机器视觉是工业一项使机器或工业设备能够解释和分析视觉数据的技术，它将计算机科学与图像处理技术相结合，自动展实现了自动化的化中视觉检查和分析。你也可以把它看作是机器技术一种赋予机器看到和理解周围环境的能力。

作为工业自动化的视觉势基础技术之一，机器视觉使工业设备能够根据视觉数据“观察”并做出快速决策。变和德勤的工业一项调查显示，目前已有58%的自动展制造商正在采用这项技术，由此我们也不难看出该项技术显示出的化中巨大市场潜力。

在制造业中，机器技术常见的视觉势机器视觉应用包括缺陷检测、引导、变和尺寸测量和识别等，工业在与人工智能（AI）结合后，自动展系统的化中功能得到了有效扩展，检测的准确性显著提高。

工业自动化中机器视觉技术的演变

在工业自动化的背景下，机器视觉是使用相机等硬件和软件算法对零件进行自动视觉检查的过程。起初，它只是为基本的检测任务而开发的，如今的机器视觉已经发展成为能够处理各个行业复杂操作的特定工具。

传统的机器视觉应用相对简单，不需要人工智能，只要图像数据清晰且易于区分就能满足需求。人工智能、深度学习和先进成像技术的融合进一步增强了机器视觉系统的能力，使其在现代制造环境中成为不可或缺的一部分。

机器视觉由多个相互连接的关键组件构成，主要组件包括相机、镜头、照明、图像处理软件、模式识别算法和光学字符识别（OCR）以及相关的控制软件。此外，还可以根据特定的应用需求在机器视觉系统中整合运动控制、图像抓取器和AI加速器等组件。

在工业自动化中，智能相机是精确、高效视觉系统的核心。不同于仅捕获图像的传统相机，智能相机将图像采集、处理和数据分析整合在一起，在没有单独PC的情况下可自行处理和分析图像，使自动化和质量控制过程更快、更可靠、更高效，占用的空间更小，其应用包括制造过程中的缺陷检测、读取条形码或引导机器人手臂等。新一代的智能相机更是融入了人工智能、深度学习等功能，应用灵活且功能强大，易于安装，足以处理大量具有挑战性的工业任务。

STMicroelectronics的B-CAMS-IMX摄像头模块提供了一套稳健可靠的智能硬件，可处理多种机器视觉场景和应用。它配备有高分辨率5-Mpx IMX335LQN CMOS RGB图像传感器、ISM330DLC惯性运动单元（IMU）和VL53L5CX飞行时间（ToF）传感器。与具有MIPICSI-2接口和22引脚FFC连接器的STM32开发板配合使用，可在STM32微控制器和微处理器上轻松实现全功能机器视觉，并将机器视觉应用于工业自动化、OCR和OCV标签验证、机器人、缺陷检测、安全、智能家电等领域。

其中的IMX335LQN是一款对角线为6.52 mm的CMOS有源像素型固态图像传感器，具有方形像素阵列和5.14 M有效像素。B-CAMS-IMX模块集成的VL53L5CX 8x8 ToF传感器，可在各种环境照明条件下提供精确的测距。ISM330DLC iNEMO 6轴惯性测量单元是一款专为工业4.0应用量身定制的高性能3D数字加速度计和3D数字陀螺仪，具有极高的精度和稳定性，超低功耗可实现持久的电池供电应用。

图：适用于机器视觉应用的B-CAMS-IMX摄像头模块（图源：贸泽电子）

人工智能推理是采用神经网络模型的过程，通常是通过深度学习来进行，然后将其部署到计算设备上。在数据源附近安装带有集成AI推理加速器的低功耗计算机，可以实现更快的响应时间和更高效的计算，同时需要更少的互联网带宽和图形处理能力。与云推理相比，边缘推理可以将生成结果的时间从几秒钟缩短到不足一秒钟。在涉及大型数据集或复杂计算的场景中，特别是对于图像识别和分析等任务，AI加速器是机器视觉系统的关键组件，其主要目的是提高图像识别和数据分析的效率和准确性。

机器视觉中的人工智能

人工智能将机器学习和深度学习集成到机器视觉技术中，提高了其处理图像数据和识别模式的能力。智能视觉系统在处理新数据集时会不断改进，使其在快节奏的行业中更有效。这些由人工智能驱动的机器视觉系统常常被成为AI视觉系统。AI视觉系统具有极强的适应性和智能性，能够根据收到的视觉数据做出复杂的决策。

AI视觉系统为工业环境带来了诸多优势：

提高准确性。人工智能系统通过从大量数据中学习，在执行缺陷检测、物体识别和视觉检查时实现了更高的准确性.

提高灵活性。人工智能驱动的视觉系统能够快速适应环境的变化，如光照、物体形状或表面纹理的变化，而这一切对传统视觉系统来说几乎是不可克服的挑战。

提高自动化水平。人工智能通过自动化质量控制、材料检查和串行连接跟踪等流程，减少了人为错误并提高吞吐量，实现了更大规模的工业自动化。

提高系统的可扩展性。AI视觉系统在所有行业都具有高度的可扩展性和适应性，从小规模运营到大型复杂的生产环境，这些系统使用的核心算法可以轻松适应不同的应用，例如检查食品包装或汽车零件。随着生产需求的增长，人工智能系统会用新数据重新训练，或者在最短的停机时间内重新编程。

提高实时决策能力。AI机器视觉解决方案为实时分析打开了大门，非常适用于需要快速决策的快节奏环境。在生产线上，这些系统可以立即检测到缺陷，拒收有缺陷的物品，并向操作员发出采取纠正措施的信号。

接下来，我们将讨论的是满足AI机器视觉需求的硬件。众所周知，人工智能支持的机器视觉系统其显著的优势是可以快速轻松地实时分析图像，以识别细微的差别和模式，比较整个图像数据集的模式，并保留每次分析的信息，以不断学习和提高准确性。然而，要想实现这一目标，云计算显然很难满足这个需求。

边缘计算技术有助于将视觉系统的人工智能任务转移到边缘。综合来看，机器视觉系统中机器学习的大部分动作发生在边缘，边缘计算设备可提供更快的运行响应、更低的延迟以及更高的可靠性、隐私性和安全性。

目前，基于边缘的机器学习引擎多为功能强大的多核处理器，这些器件具有处理神经网络、视觉、语音和多媒体的功能，且所有功能均集成在一个片上系统（SoC）中。i.MX 8M Plus是NXP公司EdgeVerse产品组合和i.MX 8系列的核心产品，该器件专注于机器学习和机器视觉以及具有高可靠性的工业自动化，常被用作AI视觉系统的核心硬件。

从系统框架看，i.MX 8M Plus集成了双图像信号处理器（ISP）、运行频率高达1.8GHz的四核或双核ArmCortex-A53内核、具有800MHz Cortex-M7内核的独立实时子系统、用于语音和自然语言加速的800MHz HiFi4音频DSP以及高精度图形处理单元（GPU）。四核或双核Arm Cortex-A53处理器带有神经处理单元(NPU)，运行速率高达2.3 TOPS，开发人员可以将机器学习推理功能卸载到NPU，同时利用Cortex-A和Cortex-M内核、DSP和GPU的组合能力来执行其他系统级或应用程序任务。

在实际应用中，基于边缘的机器视觉通常包含由相机驱动的图像数据处理需求。如果高分辨率相机远离边缘设备怎么办？为此，i.MX 8M Plus配备了双摄像头ISP和八个麦克风输入，专用的ISP可以在芯片上轻松处理图像加速，两个摄像头输入可模仿人类左/右眼的视觉组合来实现立体视觉，从而打造一个高效的先进视觉系统。

综上所述，i.MX 8M Plus处理器可使开发人员能够将他们的机器学习工作负载直接带到最接近实际感知的点的边缘，无论是语音、视觉还是异常检测均可实时完成。

图：专注于机器学习和视觉应用的i.MX 8M Plus应用处理器系统框图（图源：NXP）

AI机器视觉发展四大趋势

集成机器学习和人工智能、与机器人和物联网等技术的集成等是工业自动化机器视觉的未来发展趋势。具体体现在以下几个方面：

1、深度绑定人工智能和深度学习

机器视觉最重要的趋势之一是与人工智能和深度学习算法的集成。传统的机器视觉系统依赖于预定义的规则和算法来处理图像并识别缺陷或异常。这些系统在处理复杂的模式或变化时存在局限性。人工智能和深度学习彻底改变了这一局面，使机器视觉系统能够从数据中学习，识别复杂的模式，并更准确地做出决策。这个变革在产品存在细微变化或使用传统方法难以检测缺陷的行业中特别有用，可大幅提高产品质量，减少人工检查的需要，从而节省大量成本。

2、3D成像和传感技术将获大规模采用

机器视觉的另一个主要趋势是采用3D成像和传感技术。传统的机器视觉系统主要依赖于2D成像，在获取信息方面具有较大的局限性。3D成像提供了更全面的物体视图，允许精确测量、形状识别和空间分析，在汽车制造业中更是凸显其价值。由3D视觉相机和AI算法引导的机器人技术是这项技术的重要应用。

3、与边缘计算和物联网的集成

与边缘计算和工业物联网（IIoT）的集成将改变机器视觉系统的运作方式。在传统的机器视觉系统中，工业相机捕获的数据需要发送到中央服务器进行分析。这种方法的最大挑战就是延迟问题。边缘计算通过在网络边缘实现数据处理解决了这一挑战，增强了实时决策能力，提高了整体系统性能。此外，将机器视觉与IIoT相结合，可以实现设备和系统之间的无缝数据交换。这种连接使制造商能够监控实时的生产过程，检测异常，并根据数据驱动的见解优化运营。根据Allied Market Research的一份报告，到2028年，全球边缘计算市场预计将达到611亿美元，2021年至2028年的复合年增长率为32.1%。这一增长也有边缘计算在增强机器视觉系统应用中的贡献。

4、智能视觉系统在机器人中规模植入

机器视觉在开发先进的机器人、协作机器人（Cobots）方面的重要性日益明显。机器视觉系统使协作机器人能够感知周围环境，识别物体，并执行高度精确的任务，这在装配等应用中更显其价值。例如，在汽车行业，配备机器视觉的协作机器人可用来组装组件、检查零件并执行质量控制，加快了生产过程，同时确保产品符合严格的质量标准。

本文小结

机器视觉使机器能够及时解析视觉数据，它赋予了机器看到和理解周围环境的能力。工业机器视觉系统在确保产品质量、优化生产流程和提高安全标准方面一直发挥着至关重要的作用。受人工智能图像识别等技术进步和日益增长的自动化需求的影响，全球机器视觉市场迅速扩张。

根据Fortune Business Insights的预测，2023年全球机器视觉市场规模为107.5亿美元，该市场预计将从2024年的116.1亿美元增长到2032年的225.9亿美元，在预测期内的复合年增长率达到8.7%。

机器视觉通过提高精度和提高生产率，为实现更智能、更自主的制造过程铺平了道路。这项技术使制造商能够更快地生产出高质量的产品，甚至在几个月内即可实现投资回报。随着边缘计算和深度学习模型的加入，机器视觉的能力和应用迅速扩展，它们可能不再局限于制造过程的质量监控和优化，工业自动化的格局亦将发生转变。