随着工业物联网和工业 4.0 的不断发展，其技术也在不断发展。机器视觉在工业中的应用越来越广泛，而工业物联网则随着时间的推移推动其变得越来越先进。

大脑皮层是大脑中处理图像的部分。与其他哺乳动物相比，人类拥有很大的大脑皮层。这种优越的视力是人类优于其他动物的进化特征之一。进化生物学家试图揭开这一特征背后的秘密，技术研究人员则试图复制它。

人类通过经验和实践进行学习。机器学习是人工智能 (AI) 领域，旨在让计算机模仿人类大脑的学习方式。图像识别和处理是该领域的一个重要分支。利用图像识别，工程师无需直接的人机交互即可对物体进行分类。

神经网络与机器视觉

简单来说，机器视觉与算法或神经网络相结合，是计算机查看数据并根据数据采取行动的能力。图像以数字格式输入计算机的处理单元，以对其进行分析、解释和采取行动。在此设置之前，我们必须首先训练系统来学习数据。

训练机器视觉中的神经网络

神经网络是机器学习的一个高级领域。它们广泛用于图像识别和其他需要复杂认知的任务。构建人工神经网络的一步是使用图像训练计算机算法。 

 人类的任务是标记输入图像，算法会根据这些图像进行学习。算法将在经过大量标记数据集的训练后自行学习识别对象。数据科学家可以调整模型以提高学习速度和其他参数。具有一致准确性的完整模型可以部署用于商业应用。

但是我们从哪里获取数据来训练模型呢？

机器视觉的数据源

机器视觉与神经网络相结合比简单地识别图像更复杂。识别 3D（三维）物体也是一种空间认知。机器视觉程序的来源可以是照片、视频，甚至是实时摄像头馈送。在这种情况下，摄像头会收集馈送到算法的图像或视频。

还有一些机器视觉算法采用其他形式的输入。雷达和激光雷达可以跟踪传感器周围的物体。此类设备的输出不是图像，而是周围各种物体的坐标。机器视觉算法也可以处理这些信息以获得空间理解。激光雷达数据和来自相机的图像的组合也可以用作机器视觉算法的输入。

机器视觉在工业和非工业领域有着广泛的应用，应用范围从识别、导航到帮助盲人恢复视力。

工业中的机器视觉

机器视觉或计算机视觉在工业中有着广泛的应用。由于它仍处于起步阶段，因此每天都会发现更多的工业应用。 

 一些已知的应用包括：

• 排序产品

• 挑选产品

• 自动化检查

• 光学字符识别

• 识别缺陷

• 识别颜色

• 运动检测

• 识别模式

• 质量保证

• 引导移动（自动导引车，或 AGV）

• 自动驾驶汽车

• 读取条形码和二维码

• 黑暗工厂

随着机器视觉应用的增加，实施此类解决方案的成本下降，并且新的应用也不断涌现。例如，机器视觉可以与IIoT结合使用。

安全

各种机构都使用人工保安巡逻场地。然而，一个常见的问题是，这些人员在非工作时间执行任务时会感到疲劳。带有 IIoT 的机器视觉可以提供帮助。

可以将安全场所的闭路电视 (CCTV) 画面与机器视觉算法连接起来。该算法将不断监控画面中的异常活动。一旦检测到入侵者或其他异常活动，系统就会触发警报，以便人类警卫进行检查。 

它还可以自动执行安全协议，如给围栏通电、在出口处安装尖刺、报警等。所有通信都将通过互联网设备之间的网络进行，以执行任何协议。

化工厂

对于人类员工来说，化工厂的工作很危险。如果这些流程能够实现自动化，那将大有裨益。例如，化工厂中的某个流程要求材料在关闭热量之前 沸腾。如果没有机器视觉，人类技术人员就必须等待并观察该过程。

借助机器视觉，摄像头可以聚焦于溶液，而经过训练以检测沸腾的神经网络可以检测混合物是否已开始沸腾。一旦算法检测到溶液沸腾，它就可以触发标志。该标志通过网络发送到中央计算系统。系统的设计使得收到此信号将触发关闭加热的机制。

在这种情况下，人类不必在工厂吸入化学烟雾来监控该过程。机器视觉和工业物联网可以自动化整个过程。在这个特定的例子中，红外或其他温度检测传感器也可用于检测沸腾混合物。

黑暗工厂

黑暗工厂的概念是充分利用机器视觉、自动化和工业物联网功能。黑暗工厂是一种无需人工操作或监控工厂运作的制造工厂。本质上，工厂不需要灯光，因此可以在黑暗中运作。

从原材料交付到包装，产品将完全自动化。原材料将通过叉车和机械臂在机器视觉的帮助下进行挑选和分类。组装各种零件的机械手将使用机器视觉来识别每个零件的位置。使用机器视觉导航的 AGV 负责工厂内材料的运输。

成品通过机器人结合机器视觉功能进行检查和测试。对缺陷产品的分类和成品的包装也使用机器视觉。

黑暗工厂和化学工艺等应用可以从机器视觉中获益。其算法可以保证人员安全、工艺安全并提高效率。您在车间使用机器视觉进行哪些类型的应用？