机器视觉把头伸进云里，喜欢它看到的东西

机器视觉一直处于大数据领域，获取和处理无数千兆字节的图像，然后提取信息，对给定的对象或任务做出决策。对于遥感和网络检查等产生大量数据的应用程序来说，每分钟十亿字节的数据很快就会变成tb，甚至petabytes。随着数据流规模的增加，它们的数量也会成倍增加，这促使许多行业寻找场外计算和存储解决方案。进入云。但是，对于机器视觉应用来说，云计算的响应速度够快吗?对于工业应用来说，服务质量(QoS)是否足够?随着机器视觉的触角延伸到工厂以外，答案越来越多地是肯定的——即使是在工业应用中。

云里生活
“没有某种形式的云或物联网(IoT)集成，以一种非常有纪律的方式收集和管理大量图像数据变得具有挑战性，”创始人兼首席执行官达西·巴谢特说无产阶段(安大略省米西索加)。“在过去五年中，核心云技术取得了重大进展，这一切都可以实现。”

Bachert Cites Cites，如Google，Microsoft和Amazon Web服务，这些公司已经开发了具有存储和分析的大规模规模的技术，同时保持信息安全。“IBM的协议之一MQTT专门用于与低功耗分布式设备接口，以实现QoS并确保保证任何类型的数据传输。”

除了巨大的存储和计算能力，公共云提供商还提供机器学习和深度学习服务。一个例子是TensorFlow，这是一个用于深度学习研究和应用开发的框架，通常用于机器视觉。从推进疾病检测到处理生产线上更大的产品差异，深度学习在方方面面都显示出了潜力。

这些开源工具以及基于图像和基于图像的模型的进步，意味着“而不是必须雇用博士和数据科学家的团队，您现在可以以更简单，更简单的方式培训这些模型的新兴数据集驾驶价值，“Bachert说。

巴切特估计，他的公司开发的机器视觉项目中有一半都有云组件。医疗设备行业是云视觉和成像技术最大的实施者之一。Prolucid正在与客户合作，使用基于超声波的成像设备来获取图像，并提供诸如人口因素和总体位置等分类值。

“这为研究人员提供了足够的信息来说明超声图像的背景，因此它们可以用于诊断或活检的临床研究，”巴谢特说。

在收集和分析医疗成像设备的数据时，为了保护患者的隐私，Prolucid采用了几种安全策略。一种方法是“去识别”或消除个人信息，如姓名、出生日期和邮政编码。

其次，Prolucid有一个策略来保护传输和休息中的数据，检测数据中心和设备级别的数据泄漏，警告客户，应用修复，识别其他漏洞，并在发生灾难性泄漏时恢复数据。

从云端到地面
在制造环境中，云中的机器视觉产生了一些关于互联网带宽和延迟问题的担忧，这可能会减慢检查过程，导致数据丢失，并可能导致设备和工人的安全问题。巴谢特说:“在机器学习应用程序中，仍然有实时的检查过程。“改变的是你处理问题的方式。”

例如，在缺陷分类应用程序中，制造商将使用云收集分类验证数据集并开发机器学习模型。然后将模型从云中取下并部署到边缘处的实时过程 - 这意味着在数据源附近的网络边缘，即在制造位置。

“正因为如此，我们不必担心延迟，”巴谢特说。“在我们设计的每个系统中，实时流程组件都需要能够在连接云的情况下运行。”

这种云计算和边缘计算的混合方法代表了机器视觉集成商的显著增长八个系统(加州圣地亚哥)。首席执行官Andy Long表示:“在未来12到18个月，我们预计一些客户将在云计算中进行分析，因为云计算的周期更高，他们不需要即时响应，以防网络出现任何延迟。”

长期归因于制造商的增加的兴趣，以在其他领域成功使用云计算。“十年前，没有人能够预见到一个自驾车，但现在对云层聚集和处理的数据有很大意识，”长长的说。“我们与客户的对话，”我们不知道我们想要做些什么，但我们的执行团队告诉我们，我们必须找到一种投资这种破坏性技术的方法。“

物联网的深远影响
随着制造商寻求自动化其更多流程，基于机器视觉云的生产系统将发挥重要作用。“我们为客户做了很多装配验证项目，其中目标是提供一个不需要任何编程的系统，而是使用AI和基于云的处理器来完成所有工作，”Long说。“曾经手动检查零件的人现在负责培训系统如何识别良好的部分或不良部分。它不需要任何机器视觉知识。“

使用云技术来简化机器视觉的实现，也让制造商有了前所未有的自由来进行技术测试。Long表示:“前端分析的速度比传统机器视觉系统的所有编程速度都要快。”“你现在可以更快速、更频繁地进行试验，以决定这项技术是否能解决某个问题。”

即使制造商不愿意通过互联网分析他们的图像数据，他们也在以其他方式使用云——最明显的是远程监控。Omron Microscan Systems, Inc. (Renton, Washington)提供了一个名为CloudLink的界面，允许用户通过网络监控实时机器视觉检查。同时，凭借其机器视觉云产品，ImpactVision Technologies (Maricopa, Arizona)可以远程监控客户的视觉系统性能，更改检查标准，并进行维护。

来自Triniti的光控制器Gardsoft愿景（英国剑桥）是IoT如何达到工厂的每个角落，也是机器视觉系统本身的每个角落的另一个例子。支持Web的Triniti照明控制器提供了照明系统和操作的智能和精确控制，包括有关照明属性，模型信息，使用信息和光学和电气特性的固定和可变数据。Genicam和Gige Vision标准标准合规可以轻松整合
其他系统组件，以及促进工厂的部件号码的下载
主机电脑。

“像最高工作温度，占空比和数小时的参数成为
重要的是进行适当的维护或重新利用灯，”Gardasoft的约翰·默瓦说
北美副总裁。“Triniti允许用户轻松访问信息以使其制作
对他们的照明和机器的整体性能做出最好的决定
视觉系统本身。”

超越医疗和制造业
在数字时代，图书馆和学术机构可能是印刷文字的最后堡垒，但即使是他们也知道无纸化的重要性。i2s (Pessac，法国)生产几种类型的图书扫描仪，以保存历史出版物，同时允许众多用户通过云访问数字资产。

该公司的Copibook系列采用了一个区域扫描摄像头，可以在0.3秒内扫描A2尺寸页面（420 x 594 mm），而使用线扫描相机4秒相比。然后，COPIBOOK可以将扫描过程的生产力增加超过30％以上。

文件大小根据书的长度和内部内容的类型而异，但是对于将数字化书籍放入云中的能力，天空实际上是限制。例如，500页的书可以在数据之间产生200和500 MB的数据，但I2S的客户通常需要整个集合扫描。

“标准集合可以有10,000本书，整个项目为2比5 TB，”I2S首席执行官Xavier Datin说。“我们还有一些拥有50,​​000本书的顾客，该项目将占地250点TB。”

随着物联网实现其连接数据、设备和人的承诺，机器视觉正在寻找利用数据分析、深度学习和云计算提供的所有功能的新方法。