當(dāng)前的嵌入式開(kāi)發(fā)技術(shù)趨勢(shì)，如工業(yè)4.0(又稱工業(yè)物聯(lián)網(wǎng))和智能工廠，正在深刻地改變工業(yè)價(jià)值創(chuàng)造過(guò)程，其特征是更高程度的數(shù)字化、連接性和自動(dòng)化。所有涉及的組件，包括機(jī)器、機(jī)器人、傳輸和處理系統(tǒng)、傳感器和圖像采集設(shè)備，都始終聯(lián)網(wǎng)，并通過(guò)各種協(xié)議相互通信。

機(jī)器人技術(shù)的創(chuàng)新趨勢(shì)也正在改變工業(yè)生產(chǎn)的面貌。新一代更小、更緊湊、移動(dòng)性更強(qiáng)的機(jī)器人正在塑造高度自動(dòng)化裝配車間的形象。協(xié)作機(jī)器人(cobots)與他們的人類同事分擔(dān)某些任務(wù)，密切合作，甚至經(jīng)常互相傳遞工件。此外，cobots可以快速靈活地進(jìn)行重組，使它們能夠用于各種生產(chǎn)任務(wù)。

機(jī)器視覺(jué)已經(jīng)成為這種普遍自動(dòng)化生產(chǎn)場(chǎng)景中不可或缺的一部分。這項(xiàng)技術(shù)在這里發(fā)揮了重要作用：許多圖像采集設(shè)備——如相機(jī)、掃描儀和3D傳感器——分布在不同的位置，無(wú)縫記錄生產(chǎn)過(guò)程。然后，集成機(jī)器視覺(jué)軟件處理生成的數(shù)字圖像數(shù)據(jù)，并將其用于生產(chǎn)鏈中的眾多應(yīng)用。例如，該軟件可以根據(jù)光學(xué)特征明確識(shí)別許多不同的物體，并精確定位和對(duì)齊工件。該技術(shù)還支持故障檢測(cè)：缺陷產(chǎn)品被可靠識(shí)別并自動(dòng)剔除。作為“生產(chǎn)的眼睛”，機(jī)器視覺(jué)廣泛地監(jiān)控整個(gè)生產(chǎn)情況，從而使過(guò)程更加安全和高效。這尤其適用于機(jī)器人之間的相互作用以及它們與人類的相互作用。

緊湊型設(shè)備變得越來(lái)越普遍

與此同時(shí)，機(jī)器視覺(jué)算法在嵌入式開(kāi)發(fā)平臺(tái)上運(yùn)行并針對(duì)嵌入式平臺(tái)進(jìn)行優(yōu)化也變得越來(lái)越重要。當(dāng)這兩個(gè)技術(shù)世界彼此無(wú)縫集成時(shí)，這就是所謂的嵌入式視覺(jué)。在工業(yè)4.0的背景下，集成嵌入式軟件的緊湊型設(shè)備的使用正在顯著增加，特別是智能相機(jī)、移動(dòng)視覺(jué)傳感器、智能手機(jī)、平板電腦和手持設(shè)備。它們?cè)诠I(yè)環(huán)境中激增的原因是，今天的設(shè)備配備了長(zhǎng)期可用的高性能工業(yè)級(jí)處理器。這種處理器還使他們能夠執(zhí)行復(fù)雜的機(jī)器視覺(jué)任務(wù)——前提是他們擁有強(qiáng)大而健壯的機(jī)器視覺(jué)軟件。為了讓這款軟件能夠無(wú)錯(cuò)運(yùn)行，它必須與各種各樣的嵌入式平臺(tái)兼容，并針對(duì)這些平臺(tái)進(jìn)行優(yōu)化，包括流行的Arm?處理器架構(gòu)。MVTec就是一個(gè)很好的例子。其最新發(fā)布的HALCON標(biāo)準(zhǔn)機(jī)器視覺(jué)軟件HALCON18.11可以輕松地在這些平臺(tái)上運(yùn)行，無(wú)論是64位還是32位。對(duì)用戶的好處：通常只在固定電腦上運(yùn)行的強(qiáng)大機(jī)器視覺(jué)功能也可以在所有緊湊型設(shè)備上使用。

現(xiàn)代嵌入式視覺(jué)系統(tǒng)能夠滿足數(shù)字化的巨大需求——尤其是當(dāng)它們配備了人工智能(AI)時(shí)。這些基于人工智能的技術(shù)包括，例如，深度學(xué)習(xí)和卷積神經(jīng)網(wǎng)絡(luò)(CNN)。這些方法的特別之處在于它們能夠?qū)崿F(xiàn)極高且穩(wěn)健的識(shí)別率。

在深度學(xué)習(xí)過(guò)程的情況下，大量的數(shù)字圖像數(shù)據(jù)，例如由圖像采集設(shè)備生成的數(shù)據(jù)，首先用于訓(xùn)練CNN。在這個(gè)訓(xùn)練過(guò)程中，特定“類”的典型特征被自動(dòng)學(xué)習(xí)，例如，包括特定對(duì)象屬性和區(qū)別特征。基于訓(xùn)練的結(jié)果，待識(shí)別的對(duì)象可以被精確地分類和識(shí)別，之后嵌入式開(kāi)發(fā)人員可以將它們直接分配到特定的類別。利用深度學(xué)習(xí)技術(shù)，不僅可以對(duì)對(duì)象進(jìn)行分類，還可以精確定位對(duì)象和故障。

在嵌入式視覺(jué)應(yīng)用中使用深度學(xué)習(xí)

今天，深度學(xué)習(xí)功能已經(jīng)用于許多嵌入式視覺(jué)應(yīng)用中。所有這些應(yīng)用的共同點(diǎn)是，它們通常會(huì)生成大量數(shù)據(jù)，并經(jīng)常涉及非工業(yè)場(chǎng)景，如自動(dòng)駕駛。相關(guān)車輛已經(jīng)配備了大量的傳感器和攝像頭，從主要的交通狀況中收集數(shù)字?jǐn)?shù)據(jù)。集成視覺(jué)軟件在深度學(xué)習(xí)算法的幫助下實(shí)時(shí)分析數(shù)據(jù)流。例如，這使得識(shí)別情況、處理信息并利用信息精確控制車輛成為可能——這是自動(dòng)駕駛成為可能的首要原因。基于深度學(xué)習(xí)的嵌入式視覺(jué)技術(shù)也經(jīng)常用于智能城市環(huán)境中。在大城市，為了向居民提供特殊服務(wù)，某些基礎(chǔ)設(shè)施過(guò)程，如街道交通、照明和電力供應(yīng)被數(shù)字化地網(wǎng)絡(luò)化。最后，這些技術(shù)用于智能家居應(yīng)用，例如數(shù)字語(yǔ)音助理和機(jī)器人吸塵器。

機(jī)器視覺(jué)過(guò)程的自動(dòng)化

那么深度學(xué)習(xí)技術(shù)在嵌入式和機(jī)器視覺(jué)環(huán)境下有什么優(yōu)勢(shì)呢?

不再需要繁瑣的手動(dòng)特征提取。深度學(xué)習(xí)算法能夠從訓(xùn)練數(shù)據(jù)中自動(dòng)學(xué)習(xí)特定的區(qū)分特征，如紋理、顏色以及灰度等級(jí)，并根據(jù)相關(guān)性對(duì)它們進(jìn)行加權(quán)。通常，在嵌入式開(kāi)發(fā)中，這項(xiàng)任務(wù)必須由訓(xùn)練有素的機(jī)器視覺(jué)專家手動(dòng)執(zhí)行，這非常耗時(shí)且成本高昂。

物體的特征通常非常復(fù)雜，人類幾乎無(wú)法解釋。另一方面，從訓(xùn)練數(shù)據(jù)中自動(dòng)學(xué)習(xí)區(qū)分標(biāo)準(zhǔn)節(jié)省了大量的精力、時(shí)間和金錢。深度學(xué)習(xí)的另一個(gè)好處是，它還可以區(qū)分更抽象的對(duì)象，而傳統(tǒng)的手動(dòng)方法只能對(duì)可以清晰描述的對(duì)象進(jìn)行分類。這包括具有更復(fù)雜、更精細(xì)結(jié)構(gòu)的物體，或者在極其嘈雜的背景下出現(xiàn)的物體。在大多數(shù)情況下，人類無(wú)法辨別這些物體中任何明確的、可區(qū)分的特征。

因?yàn)橛?xùn)練需要極高的計(jì)算能力，所以復(fù)雜的神經(jīng)網(wǎng)絡(luò)是在具有高端圖形處理器的相應(yīng)強(qiáng)大的PC上訓(xùn)練的。然而，訓(xùn)練有素的網(wǎng)絡(luò)也可以用于大量嵌入式設(shè)備，這意味著緊湊、魯棒的嵌入式視覺(jué)解決方案也可以受益于最高的識(shí)別率。

結(jié)論

深度學(xué)習(xí)和CNN等基于人工智能的技術(shù)正變得越來(lái)越重要，特別是在高度自動(dòng)化的工業(yè)4.0環(huán)境中。這就是為什么它們目前是最先進(jìn)的機(jī)器視覺(jué)解決方案的重要組成部分。如果算法也運(yùn)行在諸如Arm的相關(guān)嵌入式開(kāi)發(fā)平臺(tái)上?過(guò)程架構(gòu)，強(qiáng)大的機(jī)器視覺(jué)軟件的整個(gè)人工智能功能范圍可以在緊湊型設(shè)備上使用。