当前的嵌入式开发技术趋势，如工业4.0(又称工业物联网)和智能工厂，正在深刻地改变工业价值创造过程，其特征是更高程度的数字化、连接性和自动化。所有涉及的组件，包括机器、机器人、传输和处理系统、传感器和图像采集设备，都始终联网，并通过各种协议相互通信。

　　机器人技术的创新趋势也正在改变工业生产的面貌。新一代更小、更紧凑、移动性更强的机器人正在塑造高度自动化装配车间的形象。协作机器人(cobots)与他们的人类同事分担某些任务，密切合作，甚至经常互相传递工件。此外，cobots可以快速灵活地进行重组，使它们能够用于各种生产任务。

　　机器视觉已经成为这种普遍自动化生产场景中不可或缺的一部分。这项技术在这里发挥了重要作用：许多图像采集设备——如相机、扫描仪和3D传感器——分布在不同的位置，无缝记录生产过程。然后，集成机器视觉软件处理生成的数字图像数据，并将其用于生产链中的众多应用。例如，该软件可以根据光学特征明确识别许多不同的物体，并精确定位和对齐工件。该技术还支持故障检测：缺陷产品被可靠识别并自动剔除。作为“生产的眼睛”，机器视觉广泛地监控整个生产情况，从而使过程更加安全和高效。这尤其适用于机器人之间的相互作用以及它们与人类的相互作用。

　　紧凑型设备变得越来越普遍

　　与此同时，机器视觉算法在嵌入式开发平台上运行并针对嵌入式平台进行优化也变得越来越重要。当这两个技术世界彼此无缝集成时，这就是所谓的嵌入式视觉。在工业4.0的背景下，集成嵌入式软件的紧凑型设备的使用正在显著增加，特别是智能相机、移动视觉传感器、智能手机、平板电脑和手持设备。它们在工业环境中激增的原因是，今天的设备配备了长期可用的高性能工业级处理器。这种处理器还使他们能够执行复杂的机器视觉任务——前提是他们拥有强大而健壮的机器视觉软件。为了让这款软件能够无错运行，它必须与各种各样的嵌入式平台兼容，并针对这些平台进行优化，包括流行的Arm®处理器架构。MVTec就是一个很好的例子。其最新发布的HALCON标准机器视觉软件HALCON 18.11可以轻松地在这些平台上运行，无论是64位还是32位。对用户的好处：通常只在固定电脑上运行的强大机器视觉功能也可以在所有紧凑型设备上使用。

　　现代嵌入式视觉系统能够满足数字化的巨大需求——尤其是当它们配备了人工智能(AI)时。这些基于人工智能的技术包括，例如，深度学习和卷积神经网络(CNN)。这些方法的特别之处在于它们能够实现极高且稳健的识别率。

　　在深度学习过程的情况下，大量的数字图像数据，例如由图像采集设备生成的数据，首先用于训练CNN。在这个训练过程中，特定“类”的典型特征被自动学习，例如，包括特定对象属性和区别特征。基于训练的结果，待识别的对象可以被精确地分类和识别，之后嵌入式开发人员可以将它们直接分配到特定的类别。利用深度学习技术，不仅可以对对象进行分类，还可以精确定位对象和故障。

　　在嵌入式视觉应用中使用深度学习

　　今天，深度学习功能已经用于许多嵌入式视觉应用中。所有这些应用的共同点是，它们通常会生成大量数据，并经常涉及非工业场景，如自动驾驶。相关车辆已经配备了大量的传感器和摄像头，从主要的交通状况中收集数字数据。集成视觉软件在深度学习算法的帮助下实时分析数据流。例如，这使得识别情况、处理信息并利用信息精确控制车辆成为可能——这是自动驾驶成为可能的首要原因。基于深度学习的嵌入式视觉技术也经常用于智能城市环境中。在大城市，为了向居民提供特殊服务，某些基础设施过程，如街道交通、照明和电力供应被数字化地网络化。最后，这些技术用于智能家居应用，例如数字语音助理和机器人吸尘器。

　　机器视觉过程的自动化

　　那么深度学习技术在嵌入式和机器视觉环境下有什么优势呢?

　　不再需要繁琐的手动特征提取。深度学习算法能够从训练数据中自动学习特定的区分特征，如纹理、颜色以及灰度等级，并根据相关性对它们进行加权。通常，在嵌入式开发中，这项任务必须由训练有素的机器视觉专家手动执行，这非常耗时且成本高昂。

　　物体的特征通常非常复杂，人类几乎无法解释。另一方面，从训练数据中自动学习区分标准节省了大量的精力、时间和金钱。深度学习的另一个好处是，它还可以区分更抽象的对象，而传统的手动方法只能对可以清晰描述的对象进行分类。这包括具有更复杂、更精细结构的物体，或者在极其嘈杂的背景下出现的物体。在大多数情况下，人类无法辨别这些物体中任何明确的、可区分的特征。

　　因为训练需要极高的计算能力，所以复杂的神经网络是在具有高端图形处理器的相应强大的PC上训练的。然而，训练有素的网络也可以用于大量嵌入式设备，这意味着紧凑、鲁棒的嵌入式视觉解决方案也可以受益于最高的识别率。

　　结论

　　深度学习和CNN等基于人工智能的技术正变得越来越重要，特别是在高度自动化的工业4.0环境中。这就是为什么它们目前是最先进的机器视觉解决方案的重要组成部分。如果算法也运行在诸如Arm的相关嵌入式开发平台上®过程架构，强大的机器视觉软件的整个人工智能功能范围可以在紧凑型设备上使用。