当“深度学习+机器视觉”普及后,机器人就真的超越人类了!
发布日期:2017-07-25 11:24



由世界多个权威机构、研究所共同选定的2017全球十大新兴技术”中,排名第三的是“深度学习与机器视觉”。“机器视觉”容易理解,就是我们常说的“计算机的图像识别能力”,但“深度学习”是什么?难道计算机自个儿也会“深度学习”?如果是这样的话,“深度学习+机器视觉”将怎样改变我们的生活?让我们从头慢慢说来吧。

 

机器视觉

 

机器视觉,简单地说就是用机器代替人眼来进行识别、测量、判断等。机器视觉系统在电子产品生产的检测环节中,应用普遍。例如:当代的印刷电路板的集成度高(元器件多且密),先进的检测方法成为把关电子产品质量的关键。

 

传统的方法采用肉眼检测,因此容易出现漏检,以及检测速度慢、检测时间长、成本高等的问题,明显地落后于现代生产的需求。

 

 传统的人工检测方法

 

机器视觉系统的检测,首先是通过工业相机(图中CCD Camera)摄取检测图像,然后将图像转化为数字信号,再通过计算机对图像数字信号进行处理,得到各种目标的图像特征值,由此实现零件识别,或缺陷检测等多种功能。

 

 

机器视觉系统

 

 

机器视觉的检测

 

机器视觉的检测,大大提高了检测的效率和精度。而且,在不适合人工作的环境,机器视觉检测派上用场,大展身手,保障了人员的健康与安全。

 

深度学习

 

什么是深度学习?百度的解释很专业,可惜一般老百姓读不懂。我们还是从生活入手吧。我们智能产品,比如手机,它会拍照,但不会看照片,它不知照片里的是猫,是狗,还是人?但现在出现了“深度学习”,它大大提升了智能产品(计算机)理解事物的能力,尤其是卷积神经网络的使用,使计算机具备辨别猫、狗、人的能力,能进行视觉识别、语音识别、情感识别、语言处理等,表现惊人。我们来看看“机器视觉+深度学习”在收款结算、医学诊断、工业制造的应用实例吧。

 

收款机器人

 

收款机器人有5只“眼睛”(视觉识别的装置),一只在秤台顶部,另外四只在秤台四角。任何商品它都可以准确识别,如衣服、水果,甚至是蛇果或红富士、盘菜里有多少粒猪肉丸和牛肉丸,它都看得、数得一清二楚,然后顾客自动扫码结账,实现无人超市。

 

 识别单个商品,并扫码结账

 

 

识别多个商品,并扫码结账

 

医学诊断

 

早在去年底,IBM 就开发了一种新技术:护士只需利用皮肤镜,拍摄一张患者病变处的照片,上传到云端分析服务中心,不久就能获得详细的检测报告。医生只需分析报告中的数据,就能判断病人是否患了黑色素瘤、皮肤癌,就像现在的血液测试一样方便、快捷。除了检测皮肤癌,检测报告中的数据还涉及到患者的皮下细胞结构,据此,医生能及时判定患者是否还罹患其他疾病的可能。

 

 

工业制造

 

近日,美国卡内基梅隆大学研发出一款视觉+触觉的新型机器人。它的手能像人手那样,自如地抓取任何形态的物品。这主要依赖它手指的末端,叫做Fingervision的夹持器。

 

Fingervision夹持器

 

 机器手

 

Fingervision3D打印制造,外部有一层透明的硅胶套,硅胶套上附着了许多用于检测的黑点。当Fingervision抓取物体时,硅胶表面的黑点通过内置小型摄像机,捕捉黑点区域的形变特征,然后Fingervision做出判断,进行抓取。

 

夹持器抓取纸张

 

 夹持器从瓶内抓出花朵

 

Fingervision能够感知物体是否滑动,进而控制握力,完成一系列动作,例如,剥香蕉皮。在接触到熟悉的物体时,Fingervision会牢牢抓住,碰到不熟悉的物体时,它会将手臂挪开。

 

夹持器正在剥香蕉皮

 

研究人员正努力把Fingervision传感器覆盖到机器人全身,这样机器人就能在更多的领域代替人工劳作,独立完成任务。

 

具备视觉和触觉的新型机器人

 

以上3个还只是“深度学习+机器视觉”的初步应用。未来研究进一步成熟,研究成果更多地落实到日常生活。如:机器人能独立为我们诊病、把脉开方,还能准确检查出青光眼、乳腺癌、糖尿病等的高危患者,让他们及早预防。智能空调机能感知我们的身体状态,自动地为熟睡中的我们调节温度、风向,以及创造舒适的睡眠环境。

 

难怪科学家预测,在深度学习的帮助下,计算机的图像识别能力开始超越人类。机器视觉技术在自动驾驶、医学诊断、保险索赔的破损评估、水位监测、农业生产等领域将有广泛的应用前景。



关键词:机器视觉 人工智能 深度学习 测量 卷积神经网络 自动驾驶 智能
浏览量:813
编辑:王以京
声明:凡本网注明"  来源:仪商网"的所有作品,版权均属于仪商网,未经本网授权不得转载、摘编使用。
经本网授权使用,并注明"来源:仪商网"。违反上述声明者,本网将追究其相关法律责任。
本网转载并注明自其它来源的作品,归原版权所有人所有。目的在于传递更多信息,并不代表本网赞同其观点或证实其内容的真实性,不承担此类作品侵权行为的直接责任及连带责任。如有作品的内容、版权以及其它问题的,请在作品发表之日起一周内与本网联系,否则视为放弃相关权利。
本网转载自其它媒体或授权刊载,如有作品内容、版权以及其它问题的,请联系我们。相关合作、投稿、转载授权等事宜,请联系本网。
QQ:2268148259、3050252122。
展开全文