到物体后被反射回来。在接收到反射的红外光后,红外线接收管将电信号传输至芯片,芯片通过一定算法进行全面计算,感知物体位置形状等。 2,运动控制系统 作为工业机器人的核心部件之一,机器人控制系统对机器人的性能有决定性的影响。它的运动控制相当于自动化的一个分支。使用伺服机构装置驱动,例如液压泵,以线性地执行或电机来控制机器的位置以及速度,随着当前机机器人技术的提升,机器人的精度及速度都已达到非常精准的地步了。 3,图像处理 图像本身只能在图像处理后找到图像中所需的特征,以便进一步执行其他命令动作,例如机器人手臂的移动和机器人手臂的移动。使机器人可以完成相关命令。 在工业的运用上,它主要用于工业机器人生产,装配,搬运等工作。 机器视觉不是单一的应用 机器视觉的发展并非单一的应用。机器视觉技术使机器具有感知外界的眼睛,使机器具有与人类相同的视觉功能,从而实现各种检测,判断,识别和测量功能。 现在机器视觉的软硬件产品逐渐演变为产品生产和制造各阶段的重要组成部分。因此,这对系统的集成提出了更高的要求。 很多自动化公司需要集成的生产自动化系统,需要集合机器视觉与多种工业生产器械共同协同运作,比如工业机器人。它广泛应用于状态监测,成品检验和质量控制等多领域。 随着技术的不断进步,机器人与人之间的视觉差距正在逐渐缩小。视觉技术的成熟和发展使其在工业制造应用中得到越来越广泛的应用。 未来机器视觉技术必将与其他传感技术相结合,并将变得越来越数字化和智能化。 结语 中国智能制造2025与机器视觉将密不可分。 未来机器视觉技术必将成为工业自动化和智能的核心之一。要实现人机视觉在机器人上的延伸,必须要满足自动化程度高,效率高,精度高,适应性差的条件,在工业自动化过程中发挥重要作用。

    时间:2020-06-15 关键词: 工业自动化 机器视觉

  • 我国推进人工智能与水产养殖的深度交叉跨界融合势在必行

    我国推进人工智能与水产养殖的深度交叉跨界融合势在必行

    养鱼是一门“艺术” 有人说,养鱼很简单啊!但是如果你也这样认为,那就out了。养鱼是一门“艺术”,比如在喂鱼时,什么时候喂,喂多少,降/升温了怎么喂?这里面有很多的门道。在实际生产中,养殖人员经常为投喂多少困惑,喂少了鱼就会长的慢了。喂太多,饲料浪费就会增加,并且没有吃完的饲料在水里分解的时候还会消耗水里的氧气,并产生对鱼类有害的氨氮等有毒物质,严重的会影响鱼类的生命和生长。此外,企业管理者也非常关心怎样投喂可以达到效益的最大化等。而随着水产品价格的提高,养殖户鸟枪换炮,连自动化设备和人工智能这些高科技都整上了,养鱼早已经不是我们小时候印象中的落后场面了。你可以利用人工智能帮你打理喂鱼的事业。 听鱼说话,难! 那么在喂鱼的时候,问题来了,你咋知道你养的鱼吃没吃饱呢?而这绝对是投喂的重要依据。但是我们如何才能了解鱼类的胃口呢?这个是喂鱼过程中的关键同时也是难点。鱼类不会说话,或者是说话我们听不懂,或者是鱼会发出饥饿的信号,但是至今我们都没有发现或者理解。都说鱼只有3s的记忆,也不会和人沟通。那么怎么知道鱼今天饿不饿,胃口好不好呢? 在实际生产中,对鱼类食欲的评估主要是由喂鱼的人工观察,这种方法虽然比较直观,但是缺点也显而易见,每个人的经验和水平不一样,判断的标准和结果也不统一。而对于大规模的养殖场,这样的方式费时费力,人力成本的开销也较高。此外,还有学者通过利用肠胃饱满指数的方法来衡量鱼的食欲,即将鱼麻醉后取出并称量其肠胃内的干物质容量来量化饥饿程度。但是这种方法对鱼来说是致命的,在实际生产中也不具有大规模推广应用的可能。因此,如何不打扰鱼的正常生长获取其食欲是生产和研究中迫切需要解决的实际科学问题。 饿不饿:机器视觉察言观色 通过分析和研究,发现虽然影响鱼类摄食的因素很多,但它们都可以通过摄食过程中的行为变化表现出来。这其实和我们人类类似,我们饿的时候会有很多行为上的变化,有很多这样的成语比如:狼吞虎咽,饥不择食,嗷嗷待哺,饥虎扑食,等等。鱼饿的时候也会有很多行为上的变化,可以直接反映其饥饿程度。简单来说,鱼吃饱了,活动的范围和幅度就不一样了!但是,对于鱼饿不饿,只是一个模糊的概念,到底怎么才是饿,怎样才是不饿呢,这就需要一个客观准确的指标来描述鱼的饥饿程度。而这一切都可以利用人工智能技术实现。 人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来,理论和技术日益成熟,应用领域也不断扩大。机器视觉技术是人工智能发展的一个重要分支。简单说来,机器视觉就是用机器代替人眼和大脑来做观察和判断。视觉对人很重要,人类获得讯息90%以上是依靠眼睛的。目前机器视觉已经可以做到很多事情,比如车牌识别、文字识别、刷脸支付,自动驾驶无人车,制造业的自动检测,视频监控等。主要的工作流程就是通过采集目标的图像,传送给专用的图像处理系统对图像进行处理,分析后得到目标的形状、大小、颜色、运动方向速度等形态信息,并辅助以智能的算法,根据应用的场合自动做出决策,或者是直接控制现场的设备。机器视觉的优点非常多,由于它在采集图像的过程中不会接触被摄目标,也不会影响或者干扰目标的正常活动和运行。此外,机器视觉的硬件系统只需要一个摄像头和专用的处理模块,在大规模的应用时成本优势明显,是一种非接触式、无损的、低成本的检测方法。 然而,虽然机器视觉技术目前在工业现场用的比较成熟,但是,它还没有大规模应用于水产养殖中。这是由于水产养殖的特殊性决定的,一方面摄像头和研究对象之隔了水这一特殊的介质,光的折射、反光等现象影响了使用效果;另一方面,鱼有随环境颜色的变化调整体色的习性,导致采集到的图像对比度非常低。为解决以上问题,还需要研究水面反光的处理方法,自适应的图像对比度增强方法,达到最优的视觉效果,从而增强机器视觉在水产养殖中的使用效果。 最后,通过一系列的图像处理算法,自动分辨出每张图片那个是鱼,有多少鱼,鱼在哪里,因为鱼的活动引起了图像哪些地方发生变化等。结合连续采集的图片,可以计算每张图像中的鱼运动的快慢,方向等。然后综合以上的鱼的位置,大小,方向,速度等信息,结合一系列的数学算法,就可以得到评价鱼类的食欲和饥饿程度的指标。 喂多少:智能算法说了算 水产养殖投喂系统结构复杂,传统投喂方法应用局限较大。随着我国人工智能国家战略的提出和落实,推进人工智能与水产养殖的深度交叉跨界融合势在必行。利用智能算法,构建智能投喂决策方法,可以实现按鱼类的需要进行投喂。作为一种新兴的解决问题的形式,智能算法非常适合应用于水产养殖系统。当一个机器或者系统嵌入了这个算法后,它就拥有了人所具有的基本能力,比如观察、思考、学习、创造等。 然而其怎么可以实现投喂量和启停的判断呢?和人类一样,人类的经验和知识是通过学习得到的,人工智能模型或者算法之所以被称为“智能”的,是因为这些模型可以模拟人类的认识和经验积累过程,也需要学习,只不过是其学习后判断的标准是统一的,不会受客观因素的影响。其实现主要是首先建立训练集,告诉模型什么样的行为参数输入可以得到什么样的输出,模型训练后,完成学习过程,建立了一定的规则(即“经验”)。后续就可以实现对输入行为参数的判断,自动输出控制指令(继续或者停止投喂),就实现了按鱼类食欲的智能投喂决策,进而取代了以往靠简单选取阈值判断投喂。人工智能技术的出现使得喂鱼这项枯燥的操作产生了巨大变化,它能代替人来决定什么时间开始和停止喂食。 好不好?数据来说话 在其研究中,其水平已经处于国内外领先水平,并取得了很多技术层面上的创新。首次提出了基于鱼类行为指标的智能投喂方法,是对原先人工判断的一个重大突破。实验结果也表明,其可以极大节省饲料。更重要的是,如果任由节省的这部分饲料在水里分解,势必会污染环境。 实验结果也表明,在保证鱼类正常生长的前提下,鱼类的饲料转化率大大提高,可以节省饲料的成本。更重要的是,如果任由节省的这部分饲料在水里分解,势必会污染水质,有效的改善了水质。并且由于投喂的合理,鱼不会出现饥一顿饱一顿的情况,福利水平也提高了,鱼肉品质自然就会更好。经济效益自然就提高了。而基于人工智能的方法只需要一个摄像头和一系列的软件算法,并且在使用时,只需在初期设定和调试参数,后续可以做到无人值守,可以降低人工的成本,具有大规模推广应用的潜力。 但是截至目前,方法还只在一种鱼身上进行了测试。下一步,将继续完善其研究成果,通过在更多品种的鱼,更多的养殖模式(比如网箱,池塘等)上试验,提高方法的效果。并推进其在产业化中的应用,真正为产业发展解决实际问题,我们对其前景充满信心。

    时间:2020-06-13 关键词: 机器视觉 人工智能

  • 机器视觉为什么将是人工智能发展的下一个方向

    1月29日消息,据彭博社报道,德国电信(Deutsche Telekom)公司的内部评估显示,如果政府因安全担忧禁止中国设备供应商华为参与5G,那么欧洲将在下一代无线网络部署中落后于美国和中国。据知情人士透露,德国电信的高管警告称,如果将华为从5G网络供应商中排除的话,将会导致该技术的发展至少延误两年。 德国和其他欧洲政府一直在权衡是否对华为设备的使用施加限制。中国外交部长王毅在上周的欧洲之行发出警告,不要用“捏造”的借口针对华为。 德国电信的内部文件显示,电信行业已经陷入紧张状态,政府可能将其精心设计的网络扩张计划置于混乱之中。华为已经成为欧洲电信公司的一家领先供应商,这些公司正准备投资数十亿欧元部署5G网络,从而应对不断增长的数据需求,并支持利润丰厚的新应用,如自动驾驶、智能家电和联网工厂。 德国电信已在其数千个无线铁塔上安装了华为系统。华为的技术同时也是德国电信一些云产品的支柱。 在其内部评估中,德国电信表示,5G网络必须建立在现有4G基础设施之上,而其现有4G网络广泛依赖于华为设备。据知情人士透露,如果华为彻底被禁,而该公司被迫需要拆除所有设备,那么将导致该行业损失数十亿欧元。 这种全面禁止使用华为设备的禁令应该不大可能。例如,澳大利亚和新西兰的禁令,只是禁止在5G网络中采用华为设备。 随着面临的压力增加,一些电信公司已经开始减少与华为的合作,这使其之间的合作面临疑问。沃达丰集团上周表示,它正暂停其欧洲核心网的部分华为设备采购。德国电信上个月表示正在重新评估其采购策略——这是这家德国运营商可能从从其供应商名单中排除华为的第一个迹象。 包括美国、澳大利亚和新西兰在内的其他国家已经阻止或者限制在公共基础设施中对华为设备的使用。美国已特别向德国政府施加了压力,一个美国代表团上个月被派往柏林,就华为带来的风险进行说明。德国当局正在权衡如何应对。 然而,在欧洲放弃使用华为并非易事。大多数运营商都已经订购了其设备,因为该公司的技术通常被认为优于其竞争对手。如果华为被禁,那么包括爱立信、诺基亚、思科和三星在内的公司将会介入,而这可能导致产能限制。

    时间:2020-06-12 关键词: 机器人 机器视觉 人工智能

  • 机器视觉相机中LED光源

    机器视觉相机中LED光源

    机器视觉是人工智能正在快速发展的一个分支。简单说来,机器视觉就是用机器代替人眼来做测量和判断。在日常生活中,LED光源的颜分主要分为四种:红色、蓝色、绿色、白色。其他颜色:橙色、红外、紫外。 机器视觉系统的核心是图像采集和处理。所有信息都来源于图像之中,图像本身的质量对整个视觉系统极为重要。机器视觉LED光源则是影响机器视觉图像质量的重要因素,直接影响输入数据的质量效果和判断的准确性。 所以用户需要根据使用环境及使用范围的不同,选择合适的光源种类、颜色以及照明方式,使得检测系统达到最佳的性能,获得最优的检测结果。 通过适当的光源照明设计,使图像中的目标信息与背景信息得到最佳分离,可以大大降低图像处理算法分割、识别的难度,同时提高系统的定位、测量精度,使系统的可靠性和综合性能得到提高。反之,如果光源设计不当,会导致在图像处理算法设计和成像系统设计中事半功倍。因此,光源及光学系统设计对整个视觉系统是极为关键的步骤。在机器视觉系统中,光源的作用有以下几种: 1.照亮目标对象,提高目标对象的亮度; 2.形成最有利于图像处理的成像效果; 3.克服周围坏境光的干扰,保证图像的稳定性; 4.用作测量的工具或参照。 由于没有通用的机器视觉照明设备,所以针对每个特定的应用实例,都要设计形影的照明装置,以达到最佳的照明效果。这就是机器视觉系统光源的作用。 机器视觉技术日新月异,创想智控,专注于机器视觉技术研发及生产,目前,为焊接机器人提供激光传感器,赋予其感知功能,解决工装偏差、焊接形变或机器人行走轨迹规划问题。为检测系统提供激光位移传感器,高速准确非接触式获取被测物体数据信息。 机器视觉系统最基本的特点就是提高生产的灵活性和自动化程度,在一些不适于人工作业的危险工作环境或者人工视觉难以满足要求的场合,常用机器视觉来替代人工视觉。

    时间:2020-06-11 关键词: 机器视觉 led光源

  • 工业自动化的眼睛,工业自动化为何使用机器视觉

    工业自动化的眼睛,工业自动化为何使用机器视觉

    工业自动化在我国的发展已日渐成熟,对于工业自动化,大家或多或少有所了解。为增进大家对工业自动化的认识,本文将基于两大方面介绍工业自动化:1.机器视觉在工业自动化的应用,2.工业自动化为何使用机器视觉系统。如果你对本文即将涉及的内容具有兴趣,不妨继续往下阅读哦。 一、机器视觉于工业自动化的应用 机器视觉长期以来用于工业自动化系统中,以通过取代传统上的人工检查来提高生产质量和产量。从拾取和放置、对象跟踪到计量、缺陷检测等应用,利用视觉数据可以通过提供简单的通过失败信息或闭环控制回路,来提高整个系统的性能。 视觉的使用并不仅仅在工业自动化领域;我们也看到了相机在日常生活中的大量应用,例如用于计算机、移动设备,特别是在汽车中。摄像头仅仅是在几年前才被引入到汽车中,但是现在汽车中已经配备了大量摄像头,以为驾驶员提供完整的360°车辆视图。 但是谈到机器视觉领域的最大技术进步,可能一直是处理能力。随着处理器性能每两年翻一番,以及对多核CPU、GPU和FPGA等并行处理技术的持续关注,视觉系统设计人员现在可以将高度复杂的算法应用于视觉数据,并创建更智能的系统。 处理技术的发展带来了新机会,而不仅仅是更智能或更强大的算法。让我们看看为制造机器增加视觉功能的应用案例。这些系统传统上设计为形成协作分布式系统的智能子系统网络,该系统允许模块化设计(见图1)。 图1:智能子系统网络,其设计为构成协作分布式控制系统。该系统允许模块化设计,但采用这种以硬件为中心的方法可能导致性能瓶颈。 然而,随着系统性能的提高,采用这种以硬件为中心的方法可能遇到困难,因为这些系统通常采用时间关键和非时间关键协议的混合来联接。通过各种通信协议将这些不同的系统联接在一起,会导致延迟、确定性和吞吐量方面出现瓶颈。 例如,如果设计者试图利用这种分布式架构开发应用,并且必须在视觉和运动系统之间保持紧密集成,例如在视觉伺服中所需要的,那么可能遇到由于缺乏处理能力而带来的主要性能挑战。此外,由于每个子系统都具有自己的控制器,这实际上会降低处理效率。 最后,由于这种以硬件为中心的分布式方法,设计人员不得不使用不同的设计工具来设计视觉系统中每个子系统的特定视觉软件,以及用于运动系统的运动专用软件等。这对于规模较小的设计团队而言尤其具有挑战性,因为一个小团队甚至是一名工程师,需要负责设计中的许多部分。 二、工业自动化为何使用机器视觉系统 在工业自动化控制中使用机器视觉系统有以下五个主要原因: 精确性——由于人眼有物理条件的限制,在精确性上机器有明显的优点。即使人眼依靠放大镜或显微镜来检测产品,机器仍然会更加精确,因为它的精度能够达到千分之一英寸。 重复性——机器可以以相同的方法一次一次的完成检测工作而不会感到疲倦。与此相反,人眼每次检测产品时都会有细微的不同,即使产品时完全相同的。 速度 ——机器能够更快的检测产品。特别是当检测高速运动的物体时,比如说生产线上,机器能够提高生产效率。 客观性——人眼检测还有一个致命的缺陷,就是情绪带来的主观性,检测结果会随工人心情的好坏产生变化,而机器没有喜怒哀乐,检测的结果自然非常可观可靠。 成本 ——由于机器比人快,一台自动检测机器能够承担好几个人的任务。而且机器不需要停顿、不会生病、能够连续工作,所以能够极大的提高生产效率。 由于机器视觉系统可以快速获取大量信息,而且易于自动处理,也易于同设计信息以及加工控制信息集成,因此,在现代自动化生产过程中,人们将机器视觉系统广泛地用于工况监视、成品检验和质量控制等领域。机器视觉系统的特点是提高生产的柔性和自动化程度。在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合,常用机器视觉来替代人工视觉;同时在大批量工业生产过程中,用人工视觉检查产品质量效率低且精度不高,用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。而且机器视觉易于实现信息集成,是实现计算机集成制造的基础技术。 以上便是此次小编带来的“工业自动化”相关内容,通过本文,希望大家对工业自动化中的机器视觉具备一定的认知。如果你喜欢本文,不妨持续关注我们网站哦,小编将于后期带来更多精彩内容。最后,十分感谢大家的阅读,have a nice day!

    时间:2020-06-11 关键词: 工业自动化 机器视觉 指数

首页  上一页  1 2 3 4 5 6 7 8 9 10 下一页 尾页
发布文章

技术子站

更多

项目外包