工業(yè)視覺檢測發(fā)展的現(xiàn)狀
點(diǎn)擊上方“小白學(xué)視覺”，選擇加"星標(biāo)"或“置頂”
重磅干貨，第一時(shí)間送達(dá)
機(jī)器視覺依據(jù)應(yīng)用不同可GIDI-G(Guidance-導(dǎo)引)、I(Inspection-檢測)、D（Dimension-尺寸測量）、I（ID-ID識別）。最近隨著硬件的發(fā)展、市場的需求還有近年計(jì)算機(jī)視覺技術(shù)的火熱，主要有幾個(gè)趨勢：
-?領(lǐng)域的拓展（不僅僅是工業(yè)，還有到民用）：自動(dòng)化的檢測代替人工檢測是必然發(fā)展趨勢，需求越來越多樣原來只是生產(chǎn)線上，現(xiàn)在制造、醫(yī)療、電子、倉儲(chǔ)等各個(gè)領(lǐng)域都有各種各樣的應(yīng)用。比如國內(nèi)某知名電商，使用三維來進(jìn)行包裹尺寸的檢測，與總量參數(shù)匹配進(jìn)行內(nèi)部追蹤。
-2D到3D：工業(yè)界基本都是三維的部件，而且二維成像畢竟是三維空間的實(shí)際情況的一種病態(tài)數(shù)據(jù)采集，所以目前圍繞3D的各種檢測、測量、機(jī)器人導(dǎo)引等項(xiàng)目層出不窮，這與計(jì)算機(jī)視覺的情況有異曲同工之處，什么結(jié)構(gòu)光、ToF、雙目等等技術(shù)各家公司也多如牛毛。
-系統(tǒng)實(shí)施受各種因素制約大：如果你問我做一個(gè)機(jī)器視覺檢測的項(xiàng)目最重要的是什么，我肯定會(huì)說能得到一張高質(zhì)量的圖片，而就為了得到這么一個(gè)圖片那需要考慮太多太多，光源、鏡頭選擇、傳感器選型、節(jié)拍考慮、安裝布置、自動(dòng)化集成、環(huán)境因素考量、工件狀態(tài)變化等等，哪一個(gè)部分出了問題都會(huì)影響你的圖像質(zhì)量，而如果你沒有足夠好的圖片，那么再厲害的算法也沒有用，而且因?yàn)樯a(chǎn)線都有良品率和節(jié)拍要求，整個(gè)視覺檢測系統(tǒng)不夠快速可靠的話那你的誤檢率會(huì)非常之高，而這又是無數(shù)廠家需要面對的問題。舉個(gè)例子，我需要檢測一種鋁制外殼的某個(gè)區(qū)域有幾個(gè)孔，當(dāng)你的供應(yīng)商給你的一個(gè)批次和另外的一個(gè)批次外表面顏色有不同或者不均勻是，那等著你的必然是要停機(jī)從新設(shè)置參數(shù)，從新驗(yàn)證產(chǎn)品，而這幾乎是無法避免百分百會(huì)發(fā)生的現(xiàn)實(shí)。
-算法不如硬件發(fā)展快：這是我的感覺，而且我覺得這是目前很重大的瓶頸。硬件從系統(tǒng)方面來說就是往可移動(dòng)的嵌入式方向發(fā)展，而軟件目前的智能還遠(yuǎn)遠(yuǎn)不夠，在計(jì)算機(jī)視覺領(lǐng)域大熱的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)目前在機(jī)器視覺領(lǐng)域的成功應(yīng)用少之又少，ViDi是一個(gè)，F(xiàn)anuc/Preferred Networks和Google的機(jī)器人抓取是一個(gè)，這還是相對簡單的，當(dāng)目標(biāo)對象多變、特征復(fù)雜、樣本數(shù)不夠的時(shí)候，你想用深度學(xué)習(xí)根本沒機(jī)會(huì)，還是要回到傳統(tǒng)的老路上來，再考慮實(shí)時(shí)性的嚴(yán)格要求，機(jī)器視覺特別需要一種新的智能的普遍使用大部分應(yīng)用領(lǐng)域的方法出來，或是創(chuàng)新、或是改良、或是綜合。
-要具體問題具體看待：機(jī)器視覺還是與具體的應(yīng)用領(lǐng)域深切關(guān)聯(lián)的，每一個(gè)應(yīng)用都需要選擇與之配套的專用硬件和軟件，都需要專門的設(shè)計(jì)，所以沒有一種解決方案能適用于所有的情況。
-公司：國內(nèi)做集成做代理的很多很多，真正有領(lǐng)先技術(shù)的太少，看看凌云、大恒，你就知道什么情況，最近還有視頻監(jiān)控的老大?？低?，也做機(jī)器視覺了。國外的你可以研究一下Cognex和Keyence。還有就是，沒有公司會(huì)做一個(gè)機(jī)器視覺系統(tǒng)所有的東西，核心就是算法還有整個(gè)硬件的集成，有專門的公司做鏡頭、有專門的公司做光源，專門的公司做支架，沒有一個(gè)公司會(huì)全部自己做。
最后我要說一下機(jī)器視覺（machine vision）和計(jì)算機(jī)視覺（computer vision），雖然都是對圖像數(shù)據(jù)進(jìn)行處理，但是兩者區(qū)別極大，一個(gè)是更偏整個(gè)系統(tǒng)級應(yīng)用導(dǎo)向的，一個(gè)是專注于算法的半理論半應(yīng)用結(jié)合的。但也不是沒有聯(lián)系，比如工業(yè)制造中AR的應(yīng)用，你也說不清是要分類到哪種技術(shù)了。
來源于網(wǎng)絡(luò)，文章僅代表作者個(gè)人見解，僅供參考
交流群
歡迎加入公眾號讀者群一起和同行交流，目前有SLAM、三維視覺、傳感器、自動(dòng)駕駛、計(jì)算攝影、檢測、分割、識別、醫(yī)學(xué)影像、GAN、算法競賽等微信群（以后會(huì)逐漸細(xì)分），請掃描下面微信號加群，備注：”昵稱+學(xué)校/公司+研究方向“，例如：”張三?+?上海交大?+?視覺SLAM“。請按照格式備注，否則不予通過。添加成功后會(huì)根據(jù)研究方向邀請進(jìn)入相關(guān)微信群。請勿在群內(nèi)發(fā)送廣告，否則會(huì)請出群，謝謝理解~