机器视觉长期以来用于工业自动化系统中，以通过取代传统上的人工检查来提高生产质量和产量。从拾取和放置、对象跟踪到计量、缺陷检测等应用，利用视觉数据可以通过提供简单的通过失败信息或闭环控制回路，来提高整个系统的性能。

视觉的使用并不仅仅在工业自动化领域；我们也看到了相机在日常生活中的大量应用，例如用于计算机、移动设备，特别是在汽车中。摄像头仅仅是在几年前才被引入到汽车中，但是现在汽车中已经配备了大量摄像头，为驾驶员提供完整的360°车辆视图。

但是谈到机器视觉领域的最大技术进步，可能一直是处理能力。随着处理器性能每两年翻一番，以及对多核CPU、GPU和FPGA等并行处理技术的持续关注，视觉系统设计人员现在可以将高度复杂的算法应用于视觉数据，并创建更智能的系统。

工业控制领域里机器视觉的作用是什么

首先，因为可以使用相同的软件开发视觉系统和运动系统，设计者不需要熟悉多种编程语言或环境，因此降低了开发复杂性。第二，消除了以太网网络上的潜在性能瓶颈，因为现在数据仅在单个应用中的环路之间传递，而不是在物理层之间传递。

这使得整个系统的运行具有确定性，因为一切共享相同的过程。当将视觉直接引入控制回路中时，例如在视觉伺服应用中，这是特别有价值的。这里，视觉系统在运动期间连续捕获致动器和目标零件的图像，直到运动完成。这些捕获的图像用于提供关于运动成功的反馈。有了这一反馈，设计人员可以提高现有自动化的精度和精密度，而无需升级到高性能运动硬件。

这种系统的一个很好的选择是：使用将处理器和FPGA与I／O相结合的异构处理架构。已经有很多行业投资这种架构。不幸的是，虽然这种架构提供了很多性能和可扩展性，但是实现它的传统方法需要专业知识，特别是在使用FPGA时。这为设计者带来了巨大风险，并有可能导致使用该架构不切实际甚至不可能。然而，使用集成软件，设计人员可以通过提取低级复杂性，并将所需的所有技术集成到单一开发环境中，来提高生产率，降低风险。

机器视觉是一项复杂的任务，需要大量的处理能力。随着摩尔定律继续增加处理元件（如CPU、GPU和FPGA）的性能，设计人员可以使用这些组件来开发高度复杂的算法。设计人员还可以使用此技术来提高设计中其他组件的设计性能，特别是在运动控制和I／O领域。

随着所有这些子系统性能的提高，用于开发这些机器的传统分布式架构将面临压力。将这些任务整合到单个控制器中，运行在单个软件环境下，消除了设计过程中的瓶颈，使设计人员可以专注于创新，而不必担心实施问题。

Returns List