近年來，機器視覺系統在工業程序中的應用顯著增加。傳統上，機器視覺系統多用於一些基本的影像識別，比如監測傳送帶上運輸的產品。不過，最近人工智慧(AI)和機器學習(ML)的出現，將有望使機器視覺系統為工業應用帶來的價值更上一層樓。
從工業生產線上生產出來的產品，通常都有明確的參數指標。檢測這樣的產品是傳統機器視覺系統的理想應用，因為可以對檢測系統預先完成程式設計以檢測出不合規的產品。但是，對於那些不是預先設定為須識別的「事件」，傳統機器視覺系統處理起來就顯得無能為力了。AI和ML將有助於傳統機器視覺系統解決這個問題，讓機器視覺系統能夠部署至附加價值更高的場景中，比如識別傳送帶是否意外停止，或者是否有物體在生產線上遺失。這將使機器視覺系統能夠在多個垂直市場大顯身手。
隨著成本的降低和精確度的提高，用於處理應用中所收集視覺資料的AI演算法雲端平台越來越多，代表在機器視覺系統中增加AI和ML功能將變得更加容易；而機器視覺系統將不可避免地成為不斷演進的物聯網(IoT)和工業物聯網(IIoT)設備的重點之一。
低功耗資料傳輸
超低功耗感測器解決方案的可用性將助長這樣的趨勢，因為許多應用需要一個能夠根據需求快速擷取影像的主動式視覺系統，集高性能與低功耗的優勢於一身。透過在雲端處理AI影像，可以使用更小、更節能的感測器平台，但這些平台需要一個強大的高速資料傳輸方式，將影像資料傳輸到雲端。
為了滿足這樣的性能要求，廠商紛紛推出相關技術，例如安森美(onsemi)推出的藍牙低功耗(Bluetooth Low Energy, BLE)技術，便可在提供低功耗傳輸連接方面發揮重要作用，透過一個IoT閘道，將機器視覺感測器平台無線連接到遠端雲端服務。透過這種方式，感測器平台可以將影像資料(另一種資訊)傳輸至雲端，由AI演算法進行處理，接著如有需要，可向感測器或智慧執行器發送適當的指令來做出回應。
彩色影像擷取
對許多機器視覺系統來說，單色(黑白)影像就足以進行基本的物體識別。不過，彩色影像包含更多資訊，在很多新興應用中，彩色影像有能力為使用AI進行場景識別帶來新的維度。彩色影像提升對比度，因此更容易準確區分場景中的物體，AI系統可以充分利用這一特點。
然而，擷取彩色影像比單色影像更耗電，這對電池供電的設備而言是一項挑戰。正常情況下，電池供電的設備預計僅靠一粒硬幣型電池運行至少5年。因此，在機器視覺系統中使用彩色影像時，影像感測器、控制系統和通訊介面的電源管理，是最大化電池壽命的關鍵。為了在機器視覺系統中實現低功耗影像擷取，需要新技術新產品，而安森美開發的RSL10智慧拍攝，其最新版本支援彩色影像擷取，整合藍牙低功耗技術作為傳輸連接，能透過AI支援事件觸發成像(Event-triggered Imaging)(圖1)。
圖1 透過AI支援事件觸發成像的低功耗相機平台
事件觸發型AI相機
事件觸發的機器視覺並非接連不斷地傳輸影像資料，而是僅在預定義的事件發生時才進行影像擷取。事件的發生由整合在相機平台上、高度先進的感測器進行監測。這些感測器能夠監測的狀況條件包括運動、溫度、時間、濕度和加速度。開發人員可以使用這些感測器的輸出資料，為事件處理創造複雜的情境條件。如果這些事件的條件得到滿足，相機就會觸發進行影像擷取，再使用藍牙低功耗傳輸技術，將擷取到的影像資料傳輸到智慧型手機或閘道。
AI影像分析應用
事件觸發的機器視覺能在許多應用中發揮重要作用，這些應用既不需要也不可能進行長期影像監控，庫存監控即為一例。庫存監控案例中，可以採用一台事件觸發型相機監測超市貨架上的庫存狀況，如果發現貨架上有空隙，系統就會自動發送補貨警報。作為這一應用的延伸，系統不只發送某個通道中特定貨架需要補貨的一般補貨警報，還能使用以雲端為基礎的AI演算法對影像進行處理，確定需要補貨的準確產品類型(圖2)。同樣，這種方法也可以應用於家庭環境，比如監測廚房櫥櫃或冰箱中的食物存量，並與行動購物應用程式相連接，以自動創建購物清單。
圖2 具有影像分析功能並連接至雲端的行動應用程式
從這類應用的性質來看，通常這些倉儲空間在頗長時間內是靜止的，長期持續進行影像監控不符合成本效益。此外，這些地方通常僅會由保全人員每隔一段時間進行確認，如果遭到非法入侵或發生影響庫存狀態的事件，例如漏水或空調故障，這些情況帶來的損失和損害，可能在過長的一段時間內都無人察覺，無法及時採取補救措施。
在這種情況下，如果能使用一台相機檢測環境條件的變化或意外的運動，並向主機系統發送更新的影像，上述問題就能迎刃而解。對於那些在外度假的屋主來說，也可以利用這種功能來監控自家的房產，如意外發生，可以隨時收到更新的資訊。透過AI演算法可以進一步避免虛假警報，這些演算法經過訓練，可以對預期訪客(如保全人員)進行人臉或特徵識別。
如今，智慧數位儀表用於監測工業製程中環境變數的狀態，但仍有無數老式類比儀表尚在使用中。這些老式儀表必須定期人工讀取，除非在儀表的測量值超出預期範圍時恰好有操作人員在附近，否則這個儀表警報就很難被發現，可能會導致工廠停機或造成更嚴重的破壞性後果。在這種情況下，事件觸發的AI相機可在類比儀表讀數超出預期值的情況觸發警報，並將讀數的影像發送給製程作業控制者(人或機器)以採取適當的行動。
圖2 具有影像分析功能並連接至雲端的行動應用程式
農業生產者也可以在幾個方面使用AI機器視覺技術。除了監測環境條件外，AI機器視覺還可以用來監測農作物的不同成熟度，或透過顏色變化，檢測水果或蔬菜中是否存在疾病，也能夠藉由運動監測，識別溫室中是否存在不必要的害蟲。
安森美的RSL10智慧拍攝相機可以為OEM提供一個設計平台，將連接性、彩色及單色成像和基於AI的影像處理相結合。憑藉優化的低功耗運行，該智慧相機可透過整合的雲端服務提供AI和ML功能，可用於開發能運行超過十年而不需要特別照顧的遠端機器視覺系統。
(本文由安森美提供)