Maskinvision er fusionen af et antal teknologier, der muliggør industrielt eller andet automatiseret udstyr, der kan udlede en avanceret forståelse af det aktuelle miljø. Uden maskinvisionssoftware ville digitale billeder med forskellige farveværdier og tonelintensiteter ikke være andet end en enkel, uforbundet samling af pixels til sådant udstyr. Maskinvision giver en computer (normalt tilsluttet en maskincontroller) at detektere kanter og former i sådanne billeder for at give en processor på højere niveau mulighed for at genkende et foruddefineret målobjekt. Billeder i denne forstand er ikke begrænset til fotografiske billeder i det synlige spektrum; De kan også omfatte billeder, der er opnået ved hjælp af infrarød, laser, røntgenstråler og ultralydssignaler.
I industrielle miljøer er det ganske almindeligt, at applikationer til maskinevision genkender specifikke dele fra de mange dele, der er placeret i et rod med materielle skraldespande. Her hjælper Machine Vision pick-and-place-roboten automatisk med at hente de rigtige dele. Selvfølgelig, hvis delene alle er pænt arrangeret i den samme orientering på en palle, ville det være relativt enkelt at genkende dem med billeddannelsesfeedback. Imidlertid kan kraftfulde maskinvisionsalgoritmer genkende objekter, der er i forskellige afstande fra kameraet (og derfor vises som forskellige størrelser på billeddannelsessensoren) såvel som objekter, der ikke er orienteret i samme retning som kameraet.
De mest sofistikerede maskinvisionssystemer har aktiveret nye design, der er langt mere komplekse end at plukke dele fra skraldespande; For eksempel er der muligvis ikke mere kompleks identifikation end en selvkørende bil.
Teknikker relateret til maskinvision
Udtrykket maskinsyn er undertiden forbeholdt til henvisning til mere sofistikerede og effektive matematiske metoder, der kan udtrække information fra billeder. I modsætning hertil beskriver udtrykket computervision typisk mere moderne, beregningsmæssigt krævende systemer-inklusive sort-boks-tilgange, der bruger maskinlæring eller kunstig intelligens (AI). Maskinvision kan imidlertid også bruges som et altomfattende udtryk, der inkluderer alle metoder til at udtrække information på højt niveau fra billeder; I dette tilfælde beskriver computervision sin underliggende teori om drift.
Teknikker, der kan udtrække mening på højt niveau fra billeder bugner. I forskningsfællesskabet betragtes sådanne teknikker ofte som forskellige fra maskinvision. I virkeligheden er alle dem forskellige måder at implementere maskinvision på ... og de overlapper i mange tilfælde.
Digital billedbehandling er en form for digital signalbehandling, der involverer billedforbedring, restaurering, kodning og komprimering. Fordelene i forhold til analog billedbehandling er minimering af støj og forvrængning såvel som de tilgængelige algoritmer. En af de første typer af billedforbedring blev brugt til at korrigere de første nærbilleder af måneoverfladen. I denne proces blev fotogrammetrisk kortlægning såvel som støjfiltre anvendt, og der blev foretaget korrektioner til geometriske forvrængninger forårsaget af justering af billedkameraet til månens overflade.
Forbedring af digitalt billede involverer normalt stigende kontrast og muligvis geometriske korrektioner til visning af vinkler og linseforvrængning. Komprimering opnås ofte ved at tilnærmelsesvis komplekse signaler som en kombination af kosinusfunktioner-en Fourier-transformation kendt som den diskrete Cosine Transform (DCT). JPEG-filformatet er den mest almindelige anvendelse af DCT. Billedgendannelse kan også bruge Fourier -transformationen til at fjerne støj og sløring.
Fotogrammetri bruger en slags funktionsgenkendelse til at udtrække målinger fra billeder. Disse målinger kan omfatte 3D -information, når flere billeder af den samme scene erhverves fra forskellige steder. De enkleste fotogrammetriske systemer bruger en skala til at måle afstanden mellem to punkter i et billede. For at gøre dette er det ofte nødvendigt at inkludere en kendt referenceskala på billedet.
Funktionsdetektion giver computeren mulighed for at genkende kanter, hjørner eller punkter på billedet. Dette er det første skridt, der er nødvendig til fotogrammetri og til genkendelse af objekter og bevægelse. Blob Detektion identificerer områder med kanter, der er for glatte til kant- eller hjørnespetektion.
Mønstergenkendelse bruges til at genkende specifikke objekter. I det enkleste tilfælde kan dette betyde at finde en veldefineret specifik mekanisk del på et transportbånd.
3D -rekonstruktion bestemmer 3D -formen på et objekt fra et 2D -billede. Denne funktion kan realiseres ved fotogrammetriske metoder. I dette tilfælde bestemmes højderne af fælles træk (bestemt i billeder fra forskellige observationspunkter) ved anvendelse af triangulering. 3D -rekonstruktion er også mulig ved hjælp af 2D -billeder alene; Her forklarer softwaren også de geometriske forhold mellem kanter eller skraverede områder.
Mennesker kan rekonstruere terninger blot ved at behandle dem i deres hjerner ved hjælp af linjetegning - ved hjælp af skyggefulde cirkler til at rekonstruere sfærer. Skyggen viser overfladenes hældning. Imidlertid er denne afledningsproces langt mere kompliceret end man kunne tro, da skyggen er en en-dimensionel parameter, mens hældningen forekommer i et to-dimensionelt tilfælde. Dette kan føre til tvetydige situationer - en kendsgerning, der er valideret af kunsten at skildre fysisk umulige genstande.
Hvordan maskinvisionsopgaver sekventeres
Mange maskinvisionssystemer inkorporerer ovenstående teknikker trinvist ved at starte med operationer på lavt niveau og derefter gå videre til operationer på højere niveau. På det laveste niveau gemmes alle pixels af et billede som data med høj båndbredde. Hver operation i sekvensen genkender derefter billedfunktioner og repræsenterer oplysningerne om interesse med en relativt lille mængde data.
Den første er driften af lavt niveau af billedforbedring og restaurering efterfulgt af funktionsdetektion. I tilfælde af at bruge flere sensorer kan operationerne på lavt niveau således udføres ved distribuerede processer, der er specialiserede til individuelle sensorer. Når funktioner er detekteret i individuelle billeder, kan der udføres mere avanceret fotogrammetri - som med enhver objektgenkendelse eller anden opgave, der er afhængig af kombinerede data fra flere billeder og sensorer.
Direkte beregnings- og læringsalgoritmer
I tilfælde af maskinvision er direkte beregning et sæt matematiske funktioner defineret af programmereren. Disse funktioner tager input, såsom billedpixelværdier og producerer output, såsom objektkantkoordinater. I modsætning hertil er læringsalgoritmer ikke skrevet direkte af mennesker, men trænes i eksempler på datasæt, der korrelerer input med ønskede output. Som et resultat bruges læringsalgoritmer som sorte kasser. De fleste sådanne maskinlæring bruger nu dyb læring baseret på kunstige neurale netværk til beregning.
Enkel maskinlæring til industrielle applikationer har en tendens til at være mere pålidelig og mindre beregningsmæssigt krævende, når den er baseret på direkte beregning. Der er selvfølgelig grænser for, hvad der kan opnås gennem direkte beregning. For eksempel skal man aldrig håbe på at udføre ansigter for at genkende de avancerede genkendelsesmønstre, der kræves, og især ikke fra videooptagelser i overfyldte offentlige rum. I modsætning hertil kan maskinlæring dygtigt håndtere sådanne applikationer. Det er derfor ikke overraskende, at maskinlæring i stigende grad implementeres til lavt niveau maskinvisionsoperationer, specifikt billedforbedring, restaurering og funktionsdetektion.
Forbedrede undervisningsmetoder (ikke algoritmer)
Den stigende sofistikering af dybe læringsteknikker har gjort det klart, at det ikke er indlæringsalgoritmerne selv, der skal forbedres, men snarere den måde, hvorpå algoritmerne trænes. En forbedret træningsprocedure er kendt som data-centreret computervision. Her accepterer et dybt læringssystem et meget robust træningssæt, der består af tusinder, millioner eller endda milliarder af billeder - og gemmer derefter de syntetiserede oplysninger, der er ekstraheret fra hvert billede af dets algoritmer. Disse algoritmer lærer effektivt ved at knytte dem til arbejdende eksempler og henvise derefter til en "svarbog" for at verificere, at de korrekte værdier er afledt.
Der er en gammel forsigtighedsfortælling om anerkendelse af digital mønster. Det amerikanske militær havde engang til hensigt at bruge maskinvision til målgenkendelse, og en forsvarsentreprenørs demonstration identificerede pålideligt både USA og russiske tanke. Tanke af alle forskellige slags kunne skelnes korrekt, den ene efter den anden, fra leverandørens luftfotografier. Men når de blev testet igen med Pentagons eget billedbibliotek, gav systemet dog forkerte svar. Problemet var, at forsvarsentreprenørens billeder alle afbildede amerikanske tanke i ørkenen og russiske tanke på grønne marker. I stedet for at identificere de forskellige tanke, identificerede systemet de forskellige farvede baggrunde. Hvad er anerkendelseskriterierne? Læringsalgoritmer kræver omhyggeligt kuraterede træningsdata for at fungere.
Konklusion: En sikker vision for robotarbejdsceller
Maskinvision er ikke længere en nicheteknologi. I det aktuelle drev er den industrielle sektor det største vækstområde for maskinvisionsinstallationer. Den mest bemærkelsesværdige udvikling på dette område er, hvordan Machine Vision nu afslutter sikkerhedssystemer i industrianlæg, dvs. systemer, der lyder en alarm eller giver stemmemeddelelser, når en arbejdstager kommer ind i et arbejdsområde uden hjelm, maske eller andet passende beskyttelsesudstyr. Maskinvision kan også bruges i systemer, der advarer, når man flytter maskiner, såsom gaffeltrucks, kommer for tæt på personale.
Disse og lignende maskinsynssystemer kan undertiden erstatte hårde beskyttelsesforanstaltninger omkring industrielle robotter for at gøre operationer mere effektive. Maskinvisionssystemer kan også erstatte eller forbedre sikkerhedssystemer baseret på let beskyttelse af, at stopmaskineriet, når en arbejdstager registreres i arbejdscellen. Når maskinvision overvåger fabriksgulvet omkring en arbejdscelle, har robotterne i denne celle potentialet til gradvist at bremse, når folk nærmer sig.
Efterhånden som designet af industrielle miljøer udvikler sig til at rumme samarbejdsrobotter og andet arbejdscelleudstyr, der gør det muligt for plantepersonalet at gå sikkert rundt (selvom udstyret kører), vil disse og andre maskinvisionsbaserede systemer blive en mere almindelig del af planteprocesser.