什么是机器视觉？
机器视觉是计算机看到的能力；它采用一个或多个摄像机、模数转换(物理输出核心)和数字信号处理.由此产生的数据进入计算机或机器人控制器。机器视觉在复杂性上类似于声音识别.
机器视觉有时与这个术语混为一谈计算机视觉。该技术通常与人工智能，机器学习和深度学习以加速图像处理。
机器视觉是如何工作的？
机器视觉使用摄像机从周围环境中捕捉视觉信息。然后，它使用硬件和软件的组合来处理图像，并准备用于各种应用的信息。机器视觉技术通常使用专门的光学器件来获取图像。这种方法允许对图像的某些特征进行处理、分析和测量。
例如，作为制造系统一部分的机器视觉应用程序可用于分析装配线上正在制造的零件的特定特征。它可以确定零件是否符合质量标准，如果不符合，则处理该零件。
在制造环境中，机器视觉系统通常需要:
- 照明。照明照亮物体或场景，使其特征可见。
- 镜头。这将捕获图像并将其传递给传感器在相机里照光。
- 捕捉板、帧抓取器或传感器。这些设备协同工作，处理来自相机的图像，并将其转换为像素形式的数字格式。图像传感器利用以下两种方式之一将光转换成电信号互补金属氧化物半导体技术还是电荷耦合装置.
- 处理器。处理器运行处理数字图像并提取所需信息的软件和相关算法。
- 交流。这些系统使机器视觉摄像机和处理系统能够与更大系统的其他元件通信，通常使用分立的输入/输出信号或连续的联系。
有两种类型的摄像机用于制造机器视觉:面扫描摄像机和线扫描摄像机。它们是这样工作的:
- 区域扫描。这些相机使用矩形传感器在单帧中拍照。传感器中的像素数量对应于图像的宽度和高度。区域扫描相机用于扫描宽度和高度相同的物体。
- 线扫描。这些相机一个像素一个像素地构建图像。它们适用于拍摄运动中或尺寸不规则的物品。拍摄照片时，传感器以线性运动方式通过物体。线扫描相机不像面扫描相机那样受限于特定的分辨率。
照相机镜头的光学质量各不相同。任何视觉系统的两个重要规格是镜头的灵敏度和分辨率，它们具有以下特征:
- 灵敏度是机器在昏暗的光线下看东西或在不可见的波长下探测微弱脉冲的能力。
- 解决是机器能够区分物体的程度。
一般来说，分辨率越大，视野就越狭窄。灵敏度和分辨率是相互依赖的。如果其他因素不变，提高灵敏度会降低分辨率，提高分辨率会降低灵敏度。
人眼对电磁很敏感波长从390到770不等纳米。摄像机可以对更宽的波长范围敏感。一些机器视觉系统在红外线的紫外线或X射线波长。
双筒望远镜，也称为立体声机器视觉要求计算机具有先进的处理器。此外，高分辨率摄像机、大量的随机存取存储和AI编程都是深度感知所需要的。
机器视觉系统是如何使用的？
机器视觉应用在许多行业中用于执行各种任务，包括:
- 电子元件分析。机器视觉用于电路板的构建，以完成焊膏检查和元件放置等任务。
- 光学字符识别。光学字符识别使计算机能够从图像中提取打印或手写文本。
- 手写和签名识别。有了这些特征，计算机可以检测笔迹和签名图像中的模式。
- 物体识别。在汽车工业中，无人驾驶汽车使用物体识别通过摄像机拍摄的图像来识别道路上的障碍物。机器视觉系统还可以确定物体的位置，例如药瓶上标签的正确位置。
- 模式识别。 医学成像分析使用模式识别，根据磁共振成像、血液扫描和大脑扫描等技术进行诊断。
- 材料检验。材料检测系统中的机器视觉功能确保质量管理。机器视觉检测一系列材料和产品中的瑕疵、缺陷和污染物。例如，这些系统可以在生产过程中检测药丸和药片的问题。
- 货币检查。机器视觉用于分析货币以检测伪钞。
- 物品清点。此功能用于计数物品，如一包中的药丸或一箱中的瓶子。
人工智能中的机器视觉
人工智能用于机器视觉，以加快决策过程。人工智能能够处理大量图像和数据信息，这些信息在以前很难收集。
人工智能如何与机器视觉结合使用的示例如下:
- 签名和字符识别需要一定程度的细微差别，人工智能可以协助。
- 在制造业，人工智能有助于物体识别和材料检查，使机器视觉系统能够理解物体或材料的形状和纹理的可接受变化。
- 在…里质量保证，人工智能系统可以解释可接受的异常，而不是拒绝任何不严格符合某一规范的东西。
机器人学中的机器视觉
机器视觉与人工智能和深度学习相结合，扩展了机器人在执行生产线任务中的作用，如拣选、分拣、放置和执行生产线扫描。这种技术的结合也使得机器人能够在其他环境, 比如超市、医院和餐馆。
例如，具有机器视觉的机器人可以在超市过道中导航，捕捉商店货架上产品的库存数据。它扫描产品使用射频识别读取条形码的技术，能够在拥挤的过道中避开障碍物。Amazon Go零售店使用机器视觉系统来监控库存，并在客户准备付款时检查他们。
机器视觉技术实现了自动化，使各种应用中的过程序列联网成为可能。机器视觉也使机器人和人类之间的协作更加高效和安全。
例如，在超市里，一个机器人可以专门执行存货管理任务，以便员工有更多的时间来帮助客户。它可以比人更频繁、更准确地执行清单扫描。在装配线上，具有机器视觉的机器人可以分析危险材料并执行其他危险任务，而不会将工人暴露在不安全的条件下。
具有机器视觉功能的机器人收集和使用的数据可以在云中或边缘网络的可扩展性和细节数据分析.
机器视觉和计算机视觉有什么区别？
在某些情况下，条款计算机视觉和计算机视觉同义使用。在其他情况下，进行区分。
计算机视觉通常与计算机的视觉能力的工业应用有关。该术语计算机视觉通常用于描述任何一种技术，在这种技术中，计算机的任务是将图像数字化，处理图像中包含的数据并采取某种行动。
另一个区别是处理能力，也就是机器和计算机的区别。机器视觉系统通常处理能力较低，用于精益生产环境中，高速执行实际任务以获取完成特定工作所需的数据。
计算机视觉系统收集尽可能多的关于物体或场景的数据，并旨在完全理解它们。计算机视觉更适合收集通用的、可转移的信息，这些信息可以应用于各种任务。它也可以在没有相机的情况下进行，因为该术语可以指计算机处理来自任何来源(包括互联网)的图像的能力。
机器视觉是人工智能在制造业中的众多应用之一。学习其他制造企业使用人工智能的方式简化业务流程，提高效率。
