机器视觉推动第四次工业革命，成为低浪费、高效率工业的代言人

    机器视觉使人工智能应用更加广泛且更有效。在机器学习中，它为消费者和商业应用的硬件提供了前所未有的观察和解释环境的能力。在工业环境中，这些技术，加上自动化和高速网络，共同构成了一场全新工业革命：工业4.0。它们成为低浪费、高效率工业活动的全新代言人。

    机器视觉是用机器代替人的眼睛，对目标进行识别、判断、测量或检测，主要应用机器来模拟人的视觉功能。机器视觉技术包括对目标对象的图形获取技术、对图像信息的处理技术、对目标的测量技术、对目标的识别技术等。

    机器视觉系统主要有视觉感知单元、图像信息处理与识别单元、结果显示单元、视觉系统控制单元等组成。视觉感知单元的任务是获取被测目标对象的图像信息，并负责传输给图像信息处理单元。图像信息处理单元在接收到信息之后，经过对图像信息的各种运算处理，从中提取有关特征，以达到对目标的测量、识别和判定，最后将结果提供给视觉系统控制单元。视觉系统控制单元根据判别结果控制现场的设备，实行对目标对象的操作。

    现在，机器视觉已经崭露头角，世界各地的公司都在探索机器视觉带来的好处。机器视觉正在影响制造、钻井和采矿、货运和供应链管理，质量保证，材料处理，安全以及各种其他垂直领域。机器视觉不久将无处不在，为工业世界的物联网增添了一道关键的智能层。

什么是机器视觉

    机器视觉是一套能让机器更好地感知周围环境的技术。它有助于基于这种意识的高阶图像识别和决策。为了利用机器视觉，工业设备使用高保真摄像机捕捉环境或工件的数字图像。这些图像可以在自动引导车辆(AGV)或机器人检测站拍摄取得。在此基础上，机器视觉使用极其复杂的模式识别算法来判断物体的位置、身份或状态。

获得适当的光照是获得正确机器视觉的关键因素。

    在机器视觉应用中，有几种常见的光源，包括LED、石英卤素、金属卤素、氙气和传统荧光灯。如果条形码或工件的一部分被阴影遮挡，则识别读数可能会在没有错误的情况下传递错误。机器视觉结合了复杂的硬件和软件，使机器能够以新的有益的方式观察外界变化并做出反应。

机器视觉如何支持企业和工业物联网

    工业物联网(IIoT)设备的普及标志着技术进步的重要时刻。工业物联网为企业提供了前所未有的从上到下的业务可见性。网络传感器和基于云的企业资源规划中心，提供本地和远程资产以及业务合作伙伴之间的双向数据移动性。通过合适的物联网硬件和软件，可以产生有价值的运营数据。

    物联网代表了无处不在的计算。机器视觉与这些有什么关系呢?机器视觉使现有的物联网资产更加强大，能够更好地交付价值和效率。我们可以期待它创造一些全新的机会。

使得传感器更有用

    机器视觉使物联网中的传感器更加强大和有用。传感器提供的不只是原始数据，而是可用于决策或进一步自动化的解释和抽象预测。

降低带宽需求

    机器视觉有助于降低大规模物联网建设的带宽要求。与在数据源上捕获图像和数据并将其发送到服务器进行分析相比，机器视觉通常能够在数据源上直接进行研究。现代工业产生数以百万计的数据点，但有了机器视觉和边缘计算，其中很多数据可以直接产生可操作的见解，而不需要传输到其他位置。

支持物联网自动化解决方案

    机器视觉补充了物联网自动化技术。机器人检测站的工作速度比人力员工更快、更准确，当检测到缺陷和异常时，它们可以立即为决策者提供相关数据。

提高安全性和实用性

    用机器视觉构建的导航系统赋予机器人和合作机器人更大的自主权和搜索能力，帮助它们更快、更安全地与人类工人一起工作。在仓库和其他出错风险较高的环境中，机器视觉可以帮助拣货机器人提高响应时间，并减少执行过程中的损失或缺陷。

流程更加顺畅

    市场竞争要求公司在运作时尽量少的浪费时间、材料和劳动力。机器视觉能够使无人机、物料搬运设备、无人驾驶车辆和托盘卡车在整个生产线(或检测点)中，更好地与自动化的其余部分交换详细和有价值的数据。在工厂环境中，这意味着机器之间以及和人工协同工作时更和谐顺畅，瓶颈、过载和其他干扰更少。

企业如何应用机器视觉

    当你思考一个典型的工业流程所涉及的每一个步骤时，就不难发现机器视觉在哪些方面可以改善操作。

    例如：为了制造一个单独的汽车部件，人类和机器要合作采购原材料，评估它们的质量，将它们运送到工厂进行加工，并在每个制造阶段将阶段成品运送到对应工位。最终，他们看到它成功地通过了质检过程，然后再次走出大门，最后一段物流旅程等待着它。稍后，零售商或最终用户将收到它。

无论这个产品是处于静止状态，运输中，还是尚未组装，机器视觉都提供了一种自动处理它的方法。它提高了每个部门的效率，如装配，并保持更高和更一致的质量水平。

    在现实世界中，许多公司已经在他们的工作流程中加入了机器视觉。有些应用非常简单，比如在仓库地板上放一条线，让无人驾驶车辆安全地跟随。其他机器视觉工具甚至更复杂，尽管即使是最简单的例子也可能改变游戏规则。

    工业世界中一些最令人兴奋的机器视觉例子涉及到曾经被认为很难或不可能交给机器人的任务。正如前面提到的，从仓库挑选东西本身就是一个有风险的过程。执行中的错误会使商誉和客户蒙受损失。

    考虑到产品损坏、物品位置和SKU的微小变化是这一领域的一些最大的错误来源，经过机器学习的拣货机器人开始上岗。目前已经有许多自动拣货机器人可供使用，它们可以安全导航，检查箱子中的零件和产品，使用机械臂进行正确的拣货，并将拣货运送到装卸区或包装区。最终，这意味着公司运送损坏的货物或看起来与客户订购的货物相似但不完全匹配的不正确的库存单位的风险要小得多。

自动化质量保证和检查迅速普及

    在一些现代制造业环境中，它可以帮助企业自动化并提升质检效率，许多质检机器人。

    到2025年，工业协作机器人(Cobots)可能会在所有机器人销售中占据34%的份额。这在很大程度上是通过机器视觉的改进，消除了现代工业中的低效、不准确和浪费。

    预计机器视觉在未来几年将继续发展，并进一步为工业4.0(第四次工业革命)做出贡献。机器视觉能力将导致企业更广泛地采用物联网和机器视觉，并成为企业利用数字智能的新方法。

    随着机器传感技术、计算机技术、图像处理技术等的快速发展，机器视觉技术得到发展，并且日臻成熟，已经成为现代工业在信息化发展的道路上不可或缺的核心技术。机器视觉技术被应用到了食品、制药、化工、建材、电子制造、包装以及汽车制造等各种行业，对提升传统制造和传统装备的技术水平，提高企业竞争力，提高企业的现代化生产管理水平发挥着原来越重要的作用。

(本文转自：https://www.chuandong.com/news/news246068.html)