智能图像处理 让机器视觉及其应用更智能高效

　　3.机器视觉的应用

　　机器视觉应用广泛，如安防、制造、教育、出版、医疗、交通、军事领域等。在这些机器数额的应用中，智能图像处理都是不可或缺的，这里仅简要介绍其中几个方面的应用。

　　(1)智能制造

　　为了实现中国智能制造2025这一宏伟目标，离不开机器视觉。例如，在智能图像处理一直处于领先地位的广东迅通科技股份有限公司(以下简称“迅通科技”)针对这一需求开发出了机器视觉分析仪平台。其中，迅通科技为某知名汽车厂商装配流水线开发的车门限位器自动定位、检测和识别的系统。该系统通过智能图像识别方式，自动检测型号是否正确，定位是否准确，完全代替了人工操作，检测准确率达到100%。此前，每个工位需要4个工人用眼睛来检查、定位16种型号限位器，员工不仅很容易疲劳，还时常出现差错。

　　(2)教育考试

　　考试试卷时常发现因排版或印刷错误影响学生考试，利用智能图像处理技术，机器自动对印刷后的试卷和原版试卷进行比对，发现不一致之处，会自动提示并报警，完全替代之前只能通过人工对试卷进行校验。

　　(3)出版印刷

　　和教育考试类似，专业出版印刷厂由于印刷的图书、报纸杂志，以及承接来自企业产品包装和宣传资料的种类多，数量大，排版和印刷中经常出错。为此，需安排不少专业人员进行校对，耗费大量的资金和时间。通过利用智能图像处理技术进行自动校对，既提高了校对准确度，又缩短了校对时间，降低了印刷成本，缩短了出版物的交付周期。

　　(4)安防监控

　　这是当前备受机器视觉关注的一个领域。机器视觉打破了传统视频监控系统的限制，增加了系统的智能，使得智能视频分析得以逐步实现。以公共场所的视频监控为例，通过运用机器视觉技术，可以实现对可疑人物的自动检测、人脸识别、实时跟踪，必要时还可以实现多摄像机接连跟踪，同时发出告警，存储现场信息。

　　(5)智能交通

　　机器视觉在交通领域有着广泛的应用。例如，在高速公路上及卡口处，对来往车辆进行车型、牌照等识别，甚至对行驶车辆的违规行为进行识别。在汽车上对驾驶员面部图像进行分析，判断驾驶员是否处于疲劳驾驶状态。再如，无人驾驶汽车借助于机器视觉技术，使用摄像头、激光/毫米波/超声波雷达、GPS等感知道路环境信息，自动规划和控制车辆的安全行驶。

　　有数据显示，2016年全球机器视觉系统的市场规模约46亿美元， 2017年约50亿美元，预计2018年达到55亿美元，年增长率为10%左右。中国机器视觉市场的增长是从2010年开始的，2017年市场规模约68亿元，预计到2020年或达780亿元，市场增长率将超过100%。

　　4.技术瓶颈及今后的发展

　　在机器视觉的智能图像处理技术的发展中，还存在不少技术瓶颈，如：

　　1)稳定性：某种处理方法往往在研究和开发中表现良好，但在复杂多变的应用环境中，却不时地出现问题。例如人脸识别系统，在目标配合时识别率可高达95%以上，但在实际监控环境下，识别率就会大大下降。

　　2)实时性：如果图像的采集速度、处理速度较慢，再加上新近引入的深度学习类算法，加大了系统实时处理的难度，跟不上机器运行和控制的节奏。

　　3)准确性：机器视觉系统要求图像识别和测量的准确性接近100%，任何微小的误差都有可能带来不可预测的后果。例如目标定位的误差会使装配出来的设备不符合要求。

　　4)系统能力：目前的嵌入式图像处理系统，存在芯片的计算能力不足，存储空间有限等问题，常常不能满足运算量较大的图像处理运算，如神经网络的迭代运算，大规模矩阵运算等。

　　今后机器视觉中智能图像处理的发展主要体现在以下几个方面：

　　1)算法：传统算法继续不断有所突破，新一波人工智能浪潮带来不少新的性能优良的图像处理算法，如深度学习(DL)，卷积神经网络(CNN)，生成对抗网络(GAN)，等等。

　　2)实时性：出现更多结构新颖、资源充足、运算快速的硬件平台支撑，例如基于多CPU、多GPU的并行处理结构的计算机，海量存储单元等。

　　3)嵌入式：新的高速的信号处理器阵列，超大规模FPGA芯片。

　　4)融合处理：从单图像传感器发展到多传感器(多视点)的融合处理，可更加充分地获取现场信息。还可融合多类传感器，如图像传感器、声音传感器、温度传感器等共同完对现场目标定位、识别和测量。

　　总之，无论是“中国制造2025”还是“工业4.0”都离不开人工智能，离不开计算机视觉，而智能图像处理是机器视觉的核心技术，随着图像处理水平的不断提高，一定会有力地推动机器视觉的迅速发展。