當(dāng)前的嵌入式開發(fā)技術(shù)趨勢，如工業(yè)4.0(又稱工業(yè)物聯(lián)網(wǎng))和智能工廠，正在深刻地改變工業(yè)價值創(chuàng)造過程，其特征是更高程度的數(shù)字化、連接性和自動化。所有涉及的組件，包括機(jī)器、機(jī)器人、傳輸和處理系統(tǒng)、傳感器和圖像采集設(shè)備，都始終聯(lián)網(wǎng)，并通過各種協(xié)議相互通信。

機(jī)器人技術(shù)的創(chuàng)新趨勢也正在改變工業(yè)生產(chǎn)的面貌。新一代更小、更緊湊、移動性更強(qiáng)的機(jī)器人正在塑造高度自動化裝配車間的形象。協(xié)作機(jī)器人(cobots)與他們的人類同事分擔(dān)某些任務(wù)，密切合作，甚至經(jīng)?；ハ鄠鬟f工件。此外，cobots可以快速靈活地進(jìn)行重組，使它們能夠用于各種生產(chǎn)任務(wù)。

機(jī)器視覺已經(jīng)成為這種普遍自動化生產(chǎn)場景中不可或缺的一部分。這項(xiàng)技術(shù)在這里發(fā)揮了重要作用：許多圖像采集設(shè)備——如相機(jī)、掃描儀和3D傳感器——分布在不同的位置，無縫記錄生產(chǎn)過程。然后，集成機(jī)器視覺軟件處理生成的數(shù)字圖像數(shù)據(jù)，并將其用于生產(chǎn)鏈中的眾多應(yīng)用。例如，該軟件可以根據(jù)光學(xué)特征明確識別許多不同的物體，并精確定位和對齊工件。該技術(shù)還支持故障檢測：缺陷產(chǎn)品被可靠識別并自動剔除。作為“生產(chǎn)的眼睛”，機(jī)器視覺廣泛地監(jiān)控整個生產(chǎn)情況，從而使過程更加安全和高效。這尤其適用于機(jī)器人之間的相互作用以及它們與人類的相互作用。

緊湊型設(shè)備變得越來越普遍

與此同時，機(jī)器視覺算法在嵌入式開發(fā)平臺上運(yùn)行并針對嵌入式平臺進(jìn)行優(yōu)化也變得越來越重要。當(dāng)這兩個技術(shù)世界彼此無縫集成時，這就是所謂的嵌入式視覺。在工業(yè)4.0的背景下，集成嵌入式軟件的緊湊型設(shè)備的使用正在顯著增加，特別是智能相機(jī)、移動視覺傳感器、智能手機(jī)、平板電腦和手持設(shè)備。它們在工業(yè)環(huán)境中激增的原因是，今天的設(shè)備配備了長期可用的高性能工業(yè)級處理器。這種處理器還使他們能夠執(zhí)行復(fù)雜的機(jī)器視覺任務(wù)——前提是他們擁有強(qiáng)大而健壯的機(jī)器視覺軟件。為了讓這款軟件能夠無錯運(yùn)行，它必須與各種各樣的嵌入式平臺兼容，并針對這些平臺進(jìn)行優(yōu)化，包括流行的Arm?處理器架構(gòu)。MVTec就是一個很好的例子。其最新發(fā)布的HALCON標(biāo)準(zhǔn)機(jī)器視覺軟件HALCON18.11可以輕松地在這些平臺上運(yùn)行，無論是64位還是32位。對用戶的好處：通常只在固定電腦上運(yùn)行的強(qiáng)大機(jī)器視覺功能也可以在所有緊湊型設(shè)備上使用。

現(xiàn)代嵌入式視覺系統(tǒng)能夠滿足數(shù)字化的巨大需求——尤其是當(dāng)它們配備了人工智能(AI)時。這些基于人工智能的技術(shù)包括，例如，深度學(xué)習(xí)和卷積神經(jīng)網(wǎng)絡(luò)(CNN)。這些方法的特別之處在于它們能夠?qū)崿F(xiàn)極高且穩(wěn)健的識別率。

在深度學(xué)習(xí)過程的情況下，大量的數(shù)字圖像數(shù)據(jù)，例如由圖像采集設(shè)備生成的數(shù)據(jù)，首先用于訓(xùn)練CNN。在這個訓(xùn)練過程中，特定“類”的典型特征被自動學(xué)習(xí)，例如，包括特定對象屬性和區(qū)別特征?；谟?xùn)練的結(jié)果，待識別的對象可以被精確地分類和識別，之后嵌入式開發(fā)人員可以將它們直接分配到特定的類別。利用深度學(xué)習(xí)技術(shù)，不僅可以對對象進(jìn)行分類，還可以精確定位對象和故障。

在嵌入式視覺應(yīng)用中使用深度學(xué)習(xí)

今天，深度學(xué)習(xí)功能已經(jīng)用于許多嵌入式視覺應(yīng)用中。所有這些應(yīng)用的共同點(diǎn)是，它們通常會生成大量數(shù)據(jù)，并經(jīng)常涉及非工業(yè)場景，如自動駕駛。相關(guān)車輛已經(jīng)配備了大量的傳感器和攝像頭，從主要的交通狀況中收集數(shù)字?jǐn)?shù)據(jù)。集成視覺軟件在深度學(xué)習(xí)算法的幫助下實(shí)時分析數(shù)據(jù)流。例如，這使得識別情況、處理信息并利用信息精確控制車輛成為可能——這是自動駕駛成為可能的首要原因?；谏疃葘W(xué)習(xí)的嵌入式視覺技術(shù)也經(jīng)常用于智能城市環(huán)境中。在大城市，為了向居民提供特殊服務(wù)，某些基礎(chǔ)設(shè)施過程，如街道交通、照明和電力供應(yīng)被數(shù)字化地網(wǎng)絡(luò)化。最后，這些技術(shù)用于智能家居應(yīng)用，例如數(shù)字語音助理和機(jī)器人吸塵器。

機(jī)器視覺過程的自動化

那么深度學(xué)習(xí)技術(shù)在嵌入式和機(jī)器視覺環(huán)境下有什么優(yōu)勢呢?

不再需要繁瑣的手動特征提取。深度學(xué)習(xí)算法能夠從訓(xùn)練數(shù)據(jù)中自動學(xué)習(xí)特定的區(qū)分特征，如紋理、顏色以及灰度等級，并根據(jù)相關(guān)性對它們進(jìn)行加權(quán)。通常，在嵌入式開發(fā)中，這項(xiàng)任務(wù)必須由訓(xùn)練有素的機(jī)器視覺專家手動執(zhí)行，這非常耗時且成本高昂。

物體的特征通常非常復(fù)雜，人類幾乎無法解釋。另一方面，從訓(xùn)練數(shù)據(jù)中自動學(xué)習(xí)區(qū)分標(biāo)準(zhǔn)節(jié)省了大量的精力、時間和金錢。深度學(xué)習(xí)的另一個好處是，它還可以區(qū)分更抽象的對象，而傳統(tǒng)的手動方法只能對可以清晰描述的對象進(jìn)行分類。這包括具有更復(fù)雜、更精細(xì)結(jié)構(gòu)的物體，或者在極其嘈雜的背景下出現(xiàn)的物體。在大多數(shù)情況下，人類無法辨別這些物體中任何明確的、可區(qū)分的特征。

因?yàn)橛?xùn)練需要極高的計算能力，所以復(fù)雜的神經(jīng)網(wǎng)絡(luò)是在具有高端圖形處理器的相應(yīng)強(qiáng)大的PC上訓(xùn)練的。然而，訓(xùn)練有素的網(wǎng)絡(luò)也可以用于大量嵌入式設(shè)備，這意味著緊湊、魯棒的嵌入式視覺解決方案也可以受益于最高的識別率。

結(jié)論

深度學(xué)習(xí)和CNN等基于人工智能的技術(shù)正變得越來越重要，特別是在高度自動化的工業(yè)4.0環(huán)境中。這就是為什么它們目前是最先進(jìn)的機(jī)器視覺解決方案的重要組成部分。如果算法也運(yùn)行在諸如Arm的相關(guān)嵌入式開發(fā)平臺上?過程架構(gòu)，強(qiáng)大的機(jī)器視覺軟件的整個人工智能功能范圍可以在緊湊型設(shè)備上使用。