智能圖像處理 讓機器視覺(jué)及其應用更智能高效

　　3.機器視覺(jué)的應用

　　機器視覺(jué)應用廣泛，如安防、制造、教育、出版、醫療、交通、軍事領(lǐng)域等。在這些機器數額的應用中，智能圖像處理都是不可或缺的，這里僅簡(jiǎn)要介紹其中幾個(gè)方面的應用。

　　(1)智能制造

　　為了實(shí)現中國智能制造2025這一宏偉目標，離不開(kāi)機器視覺(jué)。例如，在智能圖像處理一直處于領(lǐng)先地位的廣東迅通科技股份有限公司(以下簡(jiǎn)稱(chēng)“迅通科技”)針對這一需求開(kāi)發(fā)出了機器視覺(jué)分析儀平臺。其中，迅通科技為某知名汽車(chē)廠(chǎng)商裝配流水線(xiàn)開(kāi)發(fā)的車(chē)門(mén)限位器自動(dòng)定位、檢測和識別的系統。該系統通過(guò)智能圖像識別方式，自動(dòng)檢測型號是否正確，定位是否準確，完全代替了人工操作，檢測準確率達到100%。此前，每個(gè)工位需要4個(gè)工人用眼睛來(lái)檢查、定位16種型號限位器，員工不僅很容易疲勞，還時(shí)常出現差錯。

　　(2)教育考試

　　考試試卷時(shí)常發(fā)現因排版或印刷錯誤影響學(xué)生考試，利用智能圖像處理技術(shù)，機器自動(dòng)對印刷后的試卷和原版試卷進(jìn)行比對，發(fā)現不一致之處，會(huì )自動(dòng)提示并報警，完全替代之前只能通過(guò)人工對試卷進(jìn)行校驗。

　　(3)出版印刷

　　和教育考試類(lèi)似，專(zhuān)業(yè)出版印刷廠(chǎng)由于印刷的圖書(shū)、報紙雜志，以及承接來(lái)自企業(yè)產(chǎn)品包裝和宣傳資料的種類(lèi)多，數量大，排版和印刷中經(jīng)常出錯。為此，需安排不少專(zhuān)業(yè)人員進(jìn)行校對，耗費大量的資金和時(shí)間。通過(guò)利用智能圖像處理技術(shù)進(jìn)行自動(dòng)校對，既提高了校對準確度，又縮短了校對時(shí)間，降低了印刷成本，縮短了出版物的交付周期。

　　(4)安防監控

　　這是當前備受機器視覺(jué)關(guān)注的一個(gè)領(lǐng)域。機器視覺(jué)打破了傳統視頻監控系統的限制，增加了系統的智能，使得智能視頻分析得以逐步實(shí)現。以公共場(chǎng)所的視頻監控為例，通過(guò)運用機器視覺(jué)技術(shù)，可以實(shí)現對可疑人物的自動(dòng)檢測、人臉識別、實(shí)時(shí)跟蹤，必要時(shí)還可以實(shí)現多攝像機接連跟蹤，同時(shí)發(fā)出告警，存儲現場(chǎng)信息。

　　(5)智能交通

　　機器視覺(jué)在交通領(lǐng)域有著(zhù)廣泛的應用。例如，在高速公路上及卡口處，對來(lái)往車(chē)輛進(jìn)行車(chē)型、牌照等識別，甚至對行駛車(chē)輛的違規行為進(jìn)行識別。在汽車(chē)上對駕駛員面部圖像進(jìn)行分析，判斷駕駛員是否處于疲勞駕駛狀態(tài)。再如，無(wú)人駕駛汽車(chē)借助于機器視覺(jué)技術(shù)，使用攝像頭、激光/毫米波/超聲波雷達、GPS等感知道路環(huán)境信息，自動(dòng)規劃和控制車(chē)輛的安全行駛。

　　有數據顯示，2016年全球機器視覺(jué)系統的市場(chǎng)規模約46億美元， 2017年約50億美元，預計2018年達到55億美元，年增長(cháng)率為10%左右。中國機器視覺(jué)市場(chǎng)的增長(cháng)是從2010年開(kāi)始的，2017年市場(chǎng)規模約68億元，預計到2020年或達780億元，市場(chǎng)增長(cháng)率將超過(guò)100%。

　　4.技術(shù)瓶頸及今后的發(fā)展

　　在機器視覺(jué)的智能圖像處理技術(shù)的發(fā)展中，還存在不少技術(shù)瓶頸，如：

　　1)穩定性：某種處理方法往往在研究和開(kāi)發(fā)中表現良好，但在復雜多變的應用環(huán)境中，卻不時(shí)地出現問(wèn)題。例如人臉識別系統，在目標配合時(shí)識別率可高達95%以上，但在實(shí)際監控環(huán)境下，識別率就會(huì )大大下降。

　　2)實(shí)時(shí)性：如果圖像的采集速度、處理速度較慢，再加上新近引入的深度學(xué)習類(lèi)算法，加大了系統實(shí)時(shí)處理的難度，跟不上機器運行和控制的節奏。

　　3)準確性：機器視覺(jué)系統要求圖像識別和測量的準確性接近100%，任何微小的誤差都有可能帶來(lái)不可預測的后果。例如目標定位的誤差會(huì )使裝配出來(lái)的設備不符合要求。

　　4)系統能力：目前的嵌入式圖像處理系統，存在芯片的計算能力不足，存儲空間有限等問(wèn)題，常常不能滿(mǎn)足運算量較大的圖像處理運算，如神經(jīng)網(wǎng)絡(luò )的迭代運算，大規模矩陣運算等。

　　今后機器視覺(jué)中智能圖像處理的發(fā)展主要體現在以下幾個(gè)方面：

　　1)算法：傳統算法繼續不斷有所突破，新一波人工智能浪潮帶來(lái)不少新的性能優(yōu)良的圖像處理算法，如深度學(xué)習(DL)，卷積神經(jīng)網(wǎng)絡(luò )(CNN)，生成對抗網(wǎng)絡(luò )(GAN)，等等。

　　2)實(shí)時(shí)性：出現更多結構新穎、資源充足、運算快速的硬件平臺支撐，例如基于多CPU、多GPU的并行處理結構的計算機，海量存儲單元等。

　　3)嵌入式：新的高速的信號處理器陣列，超大規模FPGA芯片。

　　4)融合處理：從單圖像傳感器發(fā)展到多傳感器(多視點(diǎn))的融合處理，可更加充分地獲取現場(chǎng)信息。還可融合多類(lèi)傳感器，如圖像傳感器、聲音傳感器、溫度傳感器等共同完對現場(chǎng)目標定位、識別和測量。

　　總之，無(wú)論是“中國制造2025”還是“工業(yè)4.0”都離不開(kāi)人工智能，離不開(kāi)計算機視覺(jué)，而智能圖像處理是機器視覺(jué)的核心技術(shù)，隨著(zhù)圖像處理水平的不斷提高，一定會(huì )有力地推動(dòng)機器視覺(jué)的迅速發(fā)展。