图1 通用成像解决方案很难适用于所有潜在的应用场景

自动化技术人员、操作员、工程师和管理人员通常无法依赖最新的“趋势”。当然，跟上并评估有前景的新技术很重要。然而，最终，最新的高度炒作的小工具或应用程序很少成为营销材料和阶段演示中承诺的广泛适用的银弹解决方案。相反，在“战壕”中至关重要的是成功可靠地满足工艺或生产环境需求的技术的实际实施和使用。

工业自动化生产正越来越广泛地受益于视觉和成像技术的发展，机器视觉已经被广泛应用于自动化产线中的检测、测量、引导和定位任务。随着应用场景的不断丰富、增多以及视觉和成像技术的不断发展，机器视觉在工业自动化领域的应用也呈现出了一些值得关注的发展趋势。

“易于使用”和“无代码”的解决方案

视觉和成像市场中一个很明显的发展趋势是推广易于使用的产品和可配置的或无代码的解决方案。然而，易用性很难有一个清晰的概念界定，因为确定什么程度是“容易的”并没有一个明确的指标，它高度依赖于一个人的主观认知和个人技能。这意味着，这些技术应该或可以在没有任何先天技能的条件下使用。事实上，如果使用者对视觉和成像方法有合理的理解，实现视觉应用的成像和分析一直都比较容易。尽管人们对易用性的界定并没有一个统一的标准，但是易用性已经成为用户选择产品时的一项备受关注的指标。

然而，在视觉应用中，要实现易用性必要要克服一些基本的障碍。第一也许也是最重要的，是成像和图像采集设计。需要检测的产品类别、必须检测的产品特征以及生产这些产品的自动化环境，都会给检测任务带来几乎无法估量的变化范围。例如，发动机缸体上的划痕或电动机定子上的划痕，与手机或医疗设备显示屏上的划痕有很大不同，如果没有正确的成像组件架构，这些特征甚至不会在生成的图像中看到。这是一个关于易用性的复杂问题，因为通用成像解决方案即使不是不可能，也很难应用于所有潜在的应用场景。

在分析方面，通常每项具体应用的要求也存在很大差异。例如，即使是简单的缺陷检测，也可能不仅需要判断是否存在缺陷，还需要检测出缺陷的大小、颜色、几何形状等。这些类型的项目需求预示着针对一项应用的高级别配置和定制化，甚至是利用特殊代码实现可靠的结果。那么，从易用性的角度来讲，在某种程度上，必须限制可配置性和能力，才能达到所需的易用性水平。

尽管实现易用性存在潜在的障碍，但是具有更高易用性的成功视觉产品和系统正在不断出现，并且会在未来继续增多。在大多数情况下，关键是将任务限制在特定的用例中，并且这类应用市场正呈现出增长势头，这样也可以增加针对特定场景应用方案的易用性。比如3D成像解决方案在机器人引导中的应用。

用于机器人的3D视觉引导方案不断增长

图2 视觉工程师越来越容易获得各种通用情况下的3D成像

3D不再是一种新兴的成像技术，它正成为广泛应用于自动化成像的一种成熟技术，3D成像产品不断增长，并且越来越强大。从场景中获取和处理高质量的点云或深度图像，是3D产品的一种关键能力，市场上有广泛的产品选择。

目前，人们正在充分利用3D成像功能的不断扩展，以实现3D视觉引导的机器人（VGR）的易用性。料箱分拣曾一度被称为是机器视觉“难以实现的一项艰难应用”，但是现在它已经可以作为一个独立的解决方案广泛使用。其他应用——包括常见但有时却很复杂的任务，如随机的产品拆码垛，正在以“打包系统”的形式出现。未来，3D视觉引导机器人的方法，将有望进一步扩大3D成像技术在各类机器人产品中的使用。

然而，需要明确的是，视觉功能必须要与项目需求相匹配，并且没有能够广泛适用的一刀切的解决方案。尽管如此，视觉工程师正在越来越多地在各种通用场景中使用3D成像。

AI和深度学习作为自动化检测工具

在自动化检测中应用的人工智能（AI）技术，通常在某种形式上指的是深度学习。在用于自动化应用的通用视觉中，深度学习已成为对图像或图像中的特征进行分割和分类的宝贵工具。使用深度学习技术带来的主要好处是，需要被检测的图像或特征是由软件学习的，而不是通过它们在图像中的外观和几何形状在算法上进行明确定义。

深度学习擅长识别比离散且更主观的事物，比如人类。尽管这项技术多年来一直被大肆炒作并对其期望过高，但深度学习正在逐渐实实在在地在一个个自动化应用中落地，它作为一种有价值的工具被用于更广泛的自动化检测中。

尽管如此，我们需要对深度学习有如下客观认知：深度学习应用的图像采集要求与标准机器视觉相同，这意味着深度学习无法克服糟糕的照明和/或光学设计问题。深度学习不是万能的，并不是适用于所有机器视觉应用的解决方案。深度学习作为一项独立的技术，需要高水平的技能和经验才能实施。

使用深度学习最成功的产品解决方案，似乎是那些同时使用传统机器视觉分析和深度学习工具相结合的混合方法。至于易用性，解决方案正在趋于利用预配置的模型，用于不需要大量培训和学习的特定应用场景。将标准机器视觉和深度学习工具结合使用，已经是一种发展趋势。

未来发展

只有那些在实施后真正取得长期成功的解决方案，才能在市场的大浪淘沙中幸存下来。工业自动化中的机器视觉和成像应用正在蓬勃发展，并将继续蓬勃发展，这得益于大量优秀和不断发展的技术，包括成像组件、系统和软件。易用性、3D成像、深度学习和所有其他趋势都很重要，但在解决大多数应用时，明智的用户将会继续选择应用那些久经考验的可靠工具。

（文章来源于互联网，如有侵权，请联系删文）