機器視覺究竟有多牛？看看這些工業自動化的應用你就曉得了

機器視覺長期以來用於工業自動化系統中，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迴路，來提高整個系統的性能。

視覺的使用並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，例如用於計算機、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，以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等並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複雜的演算法應用於視覺數據，並創建更智能的系統。

處理技術的發展帶來了新機會，而不僅僅是更智能或更強大的演算法。讓我們看看為製造機器增加視覺功能的應用案例。這些系統傳統上設計為形成協作分散式系統的智能子系統網路，該系統允許模塊化設計（見圖1）。

圖1：智能子系統網路，其設計為構成協作分散式控制系統。該系統允許模塊化設計，但採用這種以硬體為中心的方法可能導致性能瓶頸。

然而，隨著系統性能的提高，採用這種以硬體為中心的方法可能遇到困難，因為這些系統通常採用時間關鍵和非時間關鍵協議的混合來聯接。通過各種通信協議將這些不同的系統聯接在一起，會導致延遲、確定性和吞吐量方面出現瓶頸。

例如，如果設計者試圖利用這種分散式架構開發應用，並且必須在視覺和運動系統之間保持緊密集成，例如在視覺伺服中所需要的，那麼可能遇到由於缺乏處理能力而帶來的主要性能挑戰。此外，由於每個子系統都具有自己的控制器，這實際上會降低處理效率。

最後，由於這種以硬體為中心的分散式方法，設計人員不得不使用不同的設計工具來設計視覺系統中每個子系統的特定視覺軟體，以及用於運動系統的運動專用軟體等。這對於規模較小的設計團隊而言尤其具有挑戰性，因為一個小團隊甚至是一名工程師，需要負責設計中的許多部分。

幸運的是，有更好的方法為先進的機器和設備設計這些系統，這是一種簡化複雜性、提高集成度、降低風險和縮短上市時間的方法。如果我們將思維從以硬體為中心轉向以軟體為中心的設計方法，結果會怎麼樣（見圖2）？如果我們使用能用單一設計工具實現不同任務的編程工具，那麼設計人員就可以在他們的軟體中反映機械系統的模塊性。

圖2：以軟體為中心的設計方法，允許設計人員通過在單個強大的嵌入式系統中整合不同的自動化任務（包括視覺檢查、運動控制、I／O和HMI）來簡化控制系統結構。

這允許設計人員通過在單個強大的嵌入式系統（見圖3）中整合不同的自動化任務（包括視覺檢查、運動控制、I／O和HMI）來簡化控制系統結構。這消除了子系統通信的挑戰，因為現在所有子系統都在單個控制器上的相同軟體堆棧中運行。 高性能嵌入式視覺系統是這種集中式控制器的最佳候選者，因為這些設備中已經內置了這些功能。

圖3：將處理器與FPGA和I／O結合在一起的異構架構，不僅是設計高性能視覺系統、也是集成運動控制、HMI和I／O的理想解決方案。

讓我們來看看這種集中式處理架構的一些好處。以視覺引導運動應用為例，例如柔性饋送，其中視覺系統為運動系統提供引導功能。這裡，零件的位置和取向都是隨機的。在任務開始時，視覺系統拍攝零件的圖像以確定其位置和取向，並將該信息提供給運動系統。

然後，運動系統根據圖像坐標將致動器移動到零件所處的位置，並拾起它。它也可以使用此信息在放置零件之前校正方向。通過這種方法，設計者可以消除先前用於定向和定位零件的任何夾具。這不但降低了成本，還允許應用程序能更容易地適應新的零件設計，只需要修改軟體即可。

以硬體為中心的架構的關鍵優點是其可擴展性，這主要歸因於系統之間的乙太網鏈路。但是也必須特別注意通過該鏈路的通信。如前所述，這種方法的挑戰在於乙太網鏈路的不確定性，並且帶寬有限。

對於大多數僅在任務開始時給出引導的視覺引導運動任務，這是可接受的；但是也可能存在其他情況，其中延遲的變化可能是一大挑戰。將這種設計轉向集中式處理架構，具有諸多優點。

首先，因為可以使用相同的軟體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，因此降低了開發複雜性。第二，消除了乙太網網路上的潛在性能瓶頸，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迴路中時，例如在視覺伺服應用中，這是特別有價值的。這裡，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。這些捕獲的圖像用於提供關於運動成功的反饋。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體。

現在提出了一個問題：這個系統是什麼樣子？如果設計人員將要使用能滿足機器視覺系統所需的計算和控制需求的系統，並要與其他系統（如運動控制、HMI和I／O）無縫連接，那麼他們需要使用具備所需性能的硬體架構，以及每個這些系統所需的智能和控制能力。

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，包括美國Xilinx公司的Zynq全可編程SoC（將ARM處理器與Xilinx 7系列FPGA架構相結合），以及英特爾數十億美元收購Altera等。

對於視覺系統，使用FPGA特別有益，這主要是因為其固有的並行性。演算法可以分開，運行數千種不同的方式，並且可以保持完全獨立。另外，這種架構的好處不僅僅體現在視覺方面，其對運動控制系統和I／O也大有裨益。處理器和FPGA可用於執行高級處理、計算和制定決策。設計人員幾乎可以通過模擬和數字I／O、工業協議、定製協議、感測器、致動器和繼電器等，連接到任何匯流排上的任何感測器。此架構還滿足了其他要求，如時序和同步以及業務挑戰（如提高生產率）。每個人都希望更快地開發產品，這種架構消除了對大型專業設計團隊的需要。

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，並有可能導致使用該架構不切實際甚至不可能。然而，使用集成軟體（如NI LabVIEW），設計人員可以通過提取低級複雜性，並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。

理論是一回事，將其付諸實踐是另一回事。Master Machinery是台灣一家生產半導體加工設備的公司（見圖4）。這種特定的設備使用機器視覺、運動控制和工業I／O的組合，將晶元從硅晶片上取下並封裝。這是能使用圖1中的分散式架構的機器示例，每個子系統可以單獨開發，然後通過網路集成在一起。

圖4：使用中央集權的、以軟體為中心的方法，Master Machinery公司將其主機控制器、機器視覺和運動系統、I／O和HMI全部集成到單個控制器中，性能是競爭對手的10倍。

行業內這種機器每小時的產量大約為2000個零件。但是Master Machinery公司採取了不同的方法。他們設計了中央集權的、以軟體為中心的架構，並將主機控制器、機器視覺和運動系統、I／O和HMI全部集成到單獨的控制器中，所有都採用LabVIEW編程。除了不需要單個子系統實現成本節約之外，這種方法還具備性能優勢，其每小時大約能生產20000個零件，是競爭產品的10倍。

Master Machinery公司成功的關鍵因素之一是能夠將多個子系統組合在單個軟體堆棧中，特別是機器視覺和運動控制系統。使用這種統一的方法，Master Machinery公司不但簡化了設計機器視覺系統的方式，而且還簡化了如何設計整個系統。

機器視覺是一項複雜的任務，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複雜的演算法。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，用於開發這些機器的傳統分散式架構將面臨壓力。將這些任務整合到單個控制器中，運行在單個軟體環境下，消除了設計過程中的瓶頸，使設計人員可以專註於創新，而不必擔心實施問題。

深圳辰視智能科技有限公司是一家集機器視覺、工業智能化於一體的高新技術企業，是由一支中國科學院機器視覺技術研究的精英團隊在深圳創立。

辰視智能擁有基於深度學習的三維視覺引導、機器人運動控制、視覺檢測、三維建模等方面的核心技術，並研發了機器人三維視覺引導系統 、機器人二維視覺引導系統、三維檢測系統、產品外觀檢測系統等可根據客戶需求定製化的智能產品。以高效·低成本·模塊化的方式為自動化集成商、自動化設備廠商、機器人廠家提供機器視覺的相關解決方案。