機器視覺長期以來用于工業自動化系統中，以通過取代傳統上的人工檢查來提高生產質量和產量。從拾取和放置、對象跟蹤到計量、缺陷檢測等應用，利用視覺數據可以通過提供簡單的通過失敗信息或閉環控制回路，來提高整個系統的性能。

視覺的使用并不僅僅在工業自動化領域；我們也看到了相機在日常生活中的大量應用，例如用于計算機、移動設備，特別是在汽車中。攝像頭僅僅是在幾年前才被引入到汽車中，但是現在汽車中已經配備了大量攝像頭，為駕駛員提供完整的360°車輛視圖。

但是談到機器視覺領域的最大技術進步，可能一直是處理能力。隨著處理器性能每兩年翻一番，以及對多核CPU、GPU和FPGA等并行處理技術的持續關注，視覺系統設計人員現在可以將高度復雜的算法應用于視覺數據，并創建更智能的系統。

工業控制領域里機器視覺的作用是什么

首先，因為可以使用相同的軟件開發視覺系統和運動系統，設計者不需要熟悉多種編程語言或環境，因此降低了開發復雜性。第二，消除了以太網網絡上的潛在性能瓶頸，因為現在數據僅在單個應用中的環路之間傳遞，而不是在物理層之間傳遞。

這使得整個系統的運行具有確定性，因為一切共享相同的過程。當將視覺直接引入控制回路中時，例如在視覺伺服應用中，這是特別有價值的。這里，視覺系統在運動期間連續捕獲致動器和目標零件的圖像，直到運動完成。這些捕獲的圖像用于提供關于運動成功的反饋。有了這一反饋，設計人員可以提高現有自動化的精度和精密度，而無需升級到高性能運動硬件。

這種系統的一個很好的選擇是：使用將處理器和FPGA與I／O相結合的異構處理架構。已經有很多行業投資這種架構。不幸的是，雖然這種架構提供了很多性能和可擴展性，但是實現它的傳統方法需要專業知識，特別是在使用FPGA時。這為設計者帶來了巨大風險，并有可能導致使用該架構不切實際甚至不可能。然而，使用集成軟件，設計人員可以通過提取低級復雜性，并將所需的所有技術集成到單一開發環境中，來提高生產率，降低風險。

機器視覺是一項復雜的任務，需要大量的處理能力。隨著摩爾定律繼續增加處理元件（如CPU、GPU和FPGA）的性能，設計人員可以使用這些組件來開發高度復雜的算法。設計人員還可以使用此技術來提高設計中其他組件的設計性能，特別是在運動控制和I／O領域。

隨著所有這些子系統性能的提高，用于開發這些機器的傳統分布式架構將面臨壓力。將這些任務整合到單個控制器中，運行在單個軟件環境下，消除了設計過程中的瓶頸，使設計人員可以專注于創新，而不必擔心實施問題。

返回列表