機器視覺的核心是簡單地利用圖像中可用的信息來決定圖像中的對象下一步該做什么。
在裝配線上或裝運之前對產(chǎn)品進(jìn)行簡單的通過/失敗檢查是一個更簡單的例子。PCB檢測是一種常見的用例，當(dāng)生產(chǎn)PCB從自動拾取和放置系統(tǒng)移動到下一階段時，可以快速輕松地將正確填充板的圖像與生產(chǎn)PCB進(jìn)行比較。
這是質(zhì)量保證和廢料減少的寶貴步驟，人類的眼睛和大腦每天都不會一直重復(fù)數(shù)百甚至數(shù)千次，而機器視覺卻可以做到。
隨著圖像捕獲系統(tǒng)的分辨率增加，機器視覺的可能性也增加，因為可用于評估的細(xì)節(jié)以相應(yīng)的速率增加?？梢葬槍χ髂０逶u估較小和較小的視覺信息子集，增加了系統(tǒng)處理器在數(shù)據(jù)流失中的負(fù)擔(dān)并且快速地做出關(guān)于后續(xù)步驟的決定。
簡單的拿農(nóng)業(yè)蔬菜分級舉例說明，蔬菜分級是指產(chǎn)品質(zhì)量的簡單尺寸和合格/不是最佳的情況，產(chǎn)品質(zhì)量會隨著季節(jié)不同而變化。而未來能夠最大限度的節(jié)約成本和保證蔬菜的質(zhì)量，就需要更優(yōu)化的算法來進(jìn)行質(zhì)量分級，這對于人眼和大腦來說是幾乎不可能的任務(wù)，但是通過智能相機方案定制就可以處理大量的信息，需要多個階段和攝像機，機器照明，種植場地增加等。
此外，一種方法是應(yīng)用廣泛的處理能力，既可以作為高帶寬連接的集中處理單元，也可以作為智能相機的分布式處理，直接在攝像機中實時處理數(shù)據(jù)，只需將每個產(chǎn)品的結(jié)果傳送到最終的機械分級系統(tǒng)。
可以依靠具有不同傳感器陣列的可更換磁頭與智能相機系統(tǒng)配合使用。例如，其高光譜成像頭可以對食品質(zhì)量和安全性進(jìn)行無損檢測。在標(biāo)準(zhǔn)視覺系統(tǒng)中，食品質(zhì)量和安全性通常由外部物理屬性（如紋理和顏色）定義。
高光譜成像使食品行業(yè)有機會將新屬性納入質(zhì)量和安全評估，如化學(xué)和生物屬性，以確定產(chǎn)品中的糖，脂肪，水分和細(xì)菌數(shù)量。在高光譜成像中，從每個像素獲得空間和光譜信息的三維圖像立方體。
更多的光譜特性可以更好地區(qū)分屬性，并使更多的屬性得到認(rèn)可。圖像立方體包括所有獲取的光波長的每個像素的強度（反射或透射光），這導(dǎo)致每個圖像立方體包含大量信息。該數(shù)據(jù)量表示計算挑戰(zhàn)的指數(shù)增加，以實時提取產(chǎn)品分級的定性和定量結(jié)果。
只需要在智能相機平臺中使用加速處理單元（APU），將GPU和CPU組合在同一個芯片上，使系統(tǒng)能夠?qū)⒁曈X應(yīng)用中的密集像素數(shù)據(jù)處理卸載到GPU，而無需處理組件之間的高延遲總線事務(wù)處理。
這使CPU能夠以更低的延遲提供其他中斷，有助于提高整個系統(tǒng)的實時性能，并滿足現(xiàn)代視覺系統(tǒng)不斷增長的處理需求。GPU是一個大規(guī)模并行引擎，可以同時在大數(shù)據(jù)（像素）集中應(yīng)用相同的指令；這也正是機器視覺所需要的。通過將APU與移動PCI Express模塊（MXM）外形中的外部獨立GPU配對，可以進(jìn)一步提高性能，使其能夠在需要時添加額外的GPU處理資源以支持更加密集的視覺任務(wù)。
關(guān)于軟件，異構(gòu)處理平臺可以由標(biāo)準(zhǔn)Linux內(nèi)核管理，每個新內(nèi)核版本只需要適度的開發(fā)支持。x86的生態(tài)系統(tǒng)支持使公司能夠利用開源和第三方圖像處理庫，如OpenCV，Mathworks Matlab和Halcon。調(diào)試工具，延遲分析器和分析器（perf，ftrace）也廣泛可用。
機器視覺是可擴展處理如何在嵌入式應(yīng)用程序中發(fā)揮作用的一個很好的例子。
來源：朗銳智科
下載文檔
