0
購物車
1、機器視覺是人工智能重要的前沿技術
機器視覺是人工智能行業的重要前沿分支。機器視覺通過模擬人類視覺系統，賦予機器“看”和“認知”的能力，是機器認識世界的基礎。機器視覺利用成像系統代替視覺器官作為輸入手段，利用視覺控制系統代替大腦皮層和大腦的剩余部分完成對視覺圖像的處理和解釋，讓機器人自動完成對外部世界的視覺信息的探測，做出相應判斷并采取行動，實現更復雜的指揮決策和自主行動。作為人工智能前沿的領域之一，視覺類技術是人工智能企業的布局重點，具有較大的技術分布。
機器視覺在智能制造領域應用廣泛，按功能主要可分為四大類：識別、測量、定位和檢測。識別功能指甄別目標物體的物理特征，包括外形、顏色、字符、條碼等，其準確度和識別速度是衡量的重要指標；測量功能指把獲取的圖像像素信息標定成常用的度量衡單位，然后在圖像中精確地計算出目標物體的幾何尺寸，主要應用于高精度及復雜形態測量；定位功能指獲取目標物體的坐標和角度信息，自動判斷物體位置，多用于全自動裝備和生產；檢測功能指對目標物體進行外觀檢測，判斷產品裝配是否完整和外觀是否存在缺陷。
2、 機器視覺基本架構
機器視覺（Machine Vision）是指通過光學裝置和非接觸傳感器自動接收并處理真實物體的圖像，分析后獲取所需信息或用于控制機器運動的裝置。通俗地說，機器視覺就是用機器代替人眼。機器視覺模擬眼睛進行圖像采集，經過圖像識別和處理提取信息，最終通過執行裝置完成操作。
五大模塊構筑機器視覺系統：按照信號的流動順序，機器視覺系統主要包括光學成像、圖像傳感器、圖像處理、IO 和顯示等五大模塊。光學成像模塊設計合理的光源和光路，通過鏡頭將物方空間信息投影到像方，從而獲取目標物體的物理息；圖像傳感器模塊負責信息的光電信號轉換，目前主流的圖像傳感器分為CCD 與CMOS 兩類；圖像處理模塊基于以CPU 為中心的電路系統或信息處理芯片，搭配完整的圖像處理方案和數據算法庫，提取信息的關鍵參數；IO 模塊輸出機器視覺系統的結果和數據；顯示模塊方便用戶直觀監測系統的運行過程，實現圖像的可視化。
相對于人類視覺而言，機器視覺在量化程度、灰度分辨力、空間分辨力和觀測速度等方面存在顯著優勢。其利用相機、鏡頭、光源和光源控制系統采集目標物體數據，借助視覺控制系統、智能視覺軟件和數據算法庫進行圖形分析和處理，軟硬系統相輔相成，為下游自動化、智能化制造行業賦予視覺能力。隨著深度學習、3D 視覺技術、高精度成像技術和機器視覺互聯互通技術的發展，機器視覺性能優勢進一步提升，應用領域也向多個維度延伸。
3、 機器視覺發展歷程
機器視覺起源于上世紀50 年代，Gilson 提出了“光流”這一概念，并基于相關統計模型發展了逐像素的計算模式，標志著2D 影像統計模式的發展。1960 年，美國學者Roberts 提出了從2D 圖像中提取三維結構的觀點，引發了MIT 人工智能實驗室及其它機構對機器視覺的關注，并標志著三維機器視覺研究的開始。
70 年代中期，MIT 人工智能實驗室正式開設“機器視覺”課程，研究人員開始大力進行“物體與視覺”相關課題的研究。1978 年，David Marr 開創了“自下而上”的通過計算機視覺捕捉物體形象的方法，該方法以2D的輪廓素描為起點，逐步完成3D 形象的捕捉，這一方法的提出標志著機器視覺研究的重大突破。
80 年代開始，機器視覺掀起了全球性的研究熱潮，方法理論迭代更新，OCR 和智能攝像頭等均在這一階段問世，并逐步引發了機器視覺相關技術更為廣泛的傳播與應用。
90 年代初，視覺公司成立，并開發出一代圖像處理產品。而后，機器視覺相關技術被不斷地投入到生產制造過程中，使得機器視覺領域迅速擴張，上百家企業開始大量銷售機器視覺系統，完整的機器視覺產業逐漸形成。（來源：機器人在線）
幫助中心
會員中心
在線客服