系统集成商应对机器视觉设计的新挑战

今天的视觉系统集成商可以从大量的产品中进行选择:现成的镜头、照明、摄像机、摄像机接口板和软件。而且，随着厂商推出更多价格合理、功能丰富的产品，以取代一度需要花费数千美元的系统，选择也在不断演变。

“这一变化的最大驱动力之一是2D机器视觉产品的商品化，”Markus Tarin说MoviMed和MoviTHERM．“智能传感器和智能摄像机，以及可配置的视觉系统，在很大程度上消除了机器视觉系统开发的需求，现在大多数常见的应用都是通过现成的即插即用技术实现的。

塔林继续说道:“成熟和有能力的机器视觉集成商现在发现，为普通的2D机器视觉系统增加价值变得越来越困难，”“这些系统的一些供应商通过直接向终端客户销售他们的可配置机器视觉系统来强调这种情况。”

John Salls，公司总裁视觉ICS公司。他还承认，在过去十年中，智能相机的功能变得更加强大，照明公司提供了更广泛的产品。然而，就在软件变得越来越强大、价格不断下降之际，Salls看到了软件包的互连和标准化问题。

他说:“不同的公司对同样的事情使用不同的术语。”“即使是像以太网这样的标准化通信，每家公司之间也存在巨大差异，视觉行业也没有真正推动开放(软件)标准。”

就像机器视觉产品线中的其他产品一样，照明也需要集成商的细心关注。工业视觉系统总监Earl Yardley说:“在每个机器视觉系统中，实现尽可能最好的图像是至关重要的，而照明是创建被检查特征的强烈对比定义的关键。”

Yardley说:“有很多现成的机器视觉灯，足以满足大多数应用，但这些标准产品不应该成为限制因素。”

为了解决更复杂的应用，工业视觉系统专门为一个项目开发照明。最近的例子包括高强度的紫外线照明，集成到紧凑的机器人检查头的分段环形灯，以及定制的形状因素背光。

“制作这些自定义解决方案在项目前端创建额外的设计时间，但随着在通过完全优化的图像编程系统方面，这会估计这一点，”Yardley说。

3D和深度学习
虽然今天的许多远景产品可以满足大多数应用程序的需求，系统集成商必须保持领先一步的技术和客户需求的发展。以3D成像市场为例，MoviMed的塔林指出，硬件创新先于软件创新。

Tarin说:“尽管有许多3D传感器和摄像机可用，如激光三角测量、飞行时间、用于伪随机模式生成器的立体传感器等，但在开发工具链中存在很大的缺口，无法实现快速系统开发。”

Tarin解释说，原始设备制造商目前使用开放标准的3D传感器或摄像机，并从头开始编写应用程序，或者使用带有可配置工具的“封闭”系统，这些工具通常带有昂贵的价格标签。

Tarin说:“也许我们需要的是一个3D传感器或摄像机，带有可编程FPGA，用于高速板载图像处理，使非FPGA程序员能够将3D图像处理算法全部部署在一个包中。”

另一项进入机器视觉市场的技术是人工智能，更确切地说，是深度学习——计算机从经验中学习的能力。在这个早期阶段，最大的挑战是将炒作与现实区分开来。塔林说:“人工智能和深度学习算法有时会过度承诺每个难以解决的机器视觉问题的解决方案。”

他指出，Gartner的创新炒作周期(见图)表明，深度学习正处于“膨胀预期”曲线的峰值。

塔林说:“虽然机器视觉应用程序确实已经从深度学习算法的部署中受益，但它们还远远不能提供银弹。”“当我们将实现99%以上精度所需要付出的努力与传统编程工作进行比较时，这一点就显得尤为明显。尽管如此，这项技术肯定有其地位，并将在未来几年继续获得重要地位。”

瞄准新兴
虽然许多系统集成的挑战已经大大减少了，由于智能相机的可用性和日益提高的可负担性，嵌入照明、软件和I/O接口，新兴技术将带来更多的难题，机器视觉解决。例如，在开发多光谱成像系统时，将需要专门的照明来照亮特定波长的产品。对于高光谱成像，宽带LED照明将取代目前使用的卤素系统。

在数据融合应用中，需要使用多种不同的传感器——超声波、可见光、红外和激光雷达，因此需要量身定制复杂的成像软件，以便在高性能图形处理器上高效地执行。随着越来越快的基于cmos的高速摄像机的出现，系统集成商将不得不支持光网络来将数据从摄像机传输到计算机。结合这一点，基于边缘的视觉系统将需要与基于云的计算系统一起工作，将分析捕获的数据与工厂管理和机器人系统结合起来，以实现制造过程的完全自动化。

但由于机器视觉系统集成商天生就是问题解决者，他们将做他们一直在做的事情:克服任何障碍，以找到应用程序的最佳解决方案。