与云集成的机器视觉应用

机器视觉一直从事大数据业务，获取和处理无数gb的图像，然后提取信息，对给定的物体或任务做出决策。每分钟千兆字节的数据很快就会变成千兆字节，甚至千兆字节，用于遥感和网络检测等产生大量数据的应用。

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。进入云时代。但是对于机器视觉应用来说，云计算的响应速度足够快吗?服务质量(QoS)是否足以满足工业应用?随着机器视觉的应用范围扩展到工厂车间之外，答案越来越是肯定的——甚至对于工业应用也是如此。

云端生活

Prolucid Technologies创始人兼首席执行官Darcy Bachert表示:“如果没有某种形式的云或物联网(IoT)集成，那么以非常严格的方式收集和管理大量图像数据就变得具有挑战性。”“在过去五年里，核心云技术取得了重大进展，可以实现这一切。”

巴切特提到了谷歌、微软和亚马逊网络服务等公司，这些公司已经开发出了大规模存储和分析技术，同时保证了信息的安全。他说:“IBM的协议之一MQTT专门设计用于与低功耗分布式设备接口，以实现QoS，并确保任何类型的数据传输都得到保证。”

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。TensorFlow就是一个例子，它是机器视觉中常用的深度学习研究和应用开发框架。从先进的疾病检测到处理生产线上更大的产品变化，深度学习在各个方面都显示出潜力。

这些开源工具，以及成像和基于图像的模型的进步，意味着“你不必雇佣一群博士和数据科学家，现在你可以用一种更简单、更容易的方式来训练这些模型，针对新兴的数据集来创造价值，”巴切特说。

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。在云中视觉和成像的最大实现者是医疗设备行业。Prolucid正在与客户合作，使用基于超声波的成像设备获取图像，并提供分类值，如人口因素和大致位置。

巴赫特说:“这为研究人员提供了足够的信息来了解超声图像的背景，这样它们就可以用于诊断或活检的临床研究。”

为了在从医学成像设备收集和分析数据时保护患者的隐私，Prolucid采用了几种安全策略。其中一个程序是“去识别”或删除个人信息，如姓名、出生日期和邮政编码。

此外，Prolucid有一种策略可以保护传输中的和静止的数据，检测数据中心和设备级别的数据泄露，警告客户，应用修复程序，识别其他漏洞，并在发生灾难性泄露时恢复数据。

从云端到地面

在制造环境中，云中的机器视觉对互联网带宽和延迟问题产生了一些担忧，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。“有了机器学习应用程序，你仍然有实时检查过程，”巴切特说。“改变的是你如何处理它。”

例如，在缺陷分类应用程序中，制造商将使用云来收集分类验证数据集并开发机器学习模型。然后，从云中取出模型，并将其部署到在边缘(即在数据来源附近的网络边缘，即在制造位置)完成的实时流程中。

“正因为如此，我们不必担心延迟，”巴切特说。“在我们设计的每个系统中，实时流程组件都需要能够在云连接和不连接的情况下运行。”

这种云和边缘计算的混合方法代表了机器视觉集成商的潜在增长。Cyth Systems首席执行官Andy Long表示:“在未来的12到18个月里，我们预计我们的一些客户将在云端进行分析，那里的周期时间更高，他们不需要即时响应，以防网络出现任何延迟。”

Long将制造商对云计算兴趣的增加归因于云计算在其他领域的成功应用。他说:“十年前，没有人会预见到自动驾驶汽车的出现，但现在人们对在云中收集和处理的数据有了很大的认识，这些数据是用来操作这些车辆的。”“我们与客户交谈过，他们说，‘我们还不知道自己想做什么，但我们的高管团队告诉我们，我们必须找到一种方法来投资这种颠覆性技术。’”

物联网的深度影响

随着制造商寻求更多的流程自动化，基于机器视觉的云生产系统将发挥重要作用。Long说:“我们正在为客户做很多组装验证项目，目标是提供一个不需要任何编程，而是使用人工智能和基于云的处理器来完成所有工作的系统。”“过去手工检查零件的人现在负责训练系统如何识别好零件或坏零件。它本身不需要任何机器视觉知识。”

使用云来简化机器视觉的实现，也为制造商提供了前所未有的自由，可以对这项技术进行测试。Long说:“前端的分析速度比传统机器视觉系统中必须进行的所有编程都要快。”“现在你可以更快更频繁地进行试验，以确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成像数据，他们也在其他方面使用云——最显著的是在远程监控方面。欧姆龙Microscan Systems, Inc.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Gardsoft Vision的Triniti光控制器是物联网如何不仅渗透到工厂的每个角落，而且还渗透到机器视觉系统本身的每个角落的另一个例子。可上网的Triniti照明控制器可对照明系统和操作进行智能和精确控制，包括关于照明属性、模型信息、使用信息以及光学和电气特性的固定和可变数据。符合GenICam和GigE Vision标准，可以轻松与其他系统组件集成，并方便从工厂主机下载零件编号配方。

Gardasoft北美副总裁John Merva表示:“最高工作温度、工作周期和使用时间等参数对于进行适当的维护或重新使用光源非常重要。”“Triniti让用户可以轻松地访问信息，对他们的照明和机器视觉系统本身的整体性能做出最好的决定。”

在医疗和制造应用之外

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，但即使是它们也知道无纸化的重要性。I2s制造了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系列使用区域扫描相机，可以在0.3秒内扫描一张a2大小的页面(420 x 594毫米)，而使用线扫描相机则需要4秒。然后，CopiBook可以将扫描过程的生产率提高30%以上。

文件大小取决于书籍的长度和内容的类型，但由于i2s能够将数字化书籍放置在云中，因此可以说是天空的极限。例如，一本500页的书可以生成200到500 MB的数据，但i2s的客户通常需要扫描整个收藏。

i2s首席执行官Xavier Datin说:“标准藏书可以有1万本书，一个项目总的藏书容量为2到5tb。“我们也有一些客户拥有50万册图书，这个项目的容量高达250tb。”

随着物联网实现了连接数据、设备和人的承诺，机器视觉正在寻找新的方法来利用数据分析、深度学习和云计算所提供的一切。

韦恩哈丁是AIA的特约编辑。本文最初发表于视觉在线．AIA是先进自动化协会(A3)的一部分，是CFE媒体的内容合作伙伴。由CFE媒体制作编辑克里斯·瓦夫拉编辑，cvavra@cfemedia.com．

原始内容可以在www.visiononline.org．

您是否具有本内容中提到的主题的经验和专业知识?你应该考虑为我们的CFE媒体编辑团队做出贡献，并获得你和你的公司应得的认可。点击在这里开始这个过程。