还剩3页未读,继续阅读
文本内容:
2.4机器视觉识别技术
一、定义机器视觉技术,是一门涉及人工智能、神经生物学、心理物理学、计算机科学、图像处理、模式识别等诸多领域的交叉学科机器视觉主要用计算机来模拟人的视觉功能,从客观事物的图像中提取信息,进行处理并加以理解,最终用于实际检测、测量和控制机器视觉技术最大的特点是速度快、信息量大、功能多
二、基本简介机器视觉主要用计算机来模拟人的视觉功能,但并不仅仅是人眼的简单延伸,更重要的是具有人脑的一部分功能一一从客观事物的图像中提取信息,进行处理并加以理解,最终用于实际检测、测量和控制
三、应用简介机器视觉伴随计算机技术、现场总线技术的发展,技术日臻成熟,已是现代加工制造业不可或缺的产品,广泛应用于食品和饮料、化妆品、制药、建材和化工、金属加工、电子制造、包装、汽车制造等行业
四、应用影响机器视觉的引入,代替传统的人工检测方法,极大地提高了投放市场的产品质量,提高了生产效率由于机器视觉系统可以快速获取大量信息,而且易于自动处理,也易于同设计信息以及加工控制信息集成,因此,在现代自动化生产过程中,人们将机器视觉系统广泛地用于工况监视、成品检验和质量控制等领域机器视觉系统的特点是提高生产的柔性和自动化程度在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合,常用机器视觉来替代人工视觉;同时在大批量工业生产过程中,用人工视觉检查产品质量效率低且精度不高,用机器视觉检测方法可以大大提高生产效率和生产的自动化程度而且机器视觉易于实现信息集成,是实现计算机集成制造的基础技术0
⑥GRL100\28\300环彭光蹲仍口》RL400/500环寿光,光注电/控制器AFTvision机器视光源
1、机器视觉与计算机视觉的不同机器视觉不同于计算机视觉,它涉及图像处理、人工智能和模式识别机器视觉是专注于集合机械,光学,电子,软件系统,检查自然物体和材料人工缺陷和生产制造过程的工程,它是为了检测缺陷和提高质量,操作效率,并保障产品和过程安全它也用于控制机器机器视觉是将计算机视觉应用于工业自动化
2、机器视觉识别技术的背景移动互联网、智能手机以及社交网络的发展带来了海量图片信息,根据BI五月份的文章,Instagram每天图片上传量约为6000万张;今年2月份WhatsAPP每天的图片发送量为5亿张;国内的微信朋友圈也是以图片分享为驱动不受地域和语言限制的图片逐渐取代了繁琐而微妙的文字,成为了传词达意的主要媒介图片成为互联网信息交流主要媒介的原因主要在于两点第一,从用户读取信息的习惯来看,相比于文字,图片能够为用户提供更加生动、容易理解、有趣及更具艺术感的信息;第二,从图片来源来看,智能手机为我们带来方便的拍摄和截屏手段,帮助我们更快的用图片来采集和记录信息但伴随着图片成为互联网中的主要信息载体,难题随之出现当信息由文字记载时,我们可以通过关键词搜索轻易找到所需内容并进行任意编辑,而当信息是由图片记载时,我们却无法对图片中的内容进行检索,从而影响了我们从图片中找到关键内容的效率图片给我们带来了快捷的信息记录和分享方式,却降低了我们的信息检索效率在这个环境下,计算机的机器视觉识别技术就显得尤为重要机器视觉识别是计算机对图像进行处理、分析和理解,以识别各种不同模式的目标和对像的技术识别过程包括图像预处理、图像分割、特征提取和判断匹配简单来说,机器视觉识别就是计算机如何像人一样读懂图片的内容借助机器视觉识别技术,我们不仅可以通过图片搜索更快的获取信息,还可以产生一种新的与外部世界交互的方式,甚至会让外部世界更加智能的运行百度李彦宏在2011年提到“全新的读图时代已经来临”,现在随着图形识别技术的不断进步越来越多的科技公司开始涉及图形识别领域,这标志着读图时代正式到来,并且将引领我们进入更加智能的未来
五、机器视觉识别的初级阶段一一娱乐化、工具化在这个阶段,用户主要是借助机器视觉识别技术来满足某些娱乐化需求例如,百度魔图的“大咖配”功能可以帮助用户找到与其长相最匹配的明星,百度的图片搜索可以找到相似的图片;Facebook研发了根据相片进行人脸匹配的DecpFacc;雅虎收购的机器视觉识别公司IQEngine开发的Glow可以通过机器视觉识别自动生成照片的标签以帮助用户管理手机上的照片;国内专注于机器视觉识别的创业公司旷视科技成立了Visionllacker游戏工作室,借助图形识别技术研发移动端的体感游戏这个阶段还有一个非常重要的细分领域OCR(OpticalCharacterRecognition光学字符识别),是指光学设备检查纸上打印的字符,通过检测暗、亮的模式确定其形状,然后用字符识别方法将形状翻译成计算机文字的过程,就是计算机对文字的阅读语言和文字是我们获取信息最基本、最重要的途径在比特世界,我们可以借助互联网和计算机轻松的获取和处理文字但一旦文字以图片的形式表现出来,就对我们获取和处理文字平添了很多麻烦这一方面表现为数字世界中由于特定原因被存储称图片格式的文字;另一方面是我们在现实生活中看到的所有物理形态的文字所以我们需要借助OCR技术将这些文字和信息提取出来在这方面,国内产品包括百度的涂书笔记和百度翻译等;而谷歌借助经过DistBelief训练的大型分布式神经网络,对于Google街景图库的上千万门牌号的识别率超过90%每天可识别百万门牌号在这个阶段,机器视觉识别技术仅作为我们的辅助工具存在,为我们自身的人类视觉提供了强有力的辅助和增强,带给了我们一种全新的与外部世界进行交互的方式我们可以通过搜索找到图片中的关键信息;可以随手拍下一件陌生物体而迅速找到与之相关的各类信息;可以将潜在搭讪对象拍下提前去她的社交网络了解一番;也可以将人脸识别作为主要的身份认证方式……这些应用虽然看起来很普通,但当机器视觉识别技术渗透到我们行为习惯的方方面面时,我们就相当于把一部分视力外包给了机器,就像我们已经把部分记忆外包给了搜索引擎一样这将极大改善我们与外部世界的交互方式,此前我们利用科技工具探寻外部世界的流程是这样人眼捕捉目标信息、大脑将信息进行分析、转化成机器可以理解的关键词、与机器交互获得结果而当机器视觉识别技术赋予了机器“眼睛”之后,这个过程就可以简化为人眼借助机器捕捉目标信息、机器和互联网直接对信息进行分析并返回结果机器视觉识别使摄像头成为解密信息的钥匙,我们仅需把摄像头对准某一未知事物,就能得到预想的答案就像百度科学家余凯所说,摄像头成为连接人和世界信息的重要入口之
一六、机器视觉识别的高级阶段一一拥有视觉的机器上文提到,目前的机器视觉识别技术是作为一个工具来帮助我们与外部世界进行交互,只为我们自身的视觉提供了一个辅助作用,所有的行动还需我们自己完成而当机器真正具有了视觉之后,它们完全有可能代替我们去完成这些行动目前的机器视觉识别应用就像是盲人的导盲犬,在盲人行动时为其指引方向;而未来的机器视觉识别技术将会同其他人工智能技术融合在一起成为盲人的全职管家,不需要盲人进行任何行动,而是由这个管家帮助其完成所有事情举个例子,如果机器视觉识别是一个工具,就如同我们在驾驶汽车时佩戴谷歌眼镜,它将外部信息进行分析后传递给我们,我们再依据这些信息做出行驶决策;而如果将机器视觉识别利用在机器视觉和人工智能上,这就如同谷歌的无人驾驶汽车,机器不仅可以对外部信息进行获取和分析,还全权负责所有的行驶活动,让我们得到完全解放《人工智能一种现代方法》中提到,在人工智能中,感知是通过解释传感器的响应而为机器提供它们所处的世界的信息,其中它们与人类共有的感知形态包括视觉、听觉和触觉,而视觉最为重要,因为视觉是一切行动的基础在一次论坛上百度IDL的余凯院长问大家,你觉得哪种感觉最重要?没有人能很快作答,后来余凯院长换了个提问方式,如果要放弃一种感觉,你最不愿意放弃的是那一种?这时大家都回答是视觉ChrisFrith在《心智的构建》中提到,我们对世界的感知不是直接的,而是依赖于“无意识推理”,也就是说在我们能感知物体之前,大脑必须依据到达感官的信息来推断这个物体可能是什么,这构成了人类最重要的预判和处理突发时间的能力而视觉是这个过程中最及时和准确的信息获取渠道,人类感觉信息中的80%都是视觉信息机器视觉之于人工智能的意义就是视觉之于人类的意义,而决定着机器视觉的就是机器视觉识别技术更重要的是,在某些应用场景,机器视觉比人类的生理视觉更具优势,它更加准确、客观和稳定人类视觉有着天然的局限,我们看起来能立刻且毫无费力的感知世界,而且似乎也能详细生动的感知整个视觉场景,但这只是一个错觉,只有投射到眼球中心的视觉场景的中间部分,我们才能详细而色彩鲜明的看清楚偏离中间大约10度的位置,神经细胞更加分散并且智能探知光和阴影也就是说,在我们视觉世界的边缘是无色、模糊的因此,我们才会存在“变化盲视”,才会在经历着多样事物发生时,仅仅关注其中一样,而忽视了其他样事物的发生,而且不知道它们的发生而机器在这方面就有着更多的优势,它们能够发现和记录视力所及范围内发生的所有事情拿应用最广的视频监控来说,传统监控需要有人在电视墙前时刻保持高度警惕,然后再通过自己对视频的判断来得出结论,但这往往会因为人的疲劳、视觉局限和注意力分散等原因影响监控效果但有了成熟的机器视觉识别技术之后,再加以人工智能的支持,计算机就可以自行对视频进行分析和判断,发现异常情况直接报警,带来了更高的效率和准确度;在反恐领域,借助机器的人脸识别技术也要远远优于人的主观判断。