机器视觉

Avnet 展示了一款突出的集成型工业物联网系统,该系统在 Xilinx Zynq-7000 SoC 上集成机器视觉、马达控制和近场通信 (NFC),不仅可识别和挑选特定物品,随后还可根据用户选择将其放入正确的分配容器中。

用于高功率机器视觉闪光灯的 LED 驱动器

作者:Keith Szolusha 和 Kyle Lawrence
机器视觉系统使用非常短的强光闪烁来产生用于各种数据处理应用的高速图像。例如,快速移动的传送带通过机器视觉系统进行快速标签和缺陷检测。红外和激光LED闪光灯常用于近程和运动检测机器视觉。安全系统发出高速、难以察觉的LED闪光灯来检测运动,捕获和存储安全影像。

所有这些系统都存在的一个挑战,即产生非常高的电流和短时间(微秒)LED相机闪光波形,这些波形可能散开在较长时间内,例如100 ms到1 s以上。产生间隔较长时间的短时LED闪光方波并非易事。当LED(或LED串)的驱动电流上升到1 A以上,并且LED开启时间缩短到几微秒时,挑战难度进一步加大。许多具有高速PWM能力的LED驱动器可能无法有效处理较长关断时间和短时间的高电流,而又不降低适当处理高速图像所需的方波质量。

专有LED闪光灯

2018及未来机器视觉趋势展望

传统上,机器视觉是指计算机视觉在工业领域或一些实际应用及处理过程中的使用,其中需要根据视觉系统所做的图像分析,来执行某一功能或结果。视觉系统使用软件来识别预编程的特征,并且基于这些“发现”来触发各种设定的“动作”。描述它的一种最简单方法是:从数字视频和图像数据中自动提取信息。

今天,机器视觉技术在全球范围内的使用量逐年呈增长态势。在世界上一些最大的市场中,机器视觉的销售额正在不断刷新着年度销售纪录。例如,2017年的北美市场,机器视觉和机器人系统及部件的销售,就创下了有史以来的最高纪录。来自美国自动化成像协会(AIA)的数据显示,2017年北美机器视觉市场的销售额增长了14.6%,达到26.33亿美元。来自德国机械设备制造业联合会(VDMA)的数据显示,2017年德国机器视觉市场的销售额增长了18%,超过了26亿欧元;VDMA表示这种上升趋势仍将继续,最近预测2018的增长率为10%。

机器视觉市场的增长可归因于许多因素,已经有越来越多的行业、越来越多的地区都在拥抱机器视觉技术,用以帮助他们满足成本、质量、速度等方面的需求。

面向机器视觉应用的 SDSoC 开发环境

开发机器视觉系统通常需要大量的时间来设计能执行所有重要图像采集及处理功能的电子产品。通常需要两年多的时间,这会给摄像机及系统制造商的上市进程与产品规划带来不利影响。

Xilinx 的 SDSoC 开发环境可为机器视觉摄像机设计人员以及系统集成商提供强大的工具,帮助他们开发工厂自动化解决方案。系统开发人员现在可开发他们的 C/C++ 应用,可选择重要功能转移至硬件,并可为 Xilinx 器件直接获得最终软硬件设计。所带来的方法简单易用,可显著缩短开发时间,可快速部署机器视觉摄像机和集成系统解决方案,可快速修改所部署的系统(如果需要),并可在最终应用改变时迅速修改系统功能。

SDSoC 开发环境可提供巨大的优势,包括:

  • 从 C/C++ 生成全面的软硬件系统
  • 自动系统级剖析
  • 全系统优化编译器
  • 自动生成硬件连接及软件驱动程序
  • 其原有 C/C++ 设计的可移植性可充分利用 Xilinx 器件的固有优势
  • 【下载】Xilinx 机器视觉解决方案

    赛灵思提供面向机器视觉应用的一整套解决方案,包括 FPGA 与片上系统 (SoC)器件、软件、IP 和开发平台。这些解决方案提供多种封装和速度级选项,有助于满足智能相机的不同尺寸要求,提供的高性能器件能在图像采集卡中实现分析和高强度处理,各种网络 IP 可用来连接工业通信主干或者实现基于计算机的决策制定。更多内容请点击: https://china.xilinx.com/applications/industrial/machine-vision-systems....

    机器视觉应用渐广2022年产值将超过140亿美元

    机器视觉在工厂自动化系统中向来扮演重要环节,当初发展时,仅作为人类时觉的替代品,不过随着技术的提升,机器视觉在产线的应用逐渐加深,现在此技术的辨识速度与精度,以非人眼可比,根据研究机构指出,机器视觉到2022年全球产值将超过140亿美元,就目前发展来来看,未来几年的重点技术将包括机器人、3D视觉、工业感测器、影像处理技术、机器人控制软体或演算法、类人工智慧技术等方面,而在这些技术中,3D视觉和机器人将是主要关键。

    在机器视觉发展初期,台湾厂商大多使用靠引进国外的机器视觉产品,再针对客户需求整合系统,后期工业电脑产业崛起,台湾相关厂商开始着重机器视觉的开发,再加上市场对工业智慧相机、图像撷取设备以及影像处理等产品及应用需求的增加,无论在技术或应用面,机器视觉都已有大幅成长。

    不过近年来中国大陆的相关产业也迅速蓬勃,相关资料统计,目前中国的机器视觉企业已超过102家,机器视觉产品代理商超过200家,专业的机器视觉系统整合商超过50家,从光源、工业相机、工业镜头、影像撷取卡以及处理软体等所有机器视觉产业链渐趋完整。

    2018工业和自动化领域的机器视觉市场分析

    机器视觉是自动化革命的核心

    工厂里正在进行一场悄无声息的革命。我们面临的变革力量与以前的工业革命时期发生的变化相似,但是这种变革力量不是蒸汽或电力相关技术。如今的发展趋势是自主性和按需生产,对人类和机器都是如此。工厂内部的转型升级是来源于自动化相关技术。

    机器视觉(Machine Vision, MV)是这场自动化革命的核心。机器视觉相机市场将从2017年的20亿美元增长到2023年的40亿美元左右,复合年增长率(CAGR)为12%。自动化不仅限于机器人技术,还涉及制造周期的几乎所有机器。对质量的需求,促进了机器视觉在汽车、电子、半导体、食品和包装行业的发展。食品分拣是推动自动化发展的一个有趣例子。总体而言,分拣水果和食品的能力有助于增加农业食品的营收,特别是在亚洲市场。事实上,机器视觉已经“飞跃”工厂,现身于农场、牧场、道路和停车场(如车牌识别)等多种环境中。最近资本市场上最为火热的机器视觉领域非“自动驾驶汽车”莫属,Yole预计该机器视觉细分市场未来五年的复合年增长率将高达140%。

    质量检测比人眼更快的机器视觉

    机器视觉,或称基于影像的自动检测和分析,当涉及准确和可靠的产品检测时,拥有超越人类视觉的全面优势,且通常还结合了不同的技术。

    人眼是个非常复杂的工具,但它也有局限性。例如,在检查产品时,机器视觉不仅更快且准确得多。而人眼是个特别复杂的工具,与大脑结合,使我们能够感知周围环境,即使目标的确切形状发生变化,也能够在瞬间辨识它们。

    运用视觉感知来分析我们的环境,并有一个能够锐利聚焦特定区域的广阔视野。随着人类不断适应许多不同的刺激和环境以求生存,这些能力已经在几千年中逐渐演变进化。

    但是,人类的视觉感受也有重要的局限性。首先,我们只有两只眼睛,它们反应太慢而无法详细看到快速移动的物体,而且它们只对光谱的有限部分敏感,眩光和反射也妨碍了长时间专注物体某些属性(如尺寸或颜色)的能力。另外,我们对于影像的感知和储存还是很主观,因此,难怪人眼无法进行准确测量,以至于它们不是验证产品质量的理想工具。

    机器视觉:比人眼更可靠、更准确

    自动驾驶系统:基于Zynq的实时物体检测

    作者:Steve Leibson,编译:Stark

    最近几年关于自动驾驶汽车的新闻不断出现在头条新闻,各大传统汽车制造商与互联网公司结合纷纷杀入自动驾驶这个“蓝海”市场,与其说这是汽车行业所经历的一场巨大革命,倒不如说是人工智能(AI)的兴起,自动驾驶的根本原理就是利用机器视觉系统。当然自动驾驶汽车的发展也是一步一步的并且需要经验的积累,目前我们看到特斯拉、百度等厂商都推出了辅助自动驾驶系统,还远远没有实现完全的自动驾驶,此外自动驾驶汽车真正上路还必须得到国家机动车管理部门的政策许可,因此不得不承认自动驾驶汽车还有很长的一段路要走。(图1:自动驾驶汽车要能够实时感知路况信息)

    机器视觉技术可以应用于自动驾驶系统中实现路况信息的采集和检测,其中CNN(卷积神经网络)在机器视觉系统中用于图像处理具有压倒性的优势。CNN网络根据复杂度可以划分为很多个“网络层”,典型的卷积神经网络可以划分为卷积层、池化层和全连接层,它能够将数量庞大的图像识别问题进行不断的降维处理,最终被训练后用于高效的图像识别。

    【视频】PBX:硬件加速的智能机器视觉产品

    本视频由厦门瑞为信息技术有限公司(Reconova)带来。瑞为公司主要提供面向智能家电、智能零售及智能安全应用开发基于机器视觉的智能传感产品。赛灵思 Zynq SoC 帮助瑞为公司在芯片上设计了一款整体智能摄像头,不仅可以使用硬件对其智能视觉算法进行加速,而且还可促进降低功耗和成本。

    同步内容