Unter den verschiedenen Arten von Informationen, die Menschen aus der Natur erwerben, ist der visuelle Erwerb der höchste und entspricht etwa 80% der gesamten Informationen. Mit der Entwicklung der Informationstechnologie wird die visuelle Funktion des Menschen nach und nach Computern, Robotern oder anderen intelligenten Maschinen übertragen. Machine Vision, das sich derzeit im Windfall der Branche befindet, ist eine solche Technologie, die automatische Erkennungs- und Analyseanwendungen durch Bildverarbeitung realisiert, einschließlich automatischer Erkennung, Prozesssteuerung und Roboternavigation. Derzeit wurde die MV -Technologie (MUTIVE VIVE) produktiert. Visionssensoren, Linsen, Hochgeschwindigkeitskameras, Lichtquellen, Sichtsoftware, Bildaufnahmekarten, Visionsprozessoren usw. werden immer anspruchsvoller. In industriellen Automatisierungsumgebungen wird Machine Vision von der Branche immer mehr Aufmerksamkeit und wird in einer großen Anzahl von Anwendungen wie selbstfahrenden Autos, Lebensmittelproduktion, Verpackung und Logistik, Robotik und Drohnen verwendet.
Wenn es um Machine Vision geht, können Techniker viel verstehen, dieser Artikel versucht, die Wahrheit zu erklären, die von vier Aspekten von vier Aspekten nacheinander bekannt sein sollte.
Wahrheit 1: Maschinellision - Computer Vision
Machine Vision ist ein Gerät, das automatisch Bilder von realen Objekten mit optischen Geräten und nichtkontakten Sensoren empfängt und verarbeitet, um die erforderlichen Informationen zu erhalten oder die Bewegung eines Roboters zu steuern. In Betrieb seit den 1950er Jahren wurde die Technologie von 1980 bis 1990 wirklich an Popularität gewonnen. Im Laufe der Jahrzehnte hat sich das Machine Vision für verschiedene Definitionen für das angesammelt, was es ist und wie sie funktioniert.
Die automatisierte Imaging Association (AIA) bietet eine breitere Definition, nämlich, dass Machine Vision alle industriellen und nichtindustriellen Anwendungen umfasst, bei denen eine Kombination aus Hardware und Software operative Anleitungen für ein Gerät bietet, um Funktionen basierend auf der Bildaufnahme und -verarbeitung auszuführen. SearchenterPriseai bietet andererseits eine engere Definition von Machine Vision und nennt es "die Visionsfähigkeit eines Computers", bei dem eine oder mehrere Kameras, Analog-zu-Digital-Konverter (ADCs) und digitale Signalverarbeitung (DSPs) verwendet werden. Übertragen Sie die resultierenden Daten auf einen Computer- oder Robotercontroller.
In der Praxis muss Machine Vision häufig in Verbindung mit anderen fortschrittlichen Technologien arbeiten, einschließlich Verarbeitung natürlicher Sprache, Roboterprozessautomatisierung (RPA), künstlicher Intelligenz (KI) und maschinelles Lernen (ML), um die für erforderlichen "Vision" zu realisieren Automatisierung. Sie können sich das Maschinenaufenthalt als die Augen der Automatisierung, der KI und ML als Gehirn und RPA vorstellen, die den "Tastaturplayer" bereitstellen, der benötigt wird, um die Arbeit zu erledigen. Die Einführung der Automatisierung hat sich in den letzten Jahren beschleunigt, und es ist für Unternehmen von entscheidender Bedeutung, in ihren Branchen wettbewerbsfähig zu bleiben. Wenn Sie sich die Automatisierung als "digitale Belegschaft" bei der Arbeit vorstellen, wären all diese "digitalen Mitarbeiter" blind, ohne dass die maschinelle Vision hinzugefügt wurde.
Computer Vision war in den letzten Jahren auch ein großer Erfolg in der Branche. Auf Makroebene ist Machine Vision eine Systemtechnik-Disziplin, die vorhandene Technologien auf neue Weise integriert und anwendet, um reale Probleme zu lösen. Computer Vision hingegen ist eine Form der Informatik, die nicht durch konkrete Hardware wie Visionsgeräte wie an Robotern befestigte Kameras realisiert wird.
Insbesondere ist Machine Vision der Körper eines Systems, während Computer Vision die Intelligenz des Systems ist, das Gehirn, das die Informationen verarbeitet. Ohne Computervision funktioniert Machine Vision nicht. Maschinelles Lernen, tiefes Lernen und neuronale Netze sind drei Techniken, mit denen Elemente über ein Machine Vision -System schneller verarbeitet werden. Diese drei Techniken können verwendet werden, um das Verständnis von Machine Vision für das zu erweitern, was lokalisiert werden soll, und es zu einem wertvollen Vorteil für das Machine Vision macht. Mit zunehmendem Fortschritt der Computer -Vision -Technologie steigen die Möglichkeiten für potenzielle Anwendungen für maschinelle Vision entsprechend.
Es ist erwähnenswert, dass die Maschinenaufnahme und die Bildverarbeitung ebenfalls zwei verschiedene Konzepte sind. Die Bildverarbeitung ist ein Prozess, der ein Bild ausgibt, während Machine Vision Systems eine Vielzahl von Objekten und Gegenständen in einer Vielzahl von Branchen erkennen und klassifizieren können, einschließlich Automobil, Elektronik und Halbleiter, Lebensmittel und Getränke, Straßen- und Fahrzeugverkehr oder intelligenter Transportmittel Systeme (ITS), medizinische Bildgebung, Verpackung, Kennzeichnung und Druck, Pharmazeutika und Fernsehsendungen. Technologien für machungspiente basierte Technologien sind von zentraler Bedeutung für die Erstellung der Automatisierung.
Wahrheit 2: Hardware- und Softwareentwicklungen haben zu Fortschritten in Machine Vision geführt
Machine Vision ist das Auge der industriellen Automatisierung. Der Hauptworkflow lautet: Das System wandelt die erfassten Ziele in Bildsignale von Maschinenvisionen (z. B. Kamera, CMOS oder CCD) um und überträgt dann die Bildsignale in ein dediziertes Bildverarbeitungssystem. Basierend auf Informationen wie Pixelverteilung, Helligkeit und Farbe werden die Bildsignale dann in digitale Signale umgewandelt, die letztendlich Maschinen (Roboter oder andere industrielle Instrumente) ermöglichen, um industrielle Aufgaben wie Herstellung und Qualitätsprüfung auszuführen.
Machine Vision ist ein Schlüsselelement der Industrie. Um die menschliche Wahrnehmung genau nachzuahmen, erfordert das Maschinenvision die Hilfe einer Reihe von Geräten und Software. Die kontinuierliche Entwicklung dieser Hardware- und Softwaretechnologien treibt die Entwicklung der Technologie für die maschinelle Vision weiter vor.
01 Smart Camera
Eine Kamera ist das Hauptgerät, das verwendet wird, um ein Objekt oder ein Element in einem Computer -Sehsystem zu inspizieren. Manchmal müssen möglicherweise mehrere Kameras an einem bestimmten Inspektionspunkt installiert werden, um sicherzustellen, dass jedes Detail ordnungsgemäß überprüft werden kann. Wenn ein Machine Vision-System anwendungsspezifische Informationen aus einem Bild erfassen und extrahieren muss, ist hier die Unterstützung einer intelligenten Kamera erforderlich. Intelligente Kameras enthalten normalerweise alle erforderlichen Kommunikationsschnittstellen und können mit Wi-Fi oder Server verbunden werden, um die erfassten Bilddaten zu übertragen. In Deep Learning können Systemdesigner als leistungsstarkes Werkzeug komplexe und subjektive Entscheidungen schnell automatisieren und gleichzeitig die Qualität und Kapazität der Produkte effektiv verbessern.
02 3 D Kamera
Eine 3D -Kamera kann die Tiefe des erkannten Objekts in einem Bild anzeigen, um verschiedene Winkel des Bildes anzuzeigen. Durch die Verwendung einer 3D -Kamera in einem Computer -Vision -System entsteht eine andere Perspektive und Tiefenwahrnehmung. TOF-Kameras (TOF) sind 3D-Kameras, die das Flugzeitsprinzip verwenden, um die Distanz zu messen. Die TOF-Bildgebungstechnologie ermöglicht es ihm, 3D-Bildgebung durchzuführen, ohne das Objekt zu scannen. Die Technologie umfasst normalerweise Entfernungen von wenigen Metern bis etwa 40 Meter bei maximal 100 Bildern pro Sekunde mit einer Entfernungsauflösung von etwa 5 bis 10 Millimetern und einer lateralen Auflösung von etwa 200 x 200.
In der Vergangenheit wurde TOF aufgrund einiger Fragen zu seiner Genauigkeit oft als weniger genaue 3D -Erfassungstechnologie angesehen. Natürlich haben in den letzten Jahren viele Headline-Unternehmen hochauflösende Produkte von bis zu 1,3 Megapixel entwickelt, und hochpräzise TOF-Kameras für Machine Vision Systems können die Produktionsflexibilität und -automatisierung erheblich verbessern.
Der OPT8241-Flucht-Sensor (Texas Instruments) kombiniert TOF-Erfassungen mit einem analogen zu digitalen Wandler und programmierbaren Timing-Generator (TG), der Bilder mit 320 x 240 Auflösungen mit Bildraten von bis zu 150 fps liefert. Die integrierten TG-Steuerelemente, Modulation und Ausleger der digitalisierten Sequenz. Gleichzeitig ist der TG programmierbar, was die Flexibilität bietet, verschiedene Metriken zur Wahrnehmung der Tiefe zu optimieren, wie z. B. Leistung, Bewegungsrobustheit, Verhältnis von Signal-Rausch-Verhältnissen und Umweltaufhöhungen.
03 Sichtsensoren
Sichtsensoren sind im Mittelpunkt eines maschinellen Sehsystems und sind die Quelle für die Maximierung der Eigenschaften der Umgebung, wobei die Kerngeräte Bildsensoren wie CCDs und CMOs sind. Diese Visionssensoren mit höherer Auflösung sind in der Regel in der Lage, Bilder zu produzieren, die mehr Pixel enthalten, sehr hilfreich bei der Verbesserung der Bildqualität und zum Erkennen visueller Details.
CCD-Sensoren sind seit langem die dominierende Technologie, um hochwertige, minderwertige Bilder aufzunehmen. CCD -Sensoren sind jedoch teuer bei der Herstellung und sind daher im Allgemeinen teurer und verbrauchen viel mehr Strom als CMOS -Sensoren. Heute ist die CMOS -Sensortechnologie so weit fortgeschritten , ein kritisches Merkmal für maschinelle Visionssysteme, die sich auf die Echtzeit-Bildverarbeitung für die Automatisierung oder die Bilddatenanalyse verlassen. Darüber hinaus reagieren CMOS -Sensoren empfindlicher gegenüber Infrarotwellenlängen als CCD -Sensoren, und CMOS -Chip- und Kamerahersteller nutzen dies, um das Infrarotlicht zu erfassen und zusätzliche Bildgebungsfähigkeiten für die Bilderkennung zu bieten. Insgesamt können CMOS -Sensoren besser für Anwendungen für maschinelle Vision geeignet sein.
04 Lichtquelle
Als Hilfsbildungsgerät spielt die Lichtquelle häufig eine entscheidende Rolle bei der Bildgebungsqualität. LED -Beleuchtungsprodukte bieten beispielsweise eine größere Flexibilität mit einstellbaren Winkeln und zusätzlichen Wellenlängen für eine konsistentere spektrale Reaktion. Mit einer Vielzahl von Wellenlängen und Formen der auf dem Markt verfügbaren Lichtquellen ist die Produktauswahl nicht schwierig.
05 Bildaufnahmekarte
Eine Bildaufnahmekarte wird normalerweise in Form einer Computer-Plug-in-Karte erfolgt, deren Hauptaufgabe darin besteht, die Bildausgabe auf den Host-Computer zu übertragen. Im Bilderfassungskarten sind analoge oder digitale Signale von der Kamera in einen Strom von Bilddaten in einem bestimmten Format umzuwandeln und können auch einige der Parameter der Kamera steuern, z. B. Triggersignale, Expositions-/Integrationszeiten, Verschlusszeiten usw. An. Image -Erfassungskarten haben normalerweise unterschiedliche Hardwarestrukturen für verschiedene Arten von Kameras sowie unterschiedliche Busformulare wie PCI, PCI64, Compact PCI, PC104, ISA usw.
06 Vision Processing -Software
Machine Vision Software wird verwendet, um die Verarbeitung von Eingabebilddaten zu vervollständigen, und können dann durch bestimmte Berechnungen die erforderlichen Ergebnisse erhalten. Die allgemeine Software für Maschinenvisionen ist in Form von C/C ++ Bildbibliotheken, ActiveX-Steuerelemente und grafische Programmierumgebungen usw. erfolgt. Sie kann nur für die LCD-Inspektion, die BGA-Inspektion, die Vorlage speziell sein, z. B. nur für die LCD-Inspektion, Vorlage, Vorlage Ausrichtung usw. oder allgemeinerzwecke, einschließlich Lokalisierung, Messung, Barcode/Zeichenerkennung, Speckle-Erkennung usw.
Wahrheit 3: Der Markt für Maschinenvisionen wächst rasant, wobei die Automobilindustrie dafür einsetzt
Der Wert der Maschinenaufnahme in der Automatisierung liegt in seiner Fähigkeit, eine große Anzahl von Dokumenten, Bildern und Videos, in Mengen und Geschwindigkeiten, die die menschlichen Fähigkeiten weit übertreffen, schnell und effizient zu erfassen und zu verarbeiten.
Breite Anwendungsaussichten und großes Marktpotential bestimmt, dass Machine Vision ein wachsender Markt sein wird, Märkte und Märkte Daten zeigen, dass die Marktgröße der Machine Vision voraussichtlich von 10,7 Milliarden US -Dollar in 2020 auf 14,7 Milliarden US -Dollar im Jahr 2025 in einem zusammengesetzten jährlichen jährlichen Jahr erwartet wird. Wachstumsrate von 6,5%.
Laut Grand View Research betrug die globale Marktgröße für Maschinenvisionen 13,23 Milliarden in 2 0 21 und wird voraussichtlich von 2022 bis 2030 mit einer zusammengesetzten jährlichen Wachstumsrate (CAGR) von 7,7% wachsen. Die Nachfrage nach Vision- Geführte Robotersysteme in den Bereichen Automobil-, Lebensmittel- und Getränke-, Pharma- und Chemikalie- und Verpackungssektoren sind der Haupttreiber für das Marktwachstum. Unter diesen bleibt die Automobilindustrie weltweit der größte Anwender von Machine Vision Systems mit einem Umsatzanteil von über 15,0% der Automobilindustrie im Jahr 2021 und wird voraussichtlich in den kommenden Jahren weiterhin stetig wachsen.
US -amerikanische Markttrends nach Industrie, 2020 - 2030
Wahrheit 4: Machine Vision wird einen großen Unterschied in den Robotikanwendungen bewirken
Es gibt viele Möglichkeiten, sich in Bezug auf Marktumfang und Anwendungen zu erweitern. Diese Möglichkeiten erfordern eine gewisse Fantasie, was bedeutet, dass es in Maschinenaufnahmen nicht nur darum geht, die Augen eines Technikers zu ersetzen, sondern auch darum, Roboter zu nutzen, um Aufgaben zu erledigen, die Techniker nicht können. Machine Vision gibt Robotern die Möglichkeit, in Echtzeit und detailliert zu "sehen", sodass sie Entscheidungen treffen können, die auf einer umfassenden Sicht eines Objekts oder eines Umfelds basieren. Heute werden Roboter immer mehr auf der Welt eingesetzt. Wenn Roboter mit maschinellem Sicht ausgestattet sind, gibt es ihnen eine größere Genauigkeit, Orientierung und Verständnis, die Fähigkeit, Objekte genauer zu erfassen, Objekte mit größerer Präzision zu platzieren und komplexere Aufgaben schneller auszuführen.
Machine Vision wird in Robotikanwendungen immer wichtiger und laut einem kürzlich erschienenen Bericht des Association for the Advancement of Automation (A3) hat der Markt für Robotik- und Machine Vision im zweiten Quartal 2021 im Vergleich zu 2020 ein erhebliches Wachstum erreicht. Industrial. Industrial. Industrial. Roboter werden bereits weit verbreitet, und mit dem Aufkommen von kollaborativen Robotern und der schnellen Entwicklung von 3D -Maschinenvisionen werden sie häufiger in Kombination verwendet.
Machine Vision verkörpert eine technologische Fähigkeit, ebenso wie andere Funktionen wie Automatisierung, maschinelles Lernen, tiefes Lernen und neuronale Netzwerke. Es ist eine Fähigkeit, die in andere Technologien und Prozesse integriert werden kann, um der Branche zu helfen und die Geschäftseffizienz zu verbessern. Heutzutage haben Roboter zunehmend eingebautes Maschinenaufwand, was es ihnen ermöglicht, komplexere Aufgaben auszuführen. Diese Aufgaben wären nicht möglich, ohne dass der Roboter genau dort mitteilt, wo sich ein Gegenstand befindet. Machine Vision ist der Schlüssel, um das volle Automatisierungspotential freizuschalten und intelligente Automatisierung mehr Intelligenz hinzuzufügen.