人工智能的“慧眼” 机器视觉技术

电子说

1.3w人已加入

描述

我们所说的机器视觉技术,就是用机器代替人眼来做测量和判断,其最大的特点是速度快、信息量大、功能多。机器视觉作为全球智能的“慧眼”,很大程度上影响着人工智能的进步,无人驾驶、无人机、智能机器人等近期热点中的热点也以机器视觉的发展为前提。

据透明市场研究(Transparency Market Research)发布的市场报告,机器视觉增长迅速,我国增速最大。2015年全球机器视觉市场规模约42亿美元,增长10.5%。美国约占50%,日本紧随其后。

我国起步较晚,但发展迅速,随着中国十三五规划强调制造业技术创新和中国制造2025战略的深入推进,在工业4.0时代,我国的机器视觉将迎来爆发增长。2015年我国市场规模达3.5亿,增速为全球首位,约22.2%。到2021年,机器视觉全球市场价值预计将达285亿美元,2016-2020年期间,以8.4%的复合年增长率增长,而中国将维持20%的增长率,远大于世界平均水平。

典型应用

作为人功能智能发展前提的机器视觉技术,其主要有五大典型应用:

1图像识别应用

图像识别,是利用机器视觉对图像进行处理、分析和理解,以识别各种不同模式的目标和对象。图像识别在机器视觉工业领域中最典型的应用就是二维码的识别。将大量的数据信息存储在二维码中,通过条码对产品进行跟踪管理,通过机器视觉系统,可以方便的对各种材质表面的条码进行识别读取,大大提高了现代化生产的效率。

中科创达物体识别技术

2图像检测应用

检测是机器视觉工业领域最主要的应用之一。几乎所有产品都需要检测,而人工检测存在着较多的弊端,因此,具有诸多优点的机器视觉在图像检测的应用方面也非常的广泛,例如:2000年10月新发行的第五套人民币中,壹圆硬币的侧边增强了防伪功能,鉴于生产过程的严格控制要求,在造币的最后一道工序上安装了视觉检测系统。

3视觉定位应用

视觉定位要求机器视觉系统能够快速准确的找到被测零件并确认其位置。在半导体封装领域,设备需要根据机器视觉取得的芯片位置信息调整拾取头,准确拾取芯片并进行绑定,这就是视觉定位在机器视觉工业领域最基本的应用。

4物体测量应用

机器视觉工业应用最大的特点就是其非接触测量技术,同样具有高精度和高速度的性能,但非接触无磨损,消除了接触测量可能造成的二次损伤隐患。常见的测量应用包括齿轮、接插件、汽车零部件、IC元件管脚、麻花钻、罗定螺纹检测等。

5物体分拣应用

实际上,物体分拣应用是建立在识别、检测之后一个环节,通过机器视觉系统将图像进行处理,实现分拣。在机器视觉工业应用中常用于食品分拣、零件表面瑕疵自动分拣、棉花纤维分拣等。

机器视觉技术在易拉罐质量检测系统中的应用

未 来 发 展 趋 势

从计算机视觉的发展前景看,全球市场规模2016年后发展极为迅速。考虑到机器视觉与计算机视觉相融相通,步伐同步,可以断定机器视觉广阔前景,而其发展趋势也会随着市场的发展与需求呈现出如下的转变:

半导体行业的发展带动机器视觉行业市场

机器视觉的主要应用在半导体和电子行业,而据各种各样的研究调查表明,中国的半导体和电子市场已初具规模,而日益进步的半导体产业将需要高质量的技术做后盾,需要有够硬的自主研发水平,同时半导体本身对于产品的高质量、高集成度的要求将越来越高。恰巧,机器视觉将能帮助他们解决这些问题,因此该行业将是机器视觉最好的用武之地。同时,市场对于机器视觉的需求蒸蒸日上。

基于嵌入式的产品将取代板卡式产品

随着各项高新技术的发展,市场需求的变化,更高速、更可靠、更低成本成为各种技术开发的首要条件之一。嵌入式视觉系统是将先进的计算机技术、半导体技术和电子技术和各个行业的具体应用相结合后的产物。机器视觉行业在未来将由嵌入式产品取代传统的板卡式产品,主要原因有以下三点:

❈ 嵌入式系统的功耗和成本更低;

❈ 嵌入式操作系统开发效率高,研发周期短;

❈ 嵌入式设备提供了友好的多媒体人机界面。

个性化的服务和方案代替标准化产品

机器视觉在很多行业都有着广泛的应用,然而每个行业每个企业对于产品都有着不同的需求,随着中国加工制造业的发展,对于机器视觉的需求也逐渐增多;随着机器视觉产品的增多,技术的提高,国内机器视觉的应用状况将由初期的低端转向高端。由于机器视觉的进一步发展,自动化将朝着更智能、更快速的方向发展。然而,由于用户的需求是多样化的,且要求程度也不相同。因此个性化方案和服务在竞争中将日益重要,即用特殊定制的产品来代替标准化的产品也是机器视觉未来发展的一个取向。机器视觉的应用也将进一步促进自动化技术向智能化发展。

机器视觉是人工智能正在快速发展的一个分支,已经渗入到我们的日常生活的方方面面,并且,随着AI市场的爆发,机器视觉技术有望在多个领域掀起新风暴!

打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分