图片19
近年来，机器视觉系统在工业过程中的应用显著增加。传统上，机器视觉系统主要用于一些基本的图像识别，例如监控输送带上的产品。然而，最近人工智能（人工智能）和机器学习（ML）的出现有望提升机器视觉系统对工业应用的价值。
工业生产线生产的产品通常具有明确的参数指标。测试此类产品是传统机器视觉系统的理想应用，因为检测系统可以预先编程以检测不合格产品。然而，对于那些不需要通过预编程来识别的事件，传统的机器视觉系统似乎无法处理它们。人工智能和ML将帮助传统机器视觉系统解决这一问题，这样机器视觉系统只需要确定传送带是否意外停止，或物体是否丢失在生产线上，就可以部署到更高的附加值场景中。这将使机器视觉系统能够在多个垂直市场上展示其技能。
随着成本的降低和精度的提高，可用的商业云平台正在越来越多地处理从应用程序中收集的视觉数据。这意味着人工智能和ML功能更容易在机器视觉系统中添加；机器视觉系统将不可避免地成为物联网（和工业物联网）设备的主要部分。
超低功耗传感。
超低功率传感器解决方案的可用性对于这种增长至关重要，因为许多应用程序需要一个主动视觉系统，可以根据需要快速捕捉图像，并结合高性能和低功耗的优点。通过处理云中的人工智能图像，可以使用更小、更节能的传感器平台，但这些平台需要一种强大的高速数据传输模式，将图像数据传输到云端。
采集彩色图像。
对于许多机器视觉系统来说，单色（黑白）图像足以识别基本物体；然而，彩色图像包含更多信息。在许多新兴应用程序中，彩色图像有可能为使用人工智能进行场景识别带来新的维度。颜色提供了更大的对比度，可以更容易、准确地区分场景中的物体，人工智能系统也可以更充分地利用这一点。
然而，捕捉彩色图像比捕捉单色图像消耗更多的能量，因此这对电池供电设备来说是一个挑战。通常情况下，电池供电设备预计只有一个按钮电池可以运行至少5年。因此，当在机器视觉系统中使用彩色图像时，图像传感器、控制系统和通信接口的电源管理是最大限度地延长电池寿命的关键。
机器视觉事件触发。
当预定的事件发生时，触发的机器视觉不是连续捕获图像并传输图像数据，而是捕获图像。事件的发生是通过使用集成在相机平台上的高度先进的传感器来监测的。这些传感器监测的事件包括运动、温度、时间、湿度和加速度。然后，开发者可以利用这些传感器的输出，为事件处理创造复杂的条件。在使用蓝牙低功耗传输技术将捕获的图像数据传输到智能手机或网关之前，相机将触发图像捕获。
