工業4.0正在徹底改變我們所知的制造業。建立在整合了機器人、人工智能、機器學習、大數據分析、云計算和傳感器的技術之上，這場第四次工業革命正在提高工廠效率，增加生產穩定性，并最大限度地降低運營成本。制造商報告說，在投資工業4.0計劃后，他們在產出、工廠利用率和勞動生產率等方面取得了10-12%的收益。一路走來，工業4.0正在帶來增強可持續性和減少污染的社會效益。

工業4.0分析由安裝的智能傳感器收集的數據，以預測結果和確定行動。在這個生態系統中，機器視覺相機作為另一個傳感器，收集有關物理世界的視覺信息，就像捕捉溫度、振動、壓力或流速的傳感器一樣。由于是數字化的，來自機器視覺系統的數據可以很容易地聯網，并與整個工廠的其他子系統和設備共享，形成一個持續改進的循環。

什么是機器視覺？

為了更好地理解機器視覺，讓我們看一下它是如何工作的一個例子。在這種情況下，我們強調它在自動化檢測缺陷產品方面的應用--它最常見的工業應用。當傳感器檢測到生產線上有物體存在時，這個過程就開始了，它觸發了一個光源，使該區域得到明亮的照明。攝像機以每秒一幀或 "fps "的速度捕捉被照亮產品的圖像。在大多數情況下，一個被稱為圖像采集器的數字化設備將圖像轉化為數字輸出，然后傳輸并保存在一臺主機上。個人電腦上的專業軟件將圖像與一組預先確定的標準進行比較，以識別缺陷。如果發現缺陷，產品將無法通過檢查，并被從裝配線上移走。像這樣的視覺系統可以檢查產品的位置、顏色、大小或形狀方面的缺陷，或者它可以確定在其視野內是否存在物體本身。

機器視覺組件？

完成錯誤檢測過程需要系統組件的有序定位，以實現信息的流動，從傳感器開始到最后的圖像處理，如上所述。除了相機、照明、主機、圖像采集器和軟件外，機器視覺系統還需要一個鏡頭、以太網、光纖或同軸電纜以及各種接口外設。雖然基于以太網的 "智能 "相機在邊緣地區被廣泛使用，但工業4.0通常要求更高的成像速度和分辨率，而不是智能相機所能提供。出于這個原因，通過同軸電纜傳輸高帶寬數據的CoaXPress（CXP）點對點通信標準已成為高要求機器視覺應用的事實標準。CXP通過單根電纜以高達50Gbts的速度將低延遲、低抖動的圖像、信號和電源（Power over CXP）傳輸到相機。

工業4.0中的機器視覺

在工業4.0時代，機器視覺正在超越其傳統的錯誤檢測增值功能。今天，它正被應用于不同的領域，如用于預測性維護的監測過程，以及使機器人能夠安全地與人類互動并作出反應的機器人引導。

當與人工智能（AI）相結合時，機器視覺在解決制造問題方面的用途幾乎是無限的。例如，人工智能可以賦予機器視覺系統自我調整的能力，使其在反饋循環中從每個周期中學習，每次都變得越來越聰明。機器學習可以使視覺系統高度熟練地理解大型圖像數據集，遠遠超過人類的能力。在機器視覺中加入自學算法的想法也很耐人尋味，因為視覺系統傳統上是用一套固定的規則工作的，這使得它們在面對快速變化的需要時缺乏靈活性。這一點很重要，因為現代生產線的設計要盡可能靈活，以快速適應小批量的定制產品，這是工業4.0的基石。

協助機器視覺在工業4.0中應用的另一項技術是嵌入式計算。本質上，它在數據源頭或 "邊緣 "進行分析，而不是通過已經擁擠的網絡將數據傳輸到第二地點的服務器，因此減少了帶寬需求。例如，在BitFlow，我們將我們的Claxon CXP 2.0圖像采集器與NVIDIA? Jetson AGX Xavier開發者套件結合起來，實現了一個非常小的外形尺寸的圖像處理系統，是邊緣計算的理想選擇。

除了制造業，工業4.0的一個令人興奮的領域是引導系統，它允許機器人和協同機器人有更大的自主權和尋路能力。除了幫助機器人更快、更安全地與人類工人一起工作外，機器視覺使機器人訂單揀選者能夠大大改善響應時間并限制履行缺陷。攝像機還可以用來收集SKU數據，提高整個企業的可見度，例如發現重復出現的模式，可以預測可能的短缺、設備故障的根本原因或其他倉儲異常情況。通過使用機器視覺，倉庫系統變得更智能、更快速、更有效地精確提供客戶所需。

機器視覺在工業4.0戰略中發揮著動態作用，通過對實時數字化圖像的提取、處理和分析，使網絡、機器人和工廠一級的管理人員實現了制造過程的可視化。視覺是人類最寶貴的感官之一，在機器中也越來越多。機器視覺系統幾乎可以在工業4.0的每一個階段實施，并作為樞紐產生豐富的數據，讓管理者對運營有更多的了解。