（文章來源：51CTO）

機器視覺將機器學習與商業(yè)級的硬件融合在一起，為消費者和企業(yè)提供前所未有的感知環(huán)境的能力。除了這些技術，還有自動化和高速網絡，共同構成了一場新的工業(yè)革命——工業(yè)4.0。它們將為工業(yè)帶來一種低浪費、高效率工業(yè)活動的全新方式。機器視覺將會影響制造、鉆探和采礦等垂直領域。在貨運和供應鏈管理、質量保證、材料處理、安全，以及其他各種過程中，都會有進一步的發(fā)展。

不久之后，機器視覺將會無處不在，為工業(yè)世界構建的物聯(lián)網(Internet of Things)提供關鍵的智能技術。下面，讓我們來看看它是如何付諸實踐的。什么是機器視覺?機器視覺是一種能讓機器更好地感知周圍環(huán)境的技術。它有助于高階圖像識別和更高級意識的決策。

為了利用機器視覺，需要使用高保真攝像機來捕捉環(huán)境或工件的數字圖像。這些圖像可以通過自動駕駛車輛(AGV)或機器人進行拍攝。然后機器視覺使用非常復雜的模式識別算法來判斷它的位置、身份或條件。適當的照明是實現(xiàn)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(tǒng)的熒光燈。如果條形碼或工件的一部分被遮擋，讀取可能會產生錯誤。

機器視覺結合了先進的硬件和軟件，使機器能夠以新的有效的方式觀察并對外界刺激作出反應。機器視覺如何支持企業(yè)和工業(yè)物聯(lián)網?工業(yè)物聯(lián)網(IIoT)設備的普及標志著技術的進步。IIoT使企業(yè)業(yè)務自上而下獲得前所未有的可見性?；诰W絡傳感器和云資源，為企業(yè)與業(yè)務合作伙伴之間提供本地和遠程資產的雙向移動。

物聯(lián)網硬件和軟件可以產生有價值的操作數據，不僅應用于機械活塞或軸承這樣的小部件，也可用于卡車車隊這樣的大系統(tǒng)。企業(yè)應該把目光投向任何有潛力的地方，即使是在資源或勞動力短缺的時候。物聯(lián)網意味著無處不在的計算，機器視覺在物聯(lián)網中處于什么位置呢?機器視覺使現(xiàn)有的物聯(lián)網資產更加強大，能夠更好地傳遞價值和效率。我們共同期待它創(chuàng)造出更多全新的機會。

增強傳感器的作用：機器視覺使整個物聯(lián)網中的傳感器更加強大和有用。傳感器不僅提供原始數據，還能提供一定程度的解釋和抽象，可用于決策制定或實現(xiàn)更高級別的自動化。降低帶寬需求：機器視覺有助于降低大規(guī)模物聯(lián)網構建的帶寬需求。與原有方式相比——從數據源捕獲圖像和數據，然后將其發(fā)送到服務器進行分析，機器視覺通常從數據源進行研究?，F(xiàn)代工業(yè)產生了數以百萬計的龐大數據，借助于機器視覺和邊緣計算，大量數據點可以直接轉化為可執(zhí)行的操作，而不需要傳輸到中間節(jié)點進行二次處理。支持物聯(lián)網自動化解決方案：機器視覺非常好地補充了物聯(lián)網自動化技術。

與QA人員相比，機器人檢測的工作速度更快、更準確，而且一旦發(fā)現(xiàn)缺陷和異常，它們會立即向決策者提供相關數據。提高機器人/協(xié)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(tǒng)賦予機器人/協(xié)作機器人更大的自主性和尋路能力，幫助它們與人類一起更快、更安全地工作。在地下倉庫和其他具有高風險的環(huán)境中，機器視覺幫助機器人提高響應時間，減少不必要的錯誤及其損失。使資產更加透明化：與傳統(tǒng)模式相比，如今公司和產業(yè)的運作，在時間、材料和勞動力等資產浪費方面要少得多。

企業(yè)如何應用機器視覺?當你考慮典型工業(yè)過程中的每一個步驟時，不難看出機器視覺可以改進操作的每一個環(huán)節(jié)。例如制造一個汽車部件，人類和協(xié)作機器人共同把控原材料的質量，然后運送到工廠進行加工。產品只有順利完成QA流程，最后才會運送到零售商或最終用戶的手上。

無論產品是在倉庫中，或在運輸途中，甚至在線上還沒有裝配，機器視覺提供了一整套的自動化處理流程。它不僅提高了每個部門的作業(yè)效率，而且保持了更高和更一致的質量水平。在現(xiàn)實應用中，公司已經將機器視覺融入到他們的工作流程中。

有些應用程序非常簡單，比如在倉庫地板上劃一條線，讓無人駕駛車輛安全地跟隨。還有一些機器視覺工具更加復雜，無論簡單與否，都會帶來全新的改變。激動人心的是，曾經在工業(yè)世界中被認為很難或不可能外包給機器人的任務，現(xiàn)在也能借助于機器視覺完成。如上所述，在倉庫中挑選用戶訂單的箱子是一個存在固有風險的過程，任何篩檢錯誤都會損害商譽和客戶利益。

其中產品包裝損壞、物品位置變動和SKU標識(庫存保有單位，Stock keeping Unit )的細微變化是最大的誤差來源，采用機器學習撿箱是一個非常好的選擇?，F(xiàn)在投入使用的自主定購機器人已接近100%，它們可以安全地導航，檢查貨箱中的零部件和產品，使用機械手臂做出正確的選擇，并運送到分檢區(qū)域或包裝區(qū)域。這意味著公司運送受損貨物或不正確的SKU的風險要小得多，盡管如此，這些產品仍與客戶訂購的并不完全匹配。

自動化質量保證和檢查是機器視覺和物聯(lián)網應用的另一個重要方面，并迅速得到了普及。在一些現(xiàn)代制造環(huán)境中，它不僅幫助雇主自動化質量保證過程并提高質量，而且不需要犧牲人力。同時，自動化檢測站處理這些重復性的工作，而員工則學習更多需要認知能力的技能。

到2025年，協(xié)作機器人在所有機器人市場中可能會占據34%的份額。這在很大程度上是出于機器視覺技術的發(fā)展，以及盡可能多的消除現(xiàn)代工業(yè)中低效、不準確和浪費的需求所推動的。預計機器視覺在未來幾年還將繼續(xù)發(fā)展，并進一步推動工業(yè)4.0，許多人稱之為第四次工業(yè)革命。據悉， Eyes產品已經具有嵌入式板級圖像處理和機器視覺功能。

機器視覺能力的提升將帶來物聯(lián)網和工業(yè)4.0技術的更廣泛應用，以及企業(yè)數字化智能化發(fā)展的新模式。
（責任編輯：fqj）