機器視覺將機器學習與一系列工具結合起來，賦予消費者和商業級硬件新的觀察和解釋環境的能力。在工業環境中，這些技術加上自動化和更高速的網絡，構成了一場新的工業革命――工業4.0。它們還為開展低浪費、高效率的工業活動提供了全新的途徑。
 

　　現在，機器視覺已經初具規模，世界各地的公司都在探索它所帶來的好處。
 

　　機器視覺會影響制造，鉆探和采礦。在貨運和供應鏈管理、質量保證、物料搬運、安全以及各種其他流程和垂直領域，還有其他優勢。
 

　　不久以后，機器視覺將無處不在，為工業世界構建的物聯網增加一層關鍵的智能。讓我們來看看公司是如何將其付諸實踐的。
 

　　什么是機器視覺？
 

　　機器視覺是一套讓機器更好地感知周圍環境的技術。它有助于更高級別的圖像識別和基于該感知的決策
 

　　為了利用機器視覺，一臺工業設備使用高保真攝像機捕獲環境或工件的數字圖像。圖像可以在自動導引車(AGV)或機器人檢查站中拍攝。從那里，機器視覺使用極其復雜的模式識別算法來判斷其位置，身份或狀況。
 

　　在手動檢查中，實現正確的照明是正確實現機器視覺的關鍵因素。
 

　　在機器視覺應用中有幾種常見的光源，包括led、石英鹵素、金屬鹵化物、氙氣和傳統的熒光燈。如果條碼或工件的一部分被陰影遮擋，則當沒有條碼或工件時，讀數可能會傳遞錯誤，反之亦然。
 

　　機器視覺結合了前沿的硬件和軟件，使機器能夠以新穎且有益的方式觀察并響應外部刺激。
 

　　機器視覺如何支持業務和工業物聯網？
 

　　工業物聯網(IIoT)設備的普及標志著技術進步的重要時刻。IIoT為企業從上到下提供了新的運營可視性。網絡傳感器和基于云的企業和資源規劃中樞在本地和遠程資產以及業務合作伙伴之間提供雙向數據移動性。
 

　　雙向移動性可以像機械活塞或軸承一樣小。它還可以像卡車車隊一樣大，可以使用正確的IoT硬件和軟件生成寶貴的運營數據。企業可以到處可見，即使他們資源或勞動力短缺。
 

　　物聯網首先代表了無處不在的計算。
 

　　機器視覺在這一切中處于什么位置呢?機器視覺使現有的物聯網資產更加強大，能夠更好地傳遞價值和效率。我們可以期待它創造一些全新的機會。
 

　　• 使傳感器更加有用
 

　　機器視覺使整個物聯網中的傳感器變得更加強大和有用。傳感器不提供原始數據，而是提供可用于決策或進一步自動化的解釋和抽象級別。
 

　　• 降低帶寬需求
 

　　機器視覺可能有助于降低大規模物聯網擴展的帶寬需求。與在源處捕獲圖像和數據并將其發送到服務器進行分析相比，機器視覺通常在數據源處進行研究。現代工業產生了數百萬個數據點，但是由于機器視覺和邊緣計算的幫助，它可以在無需傳輸到輔助位置的情況下產生大量可行的見解。
 

　　• 支持物聯網自動化解決方案
 

　　機器視覺非常出色地補充了物聯網自動化技術。機器人檢查站可以比QA員工更快，更準確地工作，當發現缺陷和異常時，它們可以立即為決策者提供相關數據。
 

　　• 提高機器人和協作機器人的安全性和實用性
 

　　利用機器視覺構建的導航系統使機器人和協作機器人擁有更大的自主權和尋路能力，并幫助他們與人工一起更快更安全地工作。在存在錯誤風險的倉庫和其他環境中，機器視覺可幫助機械手揀選人員縮短響應時間，并限制可能導致業務損失的缺陷。
 

　　• 使資產之間更加了解
 

　　當今和未來的經濟需要公司和行業在運營的同時減少浪費時間、物力和勞動力。機器視覺將繼續使無人機、材料處理設備、無人駕駛車輛和托盤卡車、生產線和檢測站能夠更好地與網絡的其他部分交換詳細和有價值的數據。
 

　　在工廠環境中，這意味著機器和人員可以更好地協調工作，而不會出現瓶頸，超限和其他故障。
 

　　企業如何應用機器視覺？
 

　　當您考慮到典型工業流程中涉及的每個步驟時，不難發現機器視覺可以改善操作的每個方面。
 

　　為了制造一個單一的汽車零件，人和機器協作來獲取原材料，評估它們的質量，將它們運輸到工廠進行加工，并在每個制造階段將這些產品運送到工廠。最終，他們通過QA過程成功地看到它，然后再次出門，那里至少有最后一段流程在等待著它。稍后，零售商或最終用戶會收到它。
 

　　無論該產品處于靜止狀態，運輸中還是尚未組裝，機器視覺都提供了一種自動處理產品的方法。它提高了每個部門(例如裝配)的效率，并保持了更高，更一致的質量水平。
 

　　在現實世界中，公司已經將機器視覺加入到他們的工作流程中。
 

　　一些應用程序很簡單，例如在倉庫地面上放置一條生產線，以使無人駕駛車輛安全地跟隨。其他機器視覺工具甚至更復雜，盡管即使是十分簡單的示例也可以改變游戲規則。
 

　　在工業界中，最令人興奮的機器視覺示例包括曾經被認為很難或不可能外包給機器人的任務。如前所述，從倉庫的垃圾箱中揀貨是一個過程，當涉及到錯誤時，它具有固有的風險。履行過程中的錯誤會使商譽和客戶蒙受損失。
 

　　考慮到產品損壞、物品位置和SKU的細微變化是這一領域最大的錯誤來源，機器學習撿箱是一個自然的選擇。
 

　　如今已經有近100%的自動揀選機器人可用，它們可以安全地導航，檢查垃圾箱中的零件和產品，使用機械臂進行正確的揀選并將揀選運輸到集結或包裝區域。
 

　　最終，這意味著公司在運輸損壞的貨物或看上去與客戶訂購的(但不完全匹配)錯誤的SKU時，風險要小得多。
 

　　自動化的質量保證和檢查是機器視覺和IoT的另一個方面，它正在迅速普及。
 

　　在一些現代制造環境中，它可以幫助雇主自動化并改進QA流程的結果，甚至不需要犧牲人力。相反，自動化監察站處理這些高優先級的工作，而員工則學習更多需要認知能力的技能。
 

　　到2025年，協助機器人很可能在所有機器人銷售中占有34%的份額。這在很大程度上是由于機器視覺的改進和盡可能消除現代工業中的低效率、不精確性和浪費的努力。
 

　　機器視覺與第四次工業革命
 

　　預計機器視覺將在未來幾年繼續發展，并為工業4.0做出進一步貢獻，許多人稱之為第四次工業革命。 人們已經開始關注具有機器視覺功能的嵌入式和板級圖像處理的新型低成本產品。
 

　　機器視覺功能將使物聯網和機器視覺得到更廣泛采用，并為企業利用數字智能提供新的方式。