机器视觉 2021-05-13 10724
工业自动化正在推动工厂变得更智能，并可以代替体力劳动并减少劳动力。用于质量控制检查的机器视觉已被广泛使用，但是随着3D传感器和机器人拣选的集成解决方案的出现，新的市场正在打开。无论零件的位置和方向如何，机器人拾取系统都可以随机拾取物体。 3D视觉系统可以识别大量随机放置的零件，例如手提箱和零件盒。由于机器人的动态处理，可以在不同的方向和堆栈上选择复杂的对象。将人工智能（AI）与拣选操作相结合，可以实现自主零件选择，提高生产率和周期时间，并减少过程中人机交互的需求。
5G数据网络的到来为自动驾驶汽车提供了执行基于云的机器视觉计算的能力。大规模机器类型通信（mMTC）允许在云中为机器视觉应用程序处理大量数据。使用卷积神经网络分类器的深度学习算法可以快速执行图像分类，目标检测和分割。这些新的人工智能和深度学习系统的开发将有所增加。
根据国际机器人联合会的数据，2018年是机器人销售创纪录的一年，工业机器人的销售增长了31％。诸如人类协作机器人，简化使用和过程学习之类的趋势已帮助在工业自动化领域促进了机器人的使用。将来，工业机器人将更容易，更快地使用直观的界面编程。人机协作将支持小批量，高复杂度的灵活生产。降低的使用复杂性使机器人和视觉系统已在中长期内广泛使用。
下一代模块化高光谱成像系统可提供工业环境中化学材料的性能分析。化学彩色成像通过不同颜色的结果图像可视化材料的分子结构。这样就可以在标准机器视觉软件中分析化学成分。典型的应用包括肉类生产中的塑料检查，不同可回收材料的检查以及气泡药检查的质量控制。这类系统的主要障碍是处理所需的数据量和速度，但是更快的处理，更好的算法和相机校准的发展仍然使其成为2019年的热门话题。
热像仪传统上用于国防，安全和公共安全，热像仪技术广泛用于检测。对于许多工业应用，例如汽车或电子工业中的零件生产，热数据至关重要。尽管机器视觉可以看到生产问题，但它无法检测到热异常。热成像和机器视觉的结合是一个不断发展的领域，它使制造商能够发现肉眼或标准相机系统看不到的问题。热成像技术提供了非接触式精确温度测量和无损检测，这是机器视觉和自动化控制的发展方向。
