【中國傳動網 技術前沿】 云計算的進步已經提高了機器視覺的服務質量，并足以達到工業應用的可行性。

機器視覺一直是圍繞大數據的業務，獲取并處理無數的以千兆字節為單位的圖像，然后針對一項指定的對象或任務提取出制定決策所需要的信息。對于諸如遠程傳感以及網絡檢查這樣的應用來說，它們會生成大量的數據，每分鐘千兆字節的數據很快就變成了太字節，甚至是拍字節。

隨著數據流的大小不斷增長，而且它們的數量也不斷增加，激發出很多來尋求離線計算和存儲方案的行業。進入云?？墒窃朴嬎銓τ跈C器視覺應用的響應會足夠快嗎？服務質量對于工業應用足夠嗎？隨著機器視覺的范圍已經擴展到工廠車間以外了，該問題的答案越來越多都是肯定的，甚至是對于工業應用來說。

隨著數據流量的增加，它們的數量也更加龐大，這促使許多行業尋找云計算和存儲解決方案。進入云端顯然是個明智的選擇。但云計算對機器視覺應用的響應能否足夠快？服務質量是否足以滿足工業應用的需求？隨著機器視覺的范圍超出工廠范圍，得到的肯定答案越來越多，即使對于工業應用也是如此。

機器視覺走進云端

“如果沒有某種形式的云或物聯網（IoT）集成，要想以一種非常自律的方式收集和管理大量圖像數據會變得很有挑戰，”ProlucidTechnologies公司的創始人兼首席執行官DarcyBachert說，“在過去5年中，在核心的云技術方面取得的顯著的進步可以讓所有這些變為現實。”

像谷歌、微軟和亞馬遜之類的行業巨頭已經在云技術方面投入很多，其開發出的大規模存儲和分析技術能夠同時保證信息的安全性?！癐BM開發的一種協議MQTT，是專門為與低功率分布式設備的接口而設計的，其目的是在實現服務質量的同時，確保任何類型的數據傳輸都得到保證。”Bachert說。

除了巨大的存儲量和計算功能，公共云的供應商也提供機器學習和深度學習服務。一個例子就是TensorFlow，它是在機器視覺中廣泛用于深度學習研究和應用開發的框架。從先進的疾病檢測到在生產線上管理更多的產品的多樣性，深度學習在每個方面都展示了其潛能。

這些開源的工具與成像學和基于圖像的模型的進步意味著，“與其雇傭一個由博士和數據科學家組成的團隊，你現在就可以利用不斷出現的數據集，以一種更簡單的方式來訓練這些模型并提煉價值。”Bachert說。

Bachert估計其公司開發的機器視覺項目中有半數都具有云組件。其中，在云上實施的最大規模的視覺和成像處理可能就是醫療設備行業。Prolucid公司正在與一位客戶合作，使用基于超聲波的成像設備來獲得圖像，并且提供諸如人口基因以及一般位置的分類值。

在從醫療成像設備上采集并分析數據的時候，為了保護患者的隱私，Prolucid公司采用了幾項安全策略。其中一個步驟是“去識別化”或者消除個人信息，例如姓名、出生日期以及郵政編碼。

此外，Prolucid公司還制定了一項策略以保護數據在傳輸途中或靜止狀態時的安全，當在數據中心和設備層級檢測數據泄露時，、可以提醒客戶進行修復，識別其他缺陷，并且在發生災難性違規的時候恢復數據。

云與邊緣計算的組合

在一個生產制造的環境里，在云上的機器視覺產生了一些關于互聯網帶寬和延遲問題的擔心，這可能會使檢查流程變慢，并且造成數據丟失以及可能給設備和工人帶來安全方面的問題?！坝辛藱C器學習的應用，你仍然會擁有實時的檢查流程，”Bachert說，“發生變化的就是你如何解決它?！?/p>

例如，在缺陷分類的應用中，生產制造商會使用云來收集、分類驗證數據集，并且開發出一個機器學習模型。然后，從云上將該模型取下來，并且在云的邊緣應用于實時的過程，這意味著可以在靠近數據源的網絡邊緣進行實時分析，例如在生產制造的車間。

“因此，我們不用擔心延遲的問題?！盉achert說道，“在我們設計的每個系統里，實時流程組件無論是在有云連接還是沒有云連接的時候都可以運行?！边@種云和邊緣計算的混合方法代表了機器視覺集成的一個潛在發展方向。

云計算在某些領域的成功應用讓更多的制造企業們躍躍欲試。“10年前，沒有人會預見到可以實現自動駕駛汽車，但現在大眾廣泛認識到操作這些車輛的數據是在云上進行采集和處理的。”CythSystems首席執行官AndyLong說，“我們與客戶進行了對話，他們說‘我們不知道想做什么，但我們的執行團隊告訴我們，必須找到一種方法來投資這項顛覆性技術。”

IoT的深度擴展

隨著生產制造商尋求更多的流程都采用自動化，機器視覺基于云的生產系統會發揮更重要的作用。“我們為客戶做了很多裝配驗證項目，其目標是要提供一個不需要任何編程的系統，而是使用人工智能和基于云的處理器來做所有的工作?！盠ong說道，“過去手動檢驗部件的人們現在負責培訓系統，教會系統如何識別好的部件和壞的部件。它本身不需要任何機器視覺的知識?！?/p>

使用云來簡化機器視覺的實施也為生產制造商們提供了前所未有的自由，可以將該技術用于設備測試和試車?！扒岸说姆治鏊俣缺饶阍趥鹘y機器視覺系統中所做的編程要更快?！盠ong說，“你現在可以更快、更頻繁地進行實驗，以確定該技術是否能解決某個問題?！?/p>

即便如果生產制造商拒絕在互聯網上分析他們的成像數據，他們也會以其他方式使用云——最明顯的是在遠程監控方面。例如，OmronMicroscanSystems公司可為用戶提供一個被稱為CloudLink的界面，允許用戶通過Web監控實時機器視覺檢測。此外，ImpactVisionTechnologies公司也可以提供能夠相關的機器視覺產品，遠程監控客戶的視覺系統性能，更改檢查標準并執行維護。

來自GardsoftVision公司的Triniti燈光控制器是另一個很好的例子，展示了IoT是怎樣不僅僅擴展到工廠的各個角落，而且也擴展到了機器視覺系統。支持網絡的Triniti控制器可提供照明系統和操作的智能和精確控制，包括有關照明屬性、型號信息、使用信息以及光學和電氣特性等固定和可變的數據。GenICam和GigEVision標準的兼容性允許與其他系統組件輕松集成，而且便于從工廠主機下載部件編號。

“諸如最高運行溫度、工作周期以及使用小時數等參數對于進行正確的維護或利用燈具非常重要。”Gardsoft公司北美副總裁JohnMerva說道，“Triniti允許用戶輕松訪問信息，以便就照明和機器視覺系統本身的整體性能做出最佳決策。”

更多地使用云技術

無論是在生產制造環境之內還是之外，機器視覺都越來越多地使用云異地計算和存儲解決方案。在過去，因為成本和安全的目的，這些流程都是在內部完成的。現在，這一切都在悄然改變。

機器視覺系統可以連接遠程的云計算和存儲設備，增加了任何機器視覺系統的能力，甚至是在工業領域。諸如質量檢驗和分類整理的應用從這個趨勢中大大地獲益。

機器視覺需要處理和分析大量的圖像數據，尤其是對于工業應用。多年以來，這些數據量已經膨脹到了難以管理的大小，迫使公司轉而求助于離線云計算和存儲解決方案。如果沒有云技術，機器視覺系統就會自然地被限制在可以處理的數據量以下。在連接到云解決方案以后，機器視覺系統可以實現其更多的商業潛力。

增加機器視覺連接性

云技術大幅度提升了前端分析的速度，讓生產制造商們可以驗證新的、連接性更強的解決方案。工業物聯網（IIoT）的實現是由云解決方案所帶來的速度和連接性所推動的。舉例來說，遠程監控是IIoT利用云技術的早期應用，用于提升生產制造的運行。機器視覺檢測可以通過網絡實時的進行監控，從而進行檢測性能分析、維護和檢測標準的修改。

IIoT正在擴展到工廠的每個角落。連接到云上的機器視覺系統具有前所未有的連接性，可以實現全新類型的視覺應用，特別是在工業檢測環境方面。云技術對于機器視覺系統來說，越來越重要。

如果沒有云計算和存儲，很多今天的正在進行中的應用都不可能實現。隨著越來越多的數據在工業的環境中被收集和處理，機器視覺將更加依賴于云技術來滿足未來智能制造的需求。