智能圖像處理 讓機器視覺及其應用更智能高效

　　3.機器視覺的應用

　　機器視覺應用廣泛，如安防、制造、教育、出版、醫療、交通、軍事領域等。在這些機器數額的應用中，智能圖像處理都是不可或缺的，這里僅簡要介紹其中幾個方面的應用。

　　(1)智能制造

　　為了實現中國智能制造2025這一宏偉目標，離不開機器視覺。例如，在智能圖像處理一直處于領先地位的廣東迅通科技股份有限公司(以下簡稱“迅通科技”)針對這一需求開發出了機器視覺分析儀平臺。其中，迅通科技為某知名汽車廠商裝配流水線開發的車門限位器自動定位、檢測和識別的系統。該系統通過智能圖像識別方式，自動檢測型號是否正確，定位是否準確，完全代替了人工操作，檢測準確率達到100%。此前，每個工位需要4個工人用眼睛來檢查、定位16種型號限位器，員工不僅很容易疲勞，還時常出現差錯。

　　(2)教育考試

　　考試試卷時常發現因排版或印刷錯誤影響學生考試，利用智能圖像處理技術，機器自動對印刷后的試卷和原版試卷進行比對，發現不一致之處，會自動提示并報警，完全替代之前只能通過人工對試卷進行校驗。

　　(3)出版印刷

　　和教育考試類似，專業出版印刷廠由于印刷的圖書、報紙雜志，以及承接來自企業產品包裝和宣傳資料的種類多，數量大，排版和印刷中經常出錯。為此，需安排不少專業人員進行校對，耗費大量的資金和時間。通過利用智能圖像處理技術進行自動校對，既提高了校對準確度，又縮短了校對時間，降低了印刷成本，縮短了出版物的交付周期。

　　(4)安防監控

　　這是當前備受機器視覺關注的一個領域。機器視覺打破了傳統視頻監控系統的限制，增加了系統的智能，使得智能視頻分析得以逐步實現。以公共場所的視頻監控為例，通過運用機器視覺技術，可以實現對可疑人物的自動檢測、人臉識別、實時跟蹤，必要時還可以實現多攝像機接連跟蹤，同時發出告警，存儲現場信息。

　　(5)智能交通

　　機器視覺在交通領域有著廣泛的應用。例如，在高速公路上及卡口處，對來往車輛進行車型、牌照等識別，甚至對行駛車輛的違規行為進行識別。在汽車上對駕駛員面部圖像進行分析，判斷駕駛員是否處于疲勞駕駛狀態。再如，無人駕駛汽車借助于機器視覺技術，使用攝像頭、激光/毫米波/超聲波雷達、GPS等感知道路環境信息，自動規劃和控制車輛的安全行駛。

　　有數據顯示，2016年全球機器視覺系統的市場規模約46億美元， 2017年約50億美元，預計2018年達到55億美元，年增長率為10%左右。中國機器視覺市場的增長是從2010年開始的，2017年市場規模約68億元，預計到2020年或達780億元，市場增長率將超過100%。

　　4.技術瓶頸及今后的發展

　　在機器視覺的智能圖像處理技術的發展中，還存在不少技術瓶頸，如：

　　1)穩定性：某種處理方法往往在研究和開發中表現良好，但在復雜多變的應用環境中，卻不時地出現問題。例如人臉識別系統，在目標配合時識別率可高達95%以上，但在實際監控環境下，識別率就會大大下降。

　　2)實時性：如果圖像的采集速度、處理速度較慢，再加上新近引入的深度學習類算法，加大了系統實時處理的難度，跟不上機器運行和控制的節奏。

　　3)準確性：機器視覺系統要求圖像識別和測量的準確性接近100%，任何微小的誤差都有可能帶來不可預測的后果。例如目標定位的誤差會使裝配出來的設備不符合要求。

　　4)系統能力：目前的嵌入式圖像處理系統，存在芯片的計算能力不足，存儲空間有限等問題，常常不能滿足運算量較大的圖像處理運算，如神經網絡的迭代運算，大規模矩陣運算等。

　　今后機器視覺中智能圖像處理的發展主要體現在以下幾個方面：

　　1)算法：傳統算法繼續不斷有所突破，新一波人工智能浪潮帶來不少新的性能優良的圖像處理算法，如深度學習(DL)，卷積神經網絡(CNN)，生成對抗網絡(GAN)，等等。

　　2)實時性：出現更多結構新穎、資源充足、運算快速的硬件平臺支撐，例如基于多CPU、多GPU的并行處理結構的計算機，海量存儲單元等。

　　3)嵌入式：新的高速的信號處理器陣列，超大規模FPGA芯片。

　　4)融合處理：從單圖像傳感器發展到多傳感器(多視點)的融合處理，可更加充分地獲取現場信息。還可融合多類傳感器，如圖像傳感器、聲音傳感器、溫度傳感器等共同完對現場目標定位、識別和測量。

　　總之，無論是“中國制造2025”還是“工業4.0”都離不開人工智能，離不開計算機視覺，而智能圖像處理是機器視覺的核心技術，隨著圖像處理水平的不斷提高，一定會有力地推動機器視覺的迅速發展。