Быстрое внедрение технологий машинного зрения во встроенные системы привело к разработке сверх-высокоскоростных-решений для обработки изображений для автомобильной безопасности, машинного зрения и анализа движения. Соответственно, более мощные датчики изображения и пиксельная архитектура меньшего размера могут значительно повысить производительность и возможности обработки изображений этих продуктов.
Технология машинного зрения использует алгоритмы распознавания изображений для идентификации объектов на изображениях и обеспечивает более подробные и точные изображения этих объектов без искажений, не ставя под угрозу широкий спектр приложений, таких как промышленная автоматизация, робототехника, дроны и 3D-моделирование.
Во-первых, компактные, но мощные процессорные платформы снижают стоимость традиционных систем машинного зрения. Во-вторых, благодаря мощным, недорогим-затратам и энергосберегающим-технологиям обработки новые датчики изображения быстро развиваются, чтобы удовлетворить потребности промышленных-приложений обработки изображений, таких как оптический контроль и промышленная автоматизация.
Датчики изображения являются ключевым элементом любой конструкции машинного зрения и претерпевают быстрые изменения с точки зрения скорости и разрешения. Новые датчики изображения обеспечивают более высокую частоту кадров без ущерба для качества изображения. Кроме того, с точки зрения разрешения эти датчики изображения обладают надежными оптическими характеристиками, которые обеспечивают детализацию изображения и производительность, необходимые для современных проверок с помощью машинного зрения.
Эти встроенные системы с низким-энергопотреблением также могут поддерживать различные разрешения продуктов, обеспечивая при этом широкий спектр возможностей пикселей. В этих встроенных системах машинного зрения,-которые быстро развиваются вместе с новой пиксельной архитектурой,-пиксели большего размера могут обеспечивать компромисс между разрешением и заданной оптической конфигурацией для достижения более высокой чувствительности изображения.
Машинное зрение лежит в основе революции промышленной автоматизации. Однако машинное зрение не ограничивается революцией в промышленной робототехнике. Его применение охватывает практически все машины и все аспекты производственного цикла.
Фактически, машинное зрение используется во многих приложениях за пределами заводских цехов. Его области применения варьируются от распознавания номерных знаков в интеллектуальных транспортных системах до отслеживания перемещения покупателей и товаров в магазинах без касс, а также в качестве базовой системы управления для автономных транспортных средств.
Сегодня машинное обучение стало ключевой технологией в беспилотных транспортных средствах. Он также играет решающую роль в усовершенствованных системах помощи водителю (ADAS), где различные алгоритмы машинного зрения обеспечивают безупречную точность восприятия.
Машинное зрение также выполняет интеллектуальный анализ видеоконтента для нескольких приложений,-ориентированных на камеры, включая гарнитуры и аксессуары для наблюдения, дополненной реальности (AR) и виртуальной реальности (VR).
Некоторые датчики изображения используют технологию глобального затвора для устранения артефактов движения и размытия. Глобальные затворы установили новые стандарты в конструкции камер, обеспечивая превосходное качество изображения, высокую однородность изображения и низкий уровень шума. В отличие от технологии роллетного затвора, технология глобального затвора позволяет датчику одновременно сканировать всю область изображения, что имеет решающее значение в приложениях машинного зрения.
Еще одним важным сдвигом в области машинного зрения стал переход от датчиков изображения с-устройствами с зарядовой связью (CCD) к более экономичным-эффективным системам камер на основе CMOS-, которые также потребляют меньше энергии и обеспечивают более высокую частоту кадров.
КМОП-датчики изображения добились значительных успехов в двух ключевых областях: частота кадров и уровень шума. Для встраиваемых систем машинного зрения CMOS-сенсоры постепенно становятся более экономичным-эффективным вариантом благодаря улучшенным шумовым характеристикам. Кроме того, датчики изображения CMOS обеспечивают более детальное изображение большей площади поверхности, что является критически важным требованием в средах автоматизации производства.
Машинное зрение является ключевым проявлением революции искусственного интеллекта (ИИ), которое переместилось из академических исследований в коммерческий сектор. Например, системы машинного зрения сейчас широко используются в сварочной промышленности для автоматического контроля сварных швов, для контроля точности траектории сварочного оборудования в процессе сварки или для контроля качества сварных швов после сварки.
Конструкции CMOS-центрических камер помогают разработчикам соответствовать требованиям к обработке и ограничениям-низкого энергопотребления приложений машинного зрения. Основные изменения в разработке технологий машинного зрения и датчиков изображения направлены на обслуживание таких областей применения, как анализ движения, робототехника, отслеживание, промышленный контроль и метрология.