在工业物联网中结合机器视觉和神经网络
大脑皮层是大脑中处理图像的部分。与其他哺乳动物相比，人类拥有最大的大脑皮层。这种卓越的视觉是使人类优于其他动物的进化特征之一。进化生物学家试图揭开这一特征背后的神秘面纱，而技术研究人员则试图复制它。
图 1. 工厂中的机器视觉系统。
人类通过经验和实践来学习。机器学习是人工智能 (AI) 领域，它试图让计算机模仿人脑的学习方式。图像识别和处理是该领域的一个重要子部分。使用图像识别，工程师可以在没有直接人工交互的情况下对物体进行分类。
神经网络和机器视觉
简单来说，机器视觉与算法或神经网络相结合是计算机查看数据并对其采取行动的能力。图像以数字格式馈送到计算机的处理单元，以进行分析、解释和根据它采取行动。在进行此设置之前，我们必须先训练系统学习数据。
在机器视觉中训练神经网络
神经网络是机器学习的高级领域。它们被广泛用于图像识别和其他需要复杂认知的任务。构建人工神经网络的第一步是用图像训练计算机算法。
图 2. 使用图像训练算法的示例。图片由 Teledyne DALSA 提供
人类的任务是标记算法学习所依据的输入图像。在大型标记数据集上训练后，该算法将自行学习以识别对象。数据科学家可以倾斜模型以提高学习速度和其他参数。可以为商业应用部署具有一致精度的完整模型。
但是我们从哪里获得数据来训练模型？
机器视觉的数据源
机器视觉与神经网络相结合，比简单地识别图像更复杂。识别3D（三维）物体也是空间认知。机器视觉程序的来源可以是照片、视频，甚至是实时摄像头。在这种情况下，相机会收集提供给算法的图像或视频。
有采用其他形式输入的机器视觉算法。雷达和激光雷达可以跟踪传感器周围的物体。这种设备的输出不是图像，而是它周围各种物体的坐标。机器视觉算法也可以处理这些信息以获得空间理解。 LiDAR 数据和来自相机的图像的组合也可以用作机器视觉算法的输入。
机器视觉具有广泛的工业和非工业应用。应用范围从识别和导航到为盲人提供视力。
工业中的机器视觉
机器视觉或计算机视觉在行业中有很多应用。由于它仍处于起步阶段，因此每天都会发现更多的工业应用。
图 3。 机器视觉系统检查工厂中的物体。
一些已知的应用程序包括：
- 整理商品
- 挑选产品
- 自动检查
- 光学字符识别
- 识别缺陷
- 识别颜色
- 运动检测
- 识别模式
- 质量保证
- 引导运动（自动导引车或 AGV）
- 自动驾驶汽车
- 读取条码和二维码
- 黑暗工厂
随着机器视觉使用量的增加，实施此类解决方案的成本会下降，并且新的应用程序被识别出来。例如，机器视觉可以与 IIoT 结合使用。
安全
人类安全被用于巡逻各种机构的场地。然而，一个常见的问题是这些人员在奇怪的时间执行任务时所经历的疲劳。使用 IIoT 的机器视觉可以提供帮助。
安全场所的闭路电视 (CCTV) 馈送可以与机器视觉算法挂钩。该算法将持续监控异常活动的提要。一旦检测到入侵者或其他异常活动，系统就会触发警报，供人类警卫检查。
它还可以自动执行安全协议，例如为围栏通电、在出口处部署尖峰、向警察发出警报等。所有通信都将通过互联网设备之间的网络进行，以执行任何协议。
化工厂
化工厂对人类员工来说是危险的。如果流程可以自动化，那将是有益的。以化工厂中的一个过程为例，该过程要求材料在关闭热量之前沸腾。如果没有机器视觉，人类技术人员必须等待并观察过程。
图 4。 化工厂排气管和锅炉。
借助机器视觉，相机可以专注于解决方案，经过训练以检测沸腾的神经网络可以检测混合物是否开始沸腾。一旦算法检测到溶液中的沸腾，它就会触发一个标志。这通过网络发送到中央计算系统。该系统的设计使得接收到该信号将触发关闭热量的机制。
在这种情况下，人员不必在工厂内吸入化学烟雾来监控过程。机器视觉和工业物联网可以使整个过程自动化。在这个特定的例子中，红外线或其他温度检测传感器也可以用来检测沸腾的混合物。
黑暗工厂
暗工厂，作为一个概念，是最大限度地利用机器视觉、自动化和工业物联网能力的延伸。黑暗工厂是一种不需要人工操作或监控工厂操作的制造设施。本质上，工厂不需要灯光，因此可以在黑暗中运作。
从原材料运送到包装，最终产品将完全自动化。原材料将由叉车和机械臂在机器视觉辅助下进行拣选和分类。组装各种零件的机械手将使用机器视觉来识别每个零件的去向。 AGV 使用机器视觉导航，处理工厂内的物料运输。
成品通过结合机器视觉功能的机器人进行检查和测试。分拣不良品和包装成品也使用机器视觉。
仅举几例，诸如黑暗工厂和化学过程之类的应用都可以从机器视觉中受益。它的算法可以保证人员安全、流程安全并提高效率。您在车间使用机器视觉的哪些类型的应用程序？
工业机器人