機(jī)器視覺(jué)與AI的機(jī)會(huì)
近年來(lái)，傳統(tǒng)科技公司和新創(chuàng)公司競(jìng)相將機(jī)器視覺(jué)與人工智能/機(jī)器學(xué)習(xí)結(jié)合，使其能夠超越傳感器像素?cái)?shù)據(jù)，從而在各種應(yīng)用中開(kāi)創(chuàng)新的機(jī)會(huì)。這一結(jié)合的潛力巨大，相關(guān)的新創(chuàng)公司在交通運(yùn)輸、制造業(yè)、醫(yī)療保健和零售等各個(gè)市場(chǎng)中籌集了數(shù)十億美元的資金。然而，要充分實(shí)現(xiàn)其潛力，這項(xiàng)技術(shù)需要應(yīng)對(duì)許多挑戰(zhàn)，包括提高性能和安全性，以及設(shè)計(jì)靈活性。
從根本上講，機(jī)器視覺(jué)系統(tǒng)是軟件和硬件的結(jié)合，可以以數(shù)字像素的形式捕捉和處理信息。這些系統(tǒng)可以分析圖像，并根據(jù)其編程和訓(xùn)練來(lái)采取相應(yīng)的行動(dòng)。典型的視覺(jué)系統(tǒng)包括圖像傳感器（攝像頭和鏡頭）、圖像和視覺(jué)處理組件（視覺(jué)算法）以及SoCs（片上系統(tǒng)）和網(wǎng)絡(luò)/通信組件。
無(wú)論是靜態(tài)圖像還是視頻數(shù)字相機(jī)，都包含圖像傳感器。汽車(chē)感測(cè)器（如激光雷達(dá)、雷達(dá)、超聲波）也能以數(shù)字像素形式提供圖像，盡管分辨率可能不同。盡管大多數(shù)人對(duì)這些類(lèi)型的圖像都很熟悉，但機(jī)器也能夠“看見(jiàn)”熱和音頻信號(hào)數(shù)據(jù)，并分析這些數(shù)據(jù)以創(chuàng)建多維圖像。
Synopsys公司的戰(zhàn)略市場(chǎng)經(jīng)理Ron Lowman表示：“在過(guò)去幾年中，CMOS圖像傳感器取得了顯著的改進(jìn)。傳感器的帶寬不再優(yōu)化用于人類(lèi)視覺(jué)，而是用于提供人工智能的價(jià)值。例如，主導(dǎo)視覺(jué)傳感器接口的MIPI CSI不僅提高了帶寬，還增加了智能ROI（Region of Interest）和更高的顏色深度等人工智能功能。雖然這些顏色深度增加對(duì)人眼來(lái)說(shuō)無(wú)法察覺(jué)，但對(duì)于機(jī)器視覺(jué)來(lái)說(shuō)，它可以大大提高服務(wù)的價(jià)值。”
機(jī)器視覺(jué)系統(tǒng)由軟件和硬件組成，其中關(guān)鍵的組件是圖像傳感器。在過(guò)去幾年中，CMOS圖像傳感器取得了顯著的改進(jìn)，這使得傳感器的帶寬不再僅僅優(yōu)化于人類(lèi)視覺(jué)，而是為了提供人工智能的價(jià)值。MIPI CSI作為主要的視覺(jué)傳感器接口，不僅增加了帶寬，還增加了智能ROI（Smart Region of Interest）和更高的顏色深度等人工智能功能。雖然這些顏色深度的增加對(duì)人眼而言無(wú)法察覺(jué)，但對(duì)于機(jī)器視覺(jué)來(lái)說(shuō)，它可以大大提高服務(wù)的價(jià)值。
除了圖像傳感器外，機(jī)器視覺(jué)系統(tǒng)還包括圖像和視覺(jué)處理組件以及片上系統(tǒng)和網(wǎng)絡(luò)/通信組件。這些組件協(xié)同工作，使機(jī)器能夠理解和解釋圖像數(shù)據(jù)。圖像和視覺(jué)處理組件包括視覺(jué)算法，它們能夠分析圖像并根據(jù)其訓(xùn)練和編程進(jìn)行相應(yīng)的處理。此外，片上系統(tǒng)和網(wǎng)絡(luò)/通信組件則負(fù)責(zé)數(shù)據(jù)處理和傳輸，以實(shí)現(xiàn)機(jī)器視覺(jué)系統(tǒng)的功能。
圖 1：機(jī)器視覺(jué)系統(tǒng)包括用于執(zhí)行圖像處理和分析的硬件、軟件和芯片。 AI 通常是解決方案的一部分，并且 MV 通常連接到云。 來(lái)源：Arcturus 網(wǎng)絡(luò)
機(jī)器視覺(jué)是計(jì)算機(jī)視覺(jué)的一個(gè)子集，兩者在很大程度上依賴(lài)于對(duì)圖像數(shù)據(jù)的觀察來(lái)推斷信息。然而，機(jī)器視覺(jué)更加強(qiáng)調(diào)在工業(yè)或工廠環(huán)境中的“檢測(cè)類(lèi)型”應(yīng)用。Cadence公司的Tensilica Vision and AI DSPs的產(chǎn)品管理、市場(chǎng)營(yíng)銷(xiāo)和業(yè)務(wù)拓展總監(jiān)Amol Borkar指出，機(jī)器視覺(jué)在感測(cè)方面高度依賴(lài)攝像頭。然而，“攝像頭”這個(gè)詞是個(gè)負(fù)面詞，因?yàn)槲覀兺ǔＪ煜さ氖且粋€(gè)能夠產(chǎn)生RGB圖像并在可見(jiàn)光譜范圍內(nèi)運(yùn)作的圖像傳感器。不過(guò)，根據(jù)應(yīng)用的不同，這些傳感器可以在紅外線下運(yùn)作，包括短波、中波、長(zhǎng)波紅外線或熱成像等多種變體。最近還引入了對(duì)運(yùn)動(dòng)非常敏感的事件相機(jī)。在裝配線上，線掃描相機(jī)是與典型的快門(mén)相機(jī)略有不同的一種變體。當(dāng)前的汽車(chē)、監(jiān)控和醫(yī)療等大多數(shù)應(yīng)用都依賴(lài)于這些傳感器中的一個(gè)或多個(gè)，通常結(jié)合使用以實(shí)現(xiàn)比單個(gè)攝像頭或傳感器更好的感測(cè)融合結(jié)果。
機(jī)器視覺(jué)相較于人類(lèi)有著更出色的視覺(jué)能力，這使得機(jī)器視覺(jué)在制造業(yè)中能夠提高生產(chǎn)力和品質(zhì)，降低生產(chǎn)成本。與自動(dòng)駕駛輔助系統(tǒng)（ADAS）結(jié)合使用時(shí)，機(jī)器視覺(jué)能夠接管部分駕駛功能。此外，搭配人工智能，機(jī)器視覺(jué)能夠協(xié)助分析醫(yī)學(xué)影像。
應(yīng)用機(jī)器視覺(jué)的好處包括更高的可靠性和一致性，以及更大的精確度和準(zhǔn)確度（取決于攝像頭的分辨率）。而且，與人類(lèi)不同，機(jī)器在獲得例行維護(hù)的前提下不會(huì)感到疲勞。視覺(jué)系統(tǒng)的數(shù)據(jù)可以在本地或云端存儲(chǔ)，需要時(shí)進(jìn)行實(shí)時(shí)分析。
此外，機(jī)器視覺(jué)通過(guò)檢測(cè)和篩選出有缺陷的零件，降低生產(chǎn)成本。同時(shí)，通過(guò)OCR（光學(xué)字符識(shí)別）和條碼掃描讀取，提高了庫(kù)存控制的效率，從而降低整體制造成本。
如今，機(jī)器視覺(jué)通常與人工智能結(jié)合使用，大大增強(qiáng)了數(shù)據(jù)分析的能力。在現(xiàn)代工廠中，自動(dòng)化設(shè)備，包括機(jī)器人，與機(jī)器視覺(jué)和人工智能結(jié)合，以提高生產(chǎn)力。
機(jī)器視覺(jué)（MV）和人工智能（AI）是密切相關(guān)的領(lǐng)域，它們通常以各種方式進(jìn)行交互。機(jī)器視覺(jué)利用攝像頭、傳感器和其他設(shè)備捕捉圖像或其他附加數(shù)據(jù)，然后將其進(jìn)行處理和分析，以提取有用的信息，而人工智能則使用算法和統(tǒng)計(jì)模型來(lái)識(shí)別模式并基于大量數(shù)據(jù)進(jìn)行預(yù)測(cè)。
這還可以包括深度學(xué)習(xí)技術(shù)。Arteris IP公司的產(chǎn)品市場(chǎng)副總裁Andy Nightingale表示：“深度學(xué)習(xí)是人工智能的一個(gè)子集，它涉及使用大量數(shù)據(jù)對(duì)復(fù)雜的神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，以識(shí)別模式并進(jìn)行預(yù)測(cè)。”機(jī)器視覺(jué)系統(tǒng)可以使用深度學(xué)習(xí)算法來(lái)提高其在圖像或視頻中檢測(cè)和分類(lèi)對(duì)象的能力。機(jī)器視覺(jué)和人工智能之間的另一種交互方式是通過(guò)使用計(jì)算機(jī)視覺(jué)算法。計(jì)算機(jī)視覺(jué)是機(jī)器視覺(jué)的一個(gè)超集，它使用算法和技術(shù)從圖像和視頻中提取信息。人工智能算法可以分析這些信息并預(yù)測(cè)場(chǎng)景中正在發(fā)生的事情。例如，計(jì)算機(jī)視覺(jué)系統(tǒng)可以使用人工智能算法分析交通模式并預(yù)測(cè)何時(shí)某個(gè)十字路口可能會(huì)擁堵。機(jī)器視覺(jué)和人工智能還可以在自主系統(tǒng)（如自動(dòng)駕駛汽車(chē)或無(wú)人機(jī)）中進(jìn)行交互。在這些應(yīng)用中，機(jī)器視覺(jué)系統(tǒng)用于捕捉和處理來(lái)自傳感器的數(shù)據(jù)，而人工智能算法則解釋這些數(shù)據(jù)并對(duì)環(huán)境進(jìn)行導(dǎo)航等決策。
人工智能在現(xiàn)代車(chē)輛中扮演著越來(lái)越多的角色，但其中兩個(gè)主要的角色是感知和決策制定。
Siemens Digital Industries Software公司的混合和虛擬系統(tǒng)副總裁David Fritz表示：“感知是通過(guò)車(chē)輛內(nèi)部和外部的感測(cè)器陣列來(lái)理解周?chē)h(huán)境的過(guò)程。決策制定首先需要理解周?chē)h(huán)境的狀態(tài)和目標(biāo)，例如向目的地移動(dòng)。然后，人工智能根據(jù)控制方向盤(pán)、制動(dòng)、加速等車(chē)輛內(nèi)部致動(dòng)器的方式來(lái)決定安全、有效的路線。”這兩個(gè)關(guān)鍵角色涉及到非常不同的問(wèn)題。從攝像頭或其他感測(cè)器獲得的原始數(shù)據(jù)，AI算法將使用這些數(shù)據(jù)進(jìn)行目標(biāo)檢測(cè)。一旦檢測(cè)到目標(biāo)，感知系統(tǒng)將對(duì)目標(biāo)進(jìn)行分類(lèi)，例如該目標(biāo)是否是汽車(chē)、人或動(dòng)物。訓(xùn)練過(guò)程非常冗長(zhǎng)，需要大量的訓(xùn)練集來(lái)展示不同角度的目標(biāo)。在訓(xùn)練完成后，AI網(wǎng)絡(luò)可以加載到數(shù)字孿生體或?qū)嶓w車(chē)輛中。一旦檢測(cè)到并分類(lèi)了目標(biāo)，另一個(gè)訓(xùn)練有素的AI網(wǎng)絡(luò)可以進(jìn)行決策，控制方向盤(pán)、制動(dòng)和加速等。使用高保真度的數(shù)字孿生體來(lái)虛擬驗(yàn)證這個(gè)過(guò)程已被證明比純粹使用實(shí)地測(cè)試更安全、更有效。
開(kāi)發(fā)人員經(jīng)常問(wèn)到需要多少AI/ML。在現(xiàn)代工廠的情況下，機(jī)器視覺(jué)可以?xún)H用于在裝配線上檢測(cè)和篩選出有缺陷的零件，或者用于組裝汽車(chē)等工序。后者需要更高級(jí)的智能和更復(fù)雜的設(shè)計(jì)，以確保裝配過(guò)程中的時(shí)機(jī)、精確度、運(yùn)動(dòng)和距離的計(jì)算等。
Flex Logix公司的執(zhí)行官Geoff Tate觀察到：“機(jī)器視覺(jué)和機(jī)器人在現(xiàn)代工廠中提高了生產(chǎn)力，許多應(yīng)用中使用了人工智能。一個(gè)簡(jiǎn)單的
應(yīng)用，例如檢測(cè)標(biāo)簽是否正確貼上，不需要太多智能。另一方面，進(jìn)行復(fù)雜、精密的三維運(yùn)動(dòng)的機(jī)器人手臂需要更多的GPU算力。在第一個(gè)應(yīng)用中，一個(gè)AI IP的核心將足夠，而在第二個(gè)應(yīng)用中可能需要多個(gè)核心。擁有靈活且可擴(kuò)展的AI IP將使機(jī)器視覺(jué)和機(jī)器人的設(shè)計(jì)更加容易。
機(jī)器視覺(jué)的應(yīng)用幾乎沒(méi)有限制，只受想象力的限制。只要需要視覺(jué)和圖像處理的工業(yè)和商業(yè)領(lǐng)域，機(jī)器視覺(jué)都可以應(yīng)用其中。以下是部分應(yīng)用領(lǐng)域的例子：
交通領(lǐng)域（自動(dòng)駕駛、車(chē)內(nèi)監(jiān)控、交通流量分析、違規(guī)行為和事故檢測(cè)）；
制造和自動(dòng)化領(lǐng)域（生產(chǎn)力分析、質(zhì)量管理）；
監(jiān)控領(lǐng)域（運(yùn)動(dòng)和入侵檢測(cè)）；
醫(yī)療領(lǐng)域（影像學(xué)、癌癥和腫瘤檢測(cè)、細(xì)胞分類(lèi)）；
農(nóng)業(yè)領(lǐng)域（農(nóng)場(chǎng)自動(dòng)化、植物病害和昆蟲(chóng)檢測(cè)）；
零售領(lǐng)域（顧客追蹤、貨架缺貨檢測(cè)、盜竊檢測(cè)）；
保險(xiǎn)領(lǐng)域（通過(guò)圖像進(jìn)行事故現(xiàn)場(chǎng)分析）。
還有許多其他應(yīng)用。以飲用水或軟飲料瓶裝為例。機(jī)器視覺(jué)系統(tǒng)可以用于檢查填充水平，這通常由高效的機(jī)器人完成。但是機(jī)器人偶爾會(huì)犯錯(cuò)。機(jī)器視覺(jué)可以確保填充水平一致，并確保標(biāo)簽正確貼上。
檢測(cè)任何偏離測(cè)量規(guī)范限制的機(jī)器零部件也是機(jī)器視覺(jué)的一項(xiàng)工作。一旦機(jī)器視覺(jué)根據(jù)規(guī)范進(jìn)行了訓(xùn)練，它可以檢測(cè)出超出規(guī)范限制的零部件。
機(jī)器視覺(jué)可以檢測(cè)均勻的形狀，如正方形或圓形，以及奇形怪狀的零部件，因此它可以用于識(shí)別、檢測(cè)、測(cè)量、計(jì)數(shù)，并與機(jī)器人一起進(jìn)行抓取和放置。
最后，通過(guò)結(jié)合人工智能，機(jī)器視覺(jué)可以實(shí)現(xiàn)輪胎組裝的精確和高效。如今，原始設(shè)備制造商（OEM）使用機(jī)器人自動(dòng)化車(chē)輛組裝的過(guò)程之一是安裝四個(gè)輪胎。利用機(jī)器視覺(jué)，機(jī)器人手臂可以檢測(cè)正確的距離，并施加適當(dāng)?shù)膲毫?，以防止任何損壞的發(fā)生。
機(jī)器視覺(jué)技術(shù)根據(jù)處理的圖像維度可以分為一維（1D）、二維（2D）和三維（3D）。這些不同的類(lèi)型在應(yīng)用中具有各自的特點(diǎn)和優(yōu)勢(shì)。
一維機(jī)器視覺(jué)系統(tǒng)主要用于條形碼和二維碼的識(shí)別和讀取。它們通常使用掃描設(shè)備，按行掃描產(chǎn)品上的條形碼或二維碼，并從中提取信息。這種技術(shù)被廣泛應(yīng)用于零售行業(yè)、物流和運(yùn)輸領(lǐng)域，以實(shí)現(xiàn)快速且準(zhǔn)確的產(chǎn)品識(shí)別和追蹤。
二維機(jī)器視覺(jué)系統(tǒng)可以用于更復(fù)雜的圖像處理任務(wù)。它們使用攝像頭逐行掃描物體，形成一個(gè)區(qū)域或二維圖像。這種技術(shù)可以應(yīng)用于圖像分類(lèi)、目標(biāo)檢測(cè)、人臉識(shí)別等各種任務(wù)。在工業(yè)自動(dòng)化中，二維機(jī)器視覺(jué)系統(tǒng)可以用于檢測(cè)和驗(yàn)證產(chǎn)品的外觀特征，確保產(chǎn)品符合設(shè)計(jì)和質(zhì)量要求。
三維機(jī)器視覺(jué)系統(tǒng)通常使用多個(gè)攝像頭或激光傳感器來(lái)捕捉物體的三維形狀和結(jié)構(gòu)。這種技術(shù)可以實(shí)現(xiàn)對(duì)物體的精確定位和測(cè)量，對(duì)于需要進(jìn)行三維分析和處理的應(yīng)用非常重要。例如，在機(jī)器人導(dǎo)航和自動(dòng)化領(lǐng)域，三維機(jī)器視覺(jué)系統(tǒng)可以用于對(duì)環(huán)境進(jìn)行三維建模和障礙物檢測(cè)，實(shí)現(xiàn)更精確和安全的運(yùn)動(dòng)控制。
除了以上提到的類(lèi)型，還有其他形式的機(jī)器視覺(jué)技術(shù)，如超光譜影像和熱像儀等。超光譜影像可以捕捉物體的不同光譜特征，擁有更豐富的信息，廣泛應(yīng)用于農(nóng)業(yè)、食品安全和醫(yī)療診斷等領(lǐng)域。熱像儀則可以檢測(cè)物體的熱能分布，用于溫度監(jiān)測(cè)、火災(zāi)檢測(cè)等應(yīng)用。
每種機(jī)器視覺(jué)類(lèi)型都有其特定的應(yīng)用場(chǎng)景和優(yōu)勢(shì)。根據(jù)不同的需求，選擇適合的機(jī)器視覺(jué)類(lèi)型可以提高系統(tǒng)的性能和效果，實(shí)現(xiàn)更準(zhǔn)確、高效和可靠的圖像處理和分析。
訓(xùn)練機(jī)器視覺(jué)系統(tǒng)仍然存在一些挑戰(zhàn)。MV的準(zhǔn)確性和性能取決于其訓(xùn)練程度，因此需要大量的標(biāo)注數(shù)據(jù)和強(qiáng)大的計(jì)算能力。MV設(shè)計(jì)所面臨的挑戰(zhàn)包括：
首先，檢測(cè)的范圍可能涵蓋方位、表面變化、污染程度以及直徑、厚度和間隙等精度容限。當(dāng)檢測(cè)到化妝品和服務(wù)變化效應(yīng)時(shí)，3D系統(tǒng)通常比1D或2D系統(tǒng)表現(xiàn)更好。然而，在遇到不尋常的情況時(shí)，人類(lèi)可以借助其他領(lǐng)域的知識(shí)，而機(jī)器視覺(jué)和人工智能可能無(wú)法具備這種能力。
其次，數(shù)據(jù)流管理和控制是當(dāng)今的關(guān)鍵挑戰(zhàn)之一，特別是在具有實(shí)時(shí)延遲要求（例如汽車(chē)應(yīng)用）的情況下，同時(shí)需要保持帶寬的最小化。在基于攝像頭的系統(tǒng)中，圖像質(zhì)量（IQ）至關(guān)重要。這要求硬件設(shè)計(jì)支持超寬動(dòng)態(tài)范圍和局部色調(diào)映射，同時(shí)還需要進(jìn)行IQ調(diào)整，傳統(tǒng)上需要由人類(lèi)專(zhuān)家進(jìn)行主觀評(píng)估，使得開(kāi)發(fā)過(guò)程冗長(zhǎng)且成本高昂。然而，對(duì)于機(jī)器視覺(jué)而言，這種專(zhuān)業(yè)知識(shí)可能不一定能獲得良好系統(tǒng)性能，因?yàn)楦兄婵赡軙?huì)根據(jù)任務(wù)的不同而更喜歡以不同于人類(lèi)和其他機(jī)器之間的方式看待圖像。
此外，確保機(jī)器視覺(jué)的安全性也是一個(gè)重要問(wèn)題。隨著網(wǎng)絡(luò)攻擊不斷增加，確保產(chǎn)能不受干擾或遭受來(lái)自威脅行為者的干擾至關(guān)重要。尤其在關(guān)鍵應(yīng)用中，如自動(dòng)駕駛等，保證機(jī)器視覺(jué)的安全性至關(guān)重要。
"安全對(duì)于確保機(jī)器視覺(jué)技術(shù)的輸出不受破壞至關(guān)重要，" Arm的Zyazin表示。"汽車(chē)應(yīng)用是展示硬件和軟件安全性重要性的一個(gè)很好的例子。例如，從機(jī)器中處理和提取的信息會(huì)影響到制動(dòng)或車(chē)道保持輔助等決策，如果處理不當(dāng)，可能對(duì)車(chē)輛內(nèi)部的乘客構(gòu)成風(fēng)險(xiǎn)。"
總結(jié)來(lái)說(shuō)，訓(xùn)練機(jī)器視覺(jué)系統(tǒng)的過(guò)程面臨著一些挑戰(zhàn)。為了提高準(zhǔn)確性和性能，需要豐富的標(biāo)注數(shù)據(jù)和強(qiáng)大的計(jì)算能力。同時(shí)，確保機(jī)器視覺(jué)的安全性也是一個(gè)重要問(wèn)題，特別是在關(guān)鍵應(yīng)用如自動(dòng)駕駛中。這些挑戰(zhàn)需要在系統(tǒng)設(shè)計(jì)和實(shí)施中得到充分考慮，以實(shí)現(xiàn)可靠和高效的機(jī)器視覺(jué)應(yīng)用。
新興的機(jī)器視覺(jué)（MV）創(chuàng)業(yè)公司和創(chuàng)新技術(shù)正推動(dòng)著機(jī)器視覺(jué)的應(yīng)用和發(fā)展。像是Airobotics、Arcturus Networks、Deep Vision AI、Hawk-Eye Innovations、Instrumental、lending AI、kinara、Mech-Mind、Megvii、NAUTO、SenseTime、Tractable、ViSenze、Viso等公司，正在開(kāi)發(fā)新的機(jī)器視覺(jué)解決方案，其中一些已成功籌集了超過(guò)10億美元的資金。
在運(yùn)輸領(lǐng)域，保險(xiǎn)公司可以利用機(jī)器視覺(jué)來(lái)分析事故場(chǎng)景的照片和視頻，進(jìn)行財(cái)務(wù)損害評(píng)估。基于人工智能的機(jī)器視覺(jué)還可以用于安全平臺(tái)，分析駕駛行為，提升道路安全性。
在軟件領(lǐng)域，創(chuàng)業(yè)公司正在開(kāi)發(fā)無(wú)需編程知識(shí)的計(jì)算機(jī)視覺(jué)平臺(tái)，使更多人能夠使用機(jī)器視覺(jué)技術(shù)。機(jī)器視覺(jué)身份驗(yàn)證軟件也是市場(chǎng)上的一個(gè)創(chuàng)新解決方案。
體育產(chǎn)業(yè)也在探索人工智能、視覺(jué)和數(shù)據(jù)分析的潛力，以向教練提供有關(guān)選手在比賽中的決策過(guò)程的洞察。此外，有一家創(chuàng)業(yè)公司通過(guò)將人工智能和機(jī)器視覺(jué)結(jié)合到無(wú)人機(jī)設(shè)計(jì)中，提出了一種節(jié)省成本的監(jiān)視方案。
機(jī)器視覺(jué)和人工智能都在快速發(fā)展，其性能，包括準(zhǔn)確度和精確度，不斷提高。高性能GPU和機(jī)器學(xué)習(xí)能力的成本也有望降低，推動(dòng)新的機(jī)器視覺(jué)應(yīng)用的應(yīng)用。
Arteris公司的Nightingale表示，隨著硬件（如傳感器、攝像頭和處理器）的進(jìn)步以及算法和機(jī)器學(xué)習(xí)模型的改進(jìn)，機(jī)器視覺(jué)系統(tǒng)的準(zhǔn)確性和速度將得到進(jìn)一步提高。深度學(xué)習(xí)算法尤其在近年來(lái)推動(dòng)機(jī)器視覺(jué)技術(shù)的進(jìn)步方面發(fā)揮了重要作用，并有望在未來(lái)扮演更重要的角色。這些算法能夠自動(dòng)學(xué)習(xí)數(shù)據(jù)的特征和模式，從而提高準(zhǔn)確性和性能。機(jī)器視覺(jué)系統(tǒng)將具有更強(qiáng)大的能力，能夠快速而準(zhǔn)確地處理和分析大量的數(shù)據(jù)，從而開(kāi)展更為復(fù)雜和
智能的應(yīng)用。
此外，預(yù)計(jì)機(jī)器視覺(jué)和人工智能將與其他技術(shù)相結(jié)合，提供更多高性能、實(shí)時(shí)的應(yīng)用。
Nightingale指出，機(jī)器視覺(jué)技術(shù)已經(jīng)與機(jī)器人技術(shù)和自動(dòng)化等其他技術(shù)整合，這一趨勢(shì)有望持續(xù)發(fā)展，我們可能會(huì)看到更多機(jī)器視覺(jué)在醫(yī)療保健、交通和安全等領(lǐng)域的應(yīng)用。此外，對(duì)于需要實(shí)時(shí)處理的應(yīng)用，機(jī)器視覺(jué)技術(shù)已經(jīng)被廣泛應(yīng)用，例如人臉識(shí)別和物體追蹤。未來(lái)，我們可能會(huì)看到更多需要實(shí)時(shí)處理的應(yīng)用，例如自動(dòng)駕駛汽車(chē)和無(wú)人機(jī)。
機(jī)器視覺(jué)（MV）的設(shè)計(jì)涉及芯片（處理器、存儲(chǔ)器、安全芯片）、IP核、模塊、固件、硬件和軟件的結(jié)合。芯片組件和多芯片封裝的推出將使這些系統(tǒng)能夠更容易、更快速地進(jìn)行組合，添加新功能，提高系統(tǒng)的整體效率和能力。
Winbond的DRAM經(jīng)理Tetsu Ho表示：“已知良好晶片（KGD）解決方案可以提供成本和空間效率高于有限接觸點(diǎn)和線材的封裝產(chǎn)品的替代方案。”這有助于提高設(shè)計(jì)效率，提供增強(qiáng)的硬件安全性能，特別是產(chǎn)品上市的時(shí)間。這些晶片經(jīng)過(guò)熱激測(cè)試，測(cè)試程度與離散部件相同。 需要KGD 2.0來(lái)確保2.5D/3D組件和2.5D/3D多芯片設(shè)備的末端良率，以實(shí)現(xiàn)帶寬性能、功耗效率和面積等PPA的改進(jìn)，這是由邊緣計(jì)算和人工智能等技術(shù)爆炸所推動(dòng)的迷你化趨勢(shì)。
這將為機(jī)器視覺(jué)在新舊市場(chǎng)中開(kāi)拓新的選擇。它將用于在自動(dòng)駕駛中協(xié)助人類(lèi)，幫助機(jī)器在制造業(yè)中實(shí)現(xiàn)精確高效，并通過(guò)無(wú)人機(jī)進(jìn)行監(jiān)控。 此外，機(jī)器視覺(jué)將能夠探索對(duì)人類(lèi)而言危險(xiǎn)的地方，并為保險(xiǎn)、體育、交通、國(guó)防、醫(yī)療等眾多領(lǐng)域提供數(shù)據(jù)輸入和分析。
隨著技術(shù)的不斷發(fā)展和應(yīng)用的擴(kuò)大，機(jī)器視覺(jué)將繼續(xù)成為推動(dòng)自動(dòng)化、智能化和數(shù)字化革新的關(guān)鍵技術(shù)之一。機(jī)器視覺(jué)系統(tǒng)的進(jìn)一步提升和創(chuàng)新將為我們的生活和工作帶來(lái)更多的便利和效益。無(wú)論是在工業(yè)生產(chǎn)、醫(yī)療保健、交通運(yùn)輸還是其他領(lǐng)域，機(jī)器視覺(jué)的應(yīng)用都將繼續(xù)拓展，為未來(lái)的科技發(fā)展帶來(lái)更多的可能性。
微信掃一掃
