包含威海恒大彩色吉印通 的詞條

文/朱秀昌 迅通科技

機器視覺(jué)（Machine Vision）是人工智能領(lǐng)域中發(fā)展迅速的一個(gè)重要分支，目前正處于不斷突破、走向成熟的階段。一般認為機器視覺(jué)“是通過(guò)光學(xué)裝置和非接觸傳感器自動(dòng)地接受和處理一個(gè)真實(shí)場(chǎng)景的圖像，通過(guò)分析圖像獲得所需信息或用于控制機器運動(dòng)的裝置”，可以看出智能圖像處理技術(shù)在機器視覺(jué)中占有舉足輕重的位置。

智能圖像處理是指一類(lèi)基于計算機的自適應于各種應用場(chǎng)合的圖像處理和分析技術(shù)，本身是一個(gè)獨立的理論和技術(shù)領(lǐng)域，但同時(shí)又是機器視覺(jué)中的一項十分重要的技術(shù)支撐。

具有智能圖像處理功能的機器視覺(jué)，相當于人們在賦予機器智能的同時(shí)為機器按上了眼睛，使機器能夠“看得見(jiàn)”、“看得準”，可替代甚至勝過(guò)人眼做測量和判斷，使得機器視覺(jué)系統可以實(shí)現高分辨率和高速度的控制。而且，機器視覺(jué)系統與被檢測對象無(wú)接觸，安全可靠。

1. 機器視覺(jué)技術(shù)

機器視覺(jué)的起源可追溯到20世紀* 0年代美國學(xué)者L.R.羅伯茲對多面體積木世界的圖像處理研究，70年代麻省理工學(xué)院（MIT）人工智能實(shí)驗室“機器視覺(jué)”課程的開(kāi)設。到* 0年代，全球性機器視覺(jué)研究熱潮開(kāi)始興起，出現了一些基于機器視覺(jué)的應用系統。90年代以后，隨著(zhù)計算機和半導體技術(shù)的飛速發(fā)展，機器視覺(jué)的理論和應用得到進(jìn)一步發(fā)展。

進(jìn)入21世紀后，機器視覺(jué)技術(shù)的發(fā)展速度更快，已經(jīng)大規模地應用于多個(gè)領(lǐng)域，如智能制造、智能交通、醫療衛生、安防監控等領(lǐng)域。目前，隨著(zhù)人工智能浪潮的興起，機器視覺(jué)技術(shù)正處于不斷突破、走向成熟的新階段。

在中國，機器視覺(jué)的研究和應用開(kāi)始于20世紀90年代。從跟蹤國外品牌產(chǎn)品起步，經(jīng)過(guò)二十多年的努力，國內的機器視覺(jué)從無(wú)到有，從弱到強，不僅理論研究進(jìn)展迅速，而且已經(jīng)出現一些頗具競爭力的公司和產(chǎn)品。估計隨著(zhù)國內對機器視覺(jué)研究、開(kāi)發(fā)和推廣的不斷深入，趕上和超越世界水平已不是遙不可及的事情了。

常見(jiàn)機器視覺(jué)系統主要可分為兩類(lèi)，一類(lèi)是基于計算機的，如工控機或PC，另一類(lèi)是更加緊湊的嵌入式設備。典型的基于工控機的機器視覺(jué)系統主要包括：光學(xué)系統，攝像機和工控機（包含圖像采集、圖像處理和分析、控制/通信）等單元。機器視覺(jué)系統對核心的圖像處理要求算法準確、快捷和穩定，同時(shí)還要求系統的實(shí)現成本低，升級換代方便。

2. 智能圖像處理技術(shù)

機器視覺(jué)的圖像處理系統對現場(chǎng)的數字圖像信號按照具體的應用要求進(jìn)行運算和分析，根據獲得的處理結果來(lái)控制現場(chǎng)設備的動(dòng)作，其常見(jiàn)功能如下：

（1）圖像采集

圖像采集就是從工作現場(chǎng)獲取場(chǎng)景圖像的過(guò)程，是機器視覺(jué)的第一步，采集工具大多為CCD或CMOS照相機或攝像機。照相機采集的是單幅的圖像，攝像機可以采集連續的現場(chǎng)圖像。就一幅圖像而言，它實(shí)際上是三維場(chǎng)景在二維圖像平面上的投影，圖像中某一點(diǎn)的彩色（亮度和色度）是場(chǎng)景中對應點(diǎn)彩色的反映。這就是我們可以用采集圖像來(lái)替代真實(shí)場(chǎng)景的根本依據所在。

如果相機是模擬信號輸出，需要將模擬圖像信號數字化后送給計算機（包括嵌入式系統）處理?，F在大部分相機都可直接輸出數字圖像信號，可以免除模數轉換這一步驟。不僅如此，現在相機的數字輸出接口也是標準化的，如USB、VGA、1* 9* 、HDMI、WiFi、Blue Tooth接口等，可以直接送入計算機進(jìn)行處理，以免除在圖像輸出和計算機之間加接一塊圖像采集卡的麻煩。后續的圖像處理工作往往是由計算機或嵌入式系統以軟件的方式進(jìn)行。

（2）圖像預處理

對于采集到的數字化的現場(chǎng)圖像，由于受到設備和環(huán)境因素的影響，往往會(huì )受到不同程度的干擾，如噪聲、幾何形變、彩色失調等，都會(huì )妨礙接下來(lái)的處理環(huán)節。為此，必須對采集圖像進(jìn)行預處理。常見(jiàn)的預處理包括噪聲消除、幾何校正、直方圖均衡等處理。

通常使用時(shí)域或頻域濾波的方法來(lái)去除圖像中的噪聲；采用幾何變換的辦法來(lái)校正圖像的幾何失真；采用直方圖均衡、同態(tài)濾波等方法來(lái)減輕圖像的彩色偏離?？傊?，通過(guò)這一系列的圖像預處理技術(shù)，對采集圖像進(jìn)行“加工”，為體機器視覺(jué)應用提供“更好”、“更有用”的圖像。

（* ）圖像分割

圖像分割就是按照應用要求，把圖像分成各具特征的區域，從中提取出感興趣目標。在圖像中常見(jiàn)的特征有灰度、彩色、紋理、邊緣、角點(diǎn)等。例如，對汽車(chē)裝配流水線(xiàn)圖像進(jìn)行分割，分成背景區域和工件區域，提供給后續處理單元對工件安裝部分的處理。

圖像分割多年來(lái)一直是圖像處理中的難題，至今已有種類(lèi)繁多的分割算法，但是效果往往并不理想。近來(lái)，人們利用基于神經(jīng)網(wǎng)絡(luò )的深度學(xué)習方法進(jìn)行圖像分割，其性能勝過(guò)傳統算法。

（* ）目標識別和分類(lèi)

在制造或安防等行業(yè)，機器視覺(jué)都離不開(kāi)對輸入圖像的目標進(jìn)行識別和分類(lèi)處理，以便在此基礎上完成后續的判斷和操作。識別和分類(lèi)技術(shù)有很多相同的地方，常常在目標識別完成后，目標的類(lèi)別也就明確了。近來(lái)的圖像識別技術(shù)正在跨越傳統方法，形成以神經(jīng)網(wǎng)絡(luò )為主流的智能化圖像識別方法，如卷積神經(jīng)網(wǎng)絡(luò )（CNN）、回歸神經(jīng)網(wǎng)絡(luò )（RNN）等一類(lèi)性能優(yōu)越的方法。

（* ）目標定位和測量

在智能制造中，最常見(jiàn)的工作就是對目標工件進(jìn)行安裝，但是在安裝前往往需要先對目標進(jìn)行定位，安裝后還需對目標進(jìn)行測量。安裝和測量都需要保持較高的精度和速度，如毫米級精度（甚至更?。?，毫秒級速度。這種高精度、高速度的定位和測量，倚靠通常的機械或人工的方法是難以辦到的。在機器視覺(jué)中，采用圖像處理的辦法，對安裝現場(chǎng)圖像進(jìn)行處理，按照目標和圖像之間的復雜映射關(guān)系進(jìn)行處理，從而快速精準地完成定位和測量任務(wù)。

（* ）目標檢測和跟蹤

圖像處理中的運動(dòng)目標檢測和跟蹤，就是實(shí)時(shí)檢測攝像機捕獲的場(chǎng)景圖像中是否有運動(dòng)目標，并預測它下一步的運動(dòng)方向和趨勢，即跟蹤。并及時(shí)將這些運動(dòng)數據提交給后續的分析和控制處理，形成相應的控制動(dòng)作。圖像采集一般使用單個(gè)攝像機，如果需要也可以使用兩個(gè)攝像機，模仿人的雙目視覺(jué)而獲得場(chǎng)景的立體信息，這樣更加有利于目標檢測和跟蹤處理。

* . 機器視覺(jué)的應用

機器視覺(jué)應用廣泛，如安防、制造、教育、出版、醫療、交通、軍事領(lǐng)域等。在這些機器數額的應用中，智能圖像處理都是不可或缺的，這里僅簡(jiǎn)要介紹其中幾個(gè)方面的應用。

（1）智能制造

為了實(shí)現中國智能制造202* 這一宏偉目標，離不開(kāi)機器視覺(jué)。例如，在智能圖像處理一直處于領(lǐng)先地位的廣東迅通科技股份吉印通 （以下簡(jiǎn)稱(chēng)“迅通科技”）針對這一需求開(kāi)發(fā)出了機器視覺(jué)分析儀平臺。其中，迅通科技為某知名汽車(chē)廠(chǎng)商裝配流水線(xiàn)開(kāi)發(fā)的車(chē)門(mén)限位器自動(dòng)定位、檢測和識別的系統。該系統通過(guò)智能圖像識別方式，自動(dòng)檢測型號是否正確，定位是否準確，完全代替了人工操作，檢測準確率達到100%。此前，每個(gè)工位需要* 個(gè)工人用眼睛來(lái)檢查、定位1* 種型號限位器，員工不僅很容易疲勞，還時(shí)常出現差錯。

（2）教育考試

考試試卷時(shí)常發(fā)現因排版或印刷錯誤影響學(xué)生考試，利用智能圖像處理技術(shù)，機器自動(dòng)對印刷后的試卷和原版試卷進(jìn)行比對，發(fā)現不一致之處，會(huì )自動(dòng)提示并報警，完全替代之前只能通過(guò)人工對試卷進(jìn)行校驗。

（* ）出版印刷

和教育考試類(lèi)似，專(zhuān)業(yè)出版印刷廠(chǎng)由于印刷的圖書(shū)、報紙雜志，以及承接來(lái)自企業(yè)產(chǎn)品包裝和宣傳資料的種類(lèi)多，數量大，排版吉印通 刷中經(jīng)常出錯。為此，需安排不少專(zhuān)業(yè)人員進(jìn)行校對，耗費大量的資金和時(shí)間。通過(guò)利用智能圖像處理技術(shù)進(jìn)行自動(dòng)校對，既提高了校對準確度，又縮短了校對時(shí)間，降低了印刷成本，縮短了出版物的交付周期。

（* ）安防監控

這是當前備受機器視覺(jué)關(guān)注的一個(gè)領(lǐng)域。機器視覺(jué)打破了傳統視頻監控系統的限制，增加了系統的智能，使得智能視頻分析得以逐步實(shí)現。以公共場(chǎng)所的視頻監控為例，通過(guò)運用機器視覺(jué)技術(shù)，可以實(shí)現對可疑人物的自動(dòng)檢測、人臉識別、實(shí)時(shí)跟蹤，必要時(shí)還可以實(shí)現多攝像機接連跟蹤，同時(shí)發(fā)出告警，存儲現場(chǎng)信息。

（* ）智能交通

機器視覺(jué)在交通領(lǐng)域有著(zhù)廣泛的應用。例如，在高速公路上及卡口處，對來(lái)往車(chē)輛進(jìn)行車(chē)型、牌照等識別，甚至對行駛車(chē)輛的違規行為進(jìn)行識別。在汽車(chē)上對駕駛員面部圖像進(jìn)行分析，判斷駕駛員是否處于疲勞駕駛狀態(tài)。再如，無(wú)人駕駛汽車(chē)借助于機器視覺(jué)技術(shù)，使用攝像頭、激光/毫米波/超聲波雷達、GPS等感知道路環(huán)境信息，自動(dòng)規劃和控制車(chē)輛的安全行駛。

有數據顯示，201* 年全球機器視覺(jué)系統的市場(chǎng)規模約* * 億美元， 2017年約* 0億美元，預計201* 年達到* * 億美元，年增長(cháng)率為10%左右。中國機器視覺(jué)市場(chǎng)的增長(cháng)是從2010年開(kāi)始的，2017年市場(chǎng)規模約* * 億元，預計到2020年或達7* 0億元，市場(chǎng)增長(cháng)率將超過(guò)100%。

* . 技術(shù)瓶頸及今后的發(fā)展

在機器視覺(jué)的智能圖像處理技術(shù)的發(fā)展中，還存在不少技術(shù)瓶頸，如：

1）穩定性：某種處理方法往往在研究和開(kāi)發(fā)中表現良好，但在復雜多變的應用環(huán)境中，卻不時(shí)地出現問(wèn)題。例如人臉識別系統，在目標配合時(shí)識別率可高達9* %以上，但在實(shí)際監控環(huán)境下，識別率就會(huì )大大下降。

2）實(shí)時(shí)性：如果圖像的采集速度、處理速度較慢，再加上新近引入的深度學(xué)習類(lèi)算法，加大了系統實(shí)時(shí)處理的難度，跟不上機器運行和控制的節奏。

* ）準確性：機器視覺(jué)系統要求圖像識別和測量的準確性接近100%，任何微小的誤差都有可能帶來(lái)不可預測的后果。例如目標定位的誤差會(huì )使裝配出來(lái)的設備不符合要求。

* ）系統能力：目前的嵌入式圖像處理系統，存在芯片的計算能力不足，存儲空間有限等問(wèn)題，常常不能滿(mǎn)足運算量較大的圖像處理運算，如神經(jīng)網(wǎng)絡(luò )的迭代運算，大規模矩陣運算等。

今后機器視覺(jué)中智能圖像處理的發(fā)展主要體現在以下幾個(gè)方面：

1）算法：傳統算法繼續不斷有所突破，新一波人工智能浪潮帶來(lái)不少新的性能優(yōu)良的圖像處理算法，如深度學(xué)習（DL），卷積神經(jīng)網(wǎng)絡(luò )（CNN），生成對抗網(wǎng)絡(luò )（GAN），等等。

2）實(shí)時(shí)性：出現更多結構新穎、資源充足、運算快速的硬件平臺支撐，例如基于多CPU、多GPU的并行處理結構的計算機，海量存儲單元等。

* ）嵌入式：新的高速的信號處理器陣列，超大規模FPGA芯片。

* ）融合處理：從單圖像傳感器發(fā)展到多傳感器（多視點(diǎn)）的融合處理，可更加充分地獲取現場(chǎng)信息。還可融合多類(lèi)傳感器，如圖像傳感器、聲音傳感器、溫度傳感器等共同完對現場(chǎng)目標定位、識別和測量。

總之，無(wú)論是“吉印通 202* ”還是“工業(yè)* .0”都離不開(kāi)人工智能，離不開(kāi)計算機視覺(jué)，而智能圖像處理是機器視覺(jué)的核心技術(shù)，隨著(zhù)圖像處理水平的不斷提高，一定會(huì )有力地推動(dòng)機器視覺(jué)的迅速發(fā)展。