机器视觉和人工智能的现代化发展分析

2023-06-24陈之射尹芳晔

中国新通信 2023年2期

陈之射?尹芳晔

摘要：随着数字化科技的快速发展，越来越多的人工智能技术正在向传统领域进一步渗透，手机、电脑等电子化产品已经在人们生活中屡见不鲜，同时越来越多数字化产品，也即将改变人们的生产、生活方式，并发挥着越来越重要的作用。机器视觉是人工智能领域中的重要组成部分，不仅能够代替人工视觉，完成一些不可能完成的任务，而且也可以通过图像的采集分析以及处理整合，实现工业化的集成化发展目的。本文针对机器视觉和人工智能的概念以及内容进行分析，结合细化技术发展现状，探讨其在人类社会发展以及未来工业应用中的场景及展望。

关键词：机器视觉；人工智能；现代化发展；技术细节

机器视觉是人工智能发展中的重要代表性技术，要求机器人具有一定的智能化，同时要以超越人类视觉的方式对图像物体进行观察判断。机器视觉对于社会工业化发展尤为重要，不仅能够涉足一些人类无法企及的领域，同时也能适应一些条件建立较为苛刻的环境。第一，对于改变人类社会工业化发展具有深远性影响，但是机器视觉和人工智能都极度依赖于技术的成熟度，在21世纪之前虽然人对技术有所构想，但是技术深度还无法达到。2000年以后计算机技术以及细分产业得到了快速发展，此时的机器视觉和人工智能也有了更多的晋升渠道，不仅让人们的生产和工作更加便利，同时也带动了其他技术产业进行配合。机器视觉本身集合了图像处理、图像传感、工程机械、软硬件等技术，人工智能则更多的是对于现场环境进行综合判断，并通过“云端”进行数据分析和处理，两者互相配合可以产生更高的灵活性以及自动化程度，对于不适合人工作业的危险场所或人类视觉无法达到的生产精度具有重要的发展意义，尤其在大批量重复生产过程中可以降低人工成本、提高工作效率。

一、机器视觉和人工智能概念及发展过程

（一）机器视觉的概念和发展过程

机器视觉是建立在计算机世界理论工程化基础上的一门学科，传统的机器视觉主要通过外部观测系统与计算机相连，然后对物体或图形进行观察，将观察的数据传入电脑之中，形成数据化分析。在20世纪50年代初，早期的机器视觉主要对二维图像以及各类工件表面进行检测，直到六十年代由美国工程学院提出了二维图像扫描建立三维模型的相关概念，但是受制于当时的技术，还无法完全实践，直到七十年代创立了人类视觉三维场景信息理论，才进一步提升了三维物体的观察精度，之后计算机硬件的信息处理能力逐渐增加，从而催生了图像处理技术以及图像传感器的高速发展，逐渐从实验室理论转向工业化应用场景，从而催生了机器视觉这一概念。我国引入机器视觉技术较晚，大约在九十年代中后期，但是实际应用则在2000年前后[1]。随着人类社会的工业化发展速度逐步加快，越来越多的领域需要精细化管理而，单纯依靠人力无法完成，需要通过机器取代视觉性的技术调整，当环境条件和技术条件都成熟后，机器视觉技术率先在工业领域发展起来，主要应对人类肉眼视觉和满足工业发展需求，本身具有环境限制小、疲劳状态低、识别能力高等特点，而且还可以借助人工智能技术进行超高速计算以及图像存储分析。机器视觉技术的图像判断方式与人脑有着本质性区别，大多是以强大的数据库作为支撑，通过对比分析得出结论，因此机器视觉技术在发展过程中也遇到相当复杂的难题，其中就包括难以保证的准确率。虽然目前基于大数据技术已经积攒了足够的数据资料，但是仍存在准确性和模糊性的取舍判断，这也成了机器视觉技术进一步发展的重要瓶颈。

（二）人工智能的概念和发展过程

人工智能顾名思义就是利用机器的特殊计算方法代替人脑完成工作，最具有代表性的就是具有智能化的机器人，在各种工业化生产场所中代替人工完成一些复杂或者重复性较大的工作任务。人工智能理论最早出现于20世纪五十年代中期，之前的人工智能技术大多基于理论，通过简单的算法完成一些较小型的重复运动，同时人工智能也受制于当时的计算机硬件技术，没有强大的算力就无法完成较为复杂的运算。现如今人类社会的数字化科技已经达到了一定高度，尤其是计算机硬件处理，模型规模也非常庞大，目前进入日常家庭中的机器人也非常多，而工业化的人工智能技术也走入了高速发展阶段，同时也应用到了多个领域当中。真正让人们意识到人工智能技术有了突破性的发展，是人工智能在围棋领域打败了人类顶级冠军，而这背后主要归功于较为复杂的计算模型，通过大量数据以及演练推算所形成具有预见性的数据步骤[2]。

与此同时，人工智能也在潜移默化地改变了人们的生产、生活方式，例如当前人们所使用的电子产品智能解锁功能，通过对于面部表情的捕捉以及生物特征的扫描等方式解锁，都是人工智能背后强大的运算能力，而且人工智能在各个领域中都有所涉及，极大地推动了现代科学发展，并更多地與传统行业进行融合，形成了“计算机+”的发展趋势，进一步促进了信息基础能力的扩展。值得注意的是，人工智能并非是一个简单的程序或软件，而是与多项技术进行深度融合的，智能化模式不仅实现了多种技术类型的工业化发展，同时也能促使不同行业进行深度融合[3]。

（三）机器视觉和人工智能的应用发展

当前正处于科技爆炸时代，人工智能越来越多地应用到了人们的日常生活工作当中，机器视觉和人工智能都以服务人类社会为主要基本目标，而且二者之间的有效结合还能进一步发挥出技术潜力。例如在食品药品安全检测过程中，传统的生产方式依靠人工逐个排查，不仅人力成本较高，而且很容易受到主观意识支配，存在视觉疲劳等问题，运用机器视觉技术不仅可以有效解决这类难题，而且通过与人工智能技术的结合，还能进一步提高食品药品的检测精度，并让生产效率进一步攀升[4]。另外，机器视觉和人工智能的应用发展还更多地运用在动态图像捕捉方面，例如随着汽车工业的快速发展，当前我国的汽车保有量逐渐增加，为了确保驾驶安全，在不同的公路路段会设有监控，而一些高端车型还会安装驾驶员疲劳检测功能，为实现这些功能都是利用机器视觉和人工智能技术对人脸面部捕捉以及周围环境图像的智能化分析，使得公路交通运输更加安全有序，不仅提高了公路运输效率，同时也能为可能出现的安全事故不断地收集处罚依据，是我国依法治国重要的技术措施和渠道[5]。机器视觉和人工智能还更多地运用在，生态发展以及环境保护等方面，包括应对不可抗力的大自然监控系统、化工生产企业的生产排放系统等，目前也都得到了高速发展，由此可以看出机器视觉和人工智能的核心应用技术填补了很多以往工业发展的空白。

二、机器视觉细化技术发展应用

（一）光源技术

机器视觉技术的运用基础是通過对物体或图形的外观检测进行数据分析，因此光源技术是机器视觉技术中的最根本依据，由于机器与人类视觉系统存在的本质性差异，因此在数据分析、图像检测等方面也应非常不同，光源是影响图像以及物体表观特征的重要因素，优质光源不仅能够为机器视觉数据分析提供重要的基础环境，同时也能增强颜色或者线条的对比度，对于提高其视觉的准确性具有积极意义，所以在提升机器视觉细化技术发展应用的道路上，应重点突破光源技术。在之前的机器视觉细化技术发展过程中采用何种光源在学术界争议较大，但是理论应结合实际，目前通过实践表明透射光以及反射光在提高照射面积及亮度方面更具优势，因此也有效提高了机器视觉的识别精度，但是也要求透射光以及反射光有相应配套的机器模组，所以任何技术的发展都并非单一性的技术突破，而是多种技术的叠加[6]。

（二）摄像技术

摄像技术是机器视觉技术构建模组中的重要组成部分，同时也是基础设施之一，传统的机器技术常以被动视觉设备为主，通过安装固定机械臂或固定机械进行图像或物体表征捕捉，但是由于电子耦合器性能较差，因此对于动态性的物体捕捉清晰度也较差，常常由于动态图像较为模糊造成分析误差较大。近些年来随着摄像机技术的快速发展，电子耦合器的性能也得到了有效提高，不仅有效提高了动态捕捉清晰度，同时还缩小了电子耦合器的体积，在一定程度上提高了机器视觉技术的主动图像获取能力，这对于一些图像细节要求精度较高的领域具有重要意义，例如在重大自然灾害预警系统以及生态环境保护系统当中，机器视觉的摄像技术都有重要的发挥[7]。

（三）信号处理技术

在传统的工业加工场所，往往是封闭的空间进行作业，因此对于机器视觉捕捉技术的场所要求并不高，完全可以通过物理线路进行铺设在封闭的空间内完成运作，但是随着当前工业发展的速度逐步加快，越来越多户外型的空间场所也需运用机器视觉技术，这样一来就对无线信号处理技术有了更高要求。信号处理技术是机器视觉技术的关键所在，也是限制机器视觉技术运用在更加广泛的场景中的核心问题，不仅要求信号处理硬件具有更高的性能，同时也要求信号传递尽量地降低延时时间[8]。当前的信号处理技术，更多地运用人工智能集成电路，不仅解决了机器视觉中的集成电路问题，而且当前5G无线传输技术也为信号处理环节提供了重要的技术支持，在很多远程工作场景中工程师可在另一端根据图像捕捉进行判断，然后输入指令，而在远程的另一端则通过机械完成各类操作，不仅降低了时间成本，同时也打破了时间与空间限制，对于精密化的现代化工业发展具有深远性影响。

三、机器视觉和人工智能的现代化发展应用分析

（一）无人驾驶汽车

我国是人口数量最多的国家，前期的工业发展大多集中在城市区域，由于城市的空间有限，因此很多时候不得不压缩空间，但是交通运输无法压缩空间，很多大中城市中人们反映行车难、行车慢的问题。这些年来无人驾驶汽车成了热议话题，不仅受到了很多资本企业关注，同时也对科研人员提出了更多挑战，对于机器视觉技术要求较高，也需要依托人工智能算法对整个城市的交通运输情况进行分析，如此一来在宏观角度可以分析出最佳路线，从微观角度则可以判断汽车行驶的安全性。机器视觉和人工智能在无人驾驶汽车领域中具有较好的发展前景，但是还需要针对交通标志、红绿灯信息、行人躲避以及智能驾驶辅助等多个方面进行技术壁垒贯通。可以说无人驾驶汽车是机器视觉和人工智能技术应用的“蓝海”，但是也对相应的技术安全性和稳定性提出了更高要求，要针对繁杂的路况信息进行数据比对分析，目前在一些大中城市已经成功地运用了快递无人驾驶汽车[9]。

（二）工业自动化

工业自动化一直以来都是工业发展中的重要关注点，自动化技术可以有效降低人工劳力强度，同时精准性较高，其是衡量国家综合实力的重要标准之一，将机器视觉和人工智能技术运用到工业自动化领域当中，主要有以下几个领域可以探讨。首先，通过精准的机器视觉对机器进行视觉引导以及目标定位，例如工业生产中的机器手臂，可以完成大量繁复性的工作，包括焊接、打包、组装等，不仅效率更高，同时也能降低成本。其次，工业产品的外观检测，以往通常依靠有经验的工人，但是也可能会受到主观意识的影响，存在漏报或错报问题，运用机器视觉技术及检查速度更快，同时灵敏度更高，不存在人为的视觉疲劳现象，对于检测目标中的裂痕缺口，甚至深度的焊接裂缝等都可以进行观察检测[10]。最后，工业化产品或构件的测量一直以来效率都较为低下，经常通过人力进行逐个检查检测，不仅耗时耗力，而且在大量作业的情况下，也很容易出现误差，而机器视觉则能够有效地针对加工需求，对物体进行精准测量，不仅提高了工业化自动水平，而且可以在不与目标物体产生接触的情况下完成工作任务，是工业自动化发展的重要领域。

（三）军事化领域

军事工业是保证国家安全的重要屏障，依托数字化产业技术的快速发展，军事化领域也必须注重紧跟时代发展，将机器视觉广泛地运用到军事化领域。可以在爆破、雷达、侦察、巡航以及危险目标定位等方面有较大的可为空间。以上一些军事任务，危险性较大，同时所造成的伤亡损失也不可估量，机器视觉和人工智能技术运用其中，尤其是无人机或者远程操控机器等领域中，不仅可以极大程度上提高军事作战能力，同时也能减少人员伤亡，这也是未来军事化远程操控以及无人操控发展的重点领域[11]。

四、结束语

综上所述，机器视觉作为人工智能中的重点领域，对于人类社会的发展至关重要，相关工作人员应深入分析机器视觉概念以及发展过程、机器视觉和人工智能融合的领域拓展等方面内容，站在更加宏观的角度分析及其视觉细化技术的应用发展场景，探讨光源技术、摄像技术、信号处理技术等方面的突破以及难点，深化思考及其识别和人工智能的现代化发展应用，值得注意的是机器视觉与人工智能在实际的工业化生产以及检查领域当中还应关注适配应用以及制造成本等，要解决不同技术领域中的核心壁垒难题，注重及其视觉的实际应用效果，为我国科技强国发展战略目标奠定扎实基础。

作者单位：陈之射尹芳晔武昌首义学院信息科学与工程学院

参考文献

[1]徐勤丰. 浅谈机器视觉和人工智能的现代化发展[J]. 通讯世界，2018（09）：234-235.

[2]杨东. 5G+人工智能机器视觉探索[J]. 通信与信息技术，2021（01）：60-63.

[3]尹航. 浅谈机器视觉在数据中心发展应用[J]. 智能建筑与智慧城市，2022（04）：17-20.

[4]何新宇，赵时璐，张震，等. 机器视觉的研究及应用发展趋势[J]. 机械设计与制造，2020（10）：281-283，287.

[5]周宝仓，吕金龙，肖铁忠，等. 机器视觉技术研究现状及发展趋势[J]. 河南科技，2021，40（31）：18-20.

[6]宋春华，彭泫知. 机器视觉研究与发展综述[J]. 装备制造技术，2019（06）：213-216.

[7]高峰，王富东. 浅谈机器视觉技术发展及应用[J]. 山东工业技术，2019（05）：142.

[8]高娟娟，渠中豪，宋亚青. 机器视觉技术研究和应用现状及发展趋势[J]. 中国传媒科技，2020（07）：21-22.

[9]刘亦晴. 工业机器人智能视觉引导技术发展及其运用[J]. 科技经济市场，2020（04）：3-5.

[10]刘亦晴. 机器人双目视觉识别技术发展及其运用[J]. 中国科技投资，2020（05）：59-60.