【中國傳動網(wǎng) 技術前沿】 機器視覺一直是圍繞大數(shù)據(jù)的業(yè)務，獲取并處理無數(shù)的以千兆字節(jié)為單位的圖像，然后針對一項指定的對象或任務提取出制定決策所需要的信息。對于諸如遠程傳感以及網(wǎng)絡檢查這樣的應用來說，它們會生成大量的數(shù)據(jù)，每分鐘千兆字節(jié)的數(shù)據(jù)很快就變成了太字節(jié)，甚至是拍字節(jié)。

隨著數(shù)據(jù)流的大小不斷增長，而且它們的數(shù)量也不斷增加，激發(fā)出很多來尋求離線計算和存儲方案的行業(yè)。進入云?？墒窃朴嬎銓τ跈C器視覺應用的響應會足夠快嗎？服務質(zhì)量對于工業(yè)應用足夠嗎？隨著機器視覺的范圍已經(jīng)擴展到工廠車間以外了，該問題的答案越來越多都是肯定的，甚至是對于工業(yè)應用來說。

隨著數(shù)據(jù)流量的增加，它們的數(shù)量也更加龐大，這促使許多行業(yè)尋找云計算和存儲解決方案。進入云端顯然是個明智的選擇。但云計算對機器視覺應用的響應能否足夠快？服務質(zhì)量是否足以滿足工業(yè)應用的需求？隨著機器視覺的范圍超出工廠范圍，得到的肯定答案越來越多，即使對于工業(yè)應用也是如此。

機器視覺走進云端

“如果沒有某種形式的云或物聯(lián)網(wǎng)（IoT）集成，要想以一種非常自律的方式收集和管理大量圖像數(shù)據(jù)會變得很有挑戰(zhàn)，”ProlucidTechnologies公司的創(chuàng)始人兼首席執(zhí)行官DarcyBachert說，“在過去5年中，在核心的云技術方面取得的顯著的進步可以讓所有這些變?yōu)楝F(xiàn)實?！?/p>

像谷歌、微軟和亞馬遜之類的行業(yè)巨頭已經(jīng)在云技術方面投入很多，其開發(fā)出的大規(guī)模存儲和分析技術能夠同時保證信息的安全性?！癐BM開發(fā)的一種協(xié)議MQTT，是專門為與低功率分布式設備的接口而設計的，其目的是在實現(xiàn)服務質(zhì)量的同時，確保任何類型的數(shù)據(jù)傳輸都得到保證。”Bachert說。

除了巨大的存儲量和計算功能，公共云的供應商也提供機器學習和深度學習服務。一個例子就是TensorFlow，它是在機器視覺中廣泛用于深度學習研究和應用開發(fā)的框架。從先進的疾病檢測到在生產(chǎn)線上管理更多的產(chǎn)品的多樣性，深度學習在每個方面都展示了其潛能。

這些開源的工具與成像學和基于圖像的模型的進步意味著，“與其雇傭一個由博士和數(shù)據(jù)科學家組成的團隊，你現(xiàn)在就可以利用不斷出現(xiàn)的數(shù)據(jù)集，以一種更簡單的方式來訓練這些模型并提煉價值。”Bachert說。

Bachert估計其公司開發(fā)的機器視覺項目中有半數(shù)都具有云組件。其中，在云上實施的最大規(guī)模的視覺和成像處理可能就是醫(yī)療設備行業(yè)。Prolucid公司正在與一位客戶合作，使用基于超聲波的成像設備來獲得圖像，并且提供諸如人口基因以及一般位置的分類值。

在從醫(yī)療成像設備上采集并分析數(shù)據(jù)的時候，為了保護患者的隱私，Prolucid公司采用了幾項安全策略。其中一個步驟是“去識別化”或者消除個人信息，例如姓名、出生日期以及郵政編碼。

此外，Prolucid公司還制定了一項策略以保護數(shù)據(jù)在傳輸途中或靜止狀態(tài)時的安全，當在數(shù)據(jù)中心和設備層級檢測數(shù)據(jù)泄露時，、可以提醒客戶進行修復，識別其他缺陷，并且在發(fā)生災難性違規(guī)的時候恢復數(shù)據(jù)。

云與邊緣計算的組合

在一個生產(chǎn)制造的環(huán)境里，在云上的機器視覺產(chǎn)生了一些關于互聯(lián)網(wǎng)帶寬和延遲問題的擔心，這可能會使檢查流程變慢，并且造成數(shù)據(jù)丟失以及可能給設備和工人帶來安全方面的問題?！坝辛藱C器學習的應用，你仍然會擁有實時的檢查流程，”Bachert說，“發(fā)生變化的就是你如何解決它?！?/p>

例如，在缺陷分類的應用中，生產(chǎn)制造商會使用云來收集、分類驗證數(shù)據(jù)集，并且開發(fā)出一個機器學習模型。然后，從云上將該模型取下來，并且在云的邊緣應用于實時的過程，這意味著可以在靠近數(shù)據(jù)源的網(wǎng)絡邊緣進行實時分析，例如在生產(chǎn)制造的車間。

“因此，我們不用擔心延遲的問題?！盉achert說道，“在我們設計的每個系統(tǒng)里，實時流程組件無論是在有云連接還是沒有云連接的時候都可以運行?！边@種云和邊緣計算的混合方法代表了機器視覺集成的一個潛在發(fā)展方向。

云計算在某些領域的成功應用讓更多的制造企業(yè)們躍躍欲試?！?0年前，沒有人會預見到可以實現(xiàn)自動駕駛汽車，但現(xiàn)在大眾廣泛認識到操作這些車輛的數(shù)據(jù)是在云上進行采集和處理的?！盋ythSystems首席執(zhí)行官AndyLong說，“我們與客戶進行了對話，他們說‘我們不知道想做什么，但我們的執(zhí)行團隊告訴我們，必須找到一種方法來投資這項顛覆性技術?！?/p>

IoT的深度擴展

隨著生產(chǎn)制造商尋求更多的流程都采用自動化，機器視覺基于云的生產(chǎn)系統(tǒng)會發(fā)揮更重要的作用?！拔覀?yōu)榭蛻糇隽撕芏嘌b配驗證項目，其目標是要提供一個不需要任何編程的系統(tǒng)，而是使用人工智能和基于云的處理器來做所有的工作?！盠ong說道，“過去手動檢驗部件的人們現(xiàn)在負責培訓系統(tǒng)，教會系統(tǒng)如何識別好的部件和壞的部件。它本身不需要任何機器視覺的知識?！?/p>

使用云來簡化機器視覺的實施也為生產(chǎn)制造商們提供了前所未有的自由，可以將該技術用于設備測試和試車。“前端的分析速度比你在傳統(tǒng)機器視覺系統(tǒng)中所做的編程要更快。”Long說，“你現(xiàn)在可以更快、更頻繁地進行實驗，以確定該技術是否能解決某個問題?！?/p>

即便如果生產(chǎn)制造商拒絕在互聯(lián)網(wǎng)上分析他們的成像數(shù)據(jù)，他們也會以其他方式使用云——最明顯的是在遠程監(jiān)控方面。例如，OmronMicroscanSystems公司可為用戶提供一個被稱為CloudLink的界面，允許用戶通過Web監(jiān)控實時機器視覺檢測。此外，ImpactVisionTechnologies公司也可以提供能夠相關的機器視覺產(chǎn)品，遠程監(jiān)控客戶的視覺系統(tǒng)性能，更改檢查標準并執(zhí)行維護。

來自GardsoftVision公司的Triniti燈光控制器是另一個很好的例子，展示了IoT是怎樣不僅僅擴展到工廠的各個角落，而且也擴展到了機器視覺系統(tǒng)。支持網(wǎng)絡的Triniti控制器可提供照明系統(tǒng)和操作的智能和精確控制，包括有關照明屬性、型號信息、使用信息以及光學和電氣特性等固定和可變的數(shù)據(jù)。GenICam和GigEVision標準的兼容性允許與其他系統(tǒng)組件輕松集成，而且便于從工廠主機下載部件編號。

“諸如最高運行溫度、工作周期以及使用小時數(shù)等參數(shù)對于進行正確的維護或利用燈具非常重要?！盙ardsoft公司北美副總裁JohnMerva說道，“Triniti允許用戶輕松訪問信息，以便就照明和機器視覺系統(tǒng)本身的整體性能做出最佳決策?！?/p>

更多地使用云技術

無論是在生產(chǎn)制造環(huán)境之內(nèi)還是之外，機器視覺都越來越多地使用云異地計算和存儲解決方案。在過去，因為成本和安全的目的，這些流程都是在內(nèi)部完成的?，F(xiàn)在，這一切都在悄然改變。

機器視覺系統(tǒng)可以連接遠程的云計算和存儲設備，增加了任何機器視覺系統(tǒng)的能力，甚至是在工業(yè)領域。諸如質(zhì)量檢驗和分類整理的應用從這個趨勢中大大地獲益。

機器視覺需要處理和分析大量的圖像數(shù)據(jù)，尤其是對于工業(yè)應用。多年以來，這些數(shù)據(jù)量已經(jīng)膨脹到了難以管理的大小，迫使公司轉(zhuǎn)而求助于離線云計算和存儲解決方案。如果沒有云技術，機器視覺系統(tǒng)就會自然地被限制在可以處理的數(shù)據(jù)量以下。在連接到云解決方案以后，機器視覺系統(tǒng)可以實現(xiàn)其更多的商業(yè)潛力。

增加機器視覺連接性

云技術大幅度提升了前端分析的速度，讓生產(chǎn)制造商們可以驗證新的、連接性更強的解決方案。工業(yè)物聯(lián)網(wǎng)（IIoT）的實現(xiàn)是由云解決方案所帶來的速度和連接性所推動的。舉例來說，遠程監(jiān)控是IIoT利用云技術的早期應用，用于提升生產(chǎn)制造的運行。機器視覺檢測可以通過網(wǎng)絡實時的進行監(jiān)控，從而進行檢測性能分析、維護和檢測標準的修改。

IIoT正在擴展到工廠的每個角落。連接到云上的機器視覺系統(tǒng)具有前所未有的連接性，可以實現(xiàn)全新類型的視覺應用，特別是在工業(yè)檢測環(huán)境方面。云技術對于機器視覺系統(tǒng)來說，越來越重要。

如果沒有云計算和存儲，很多今天的正在進行中的應用都不可能實現(xiàn)。隨著越來越多的數(shù)據(jù)在工業(yè)的環(huán)境中被收集和處理，機器視覺將更加依賴于云技術來滿足未來智能制造的需求。