新闻中心应用社区行业知识

工业镜头图像:机器视觉新形态

发布时间:2020年06月19日
       工业镜头,图像传感器阵列近年来逐步发展出集成神经网络的新型态架构,可同时对光学图像实现采集与识别,无需将信号转换为数字形式就能让高速信息处理成为可能。

       机器视觉是我们最重要的感觉之一。虽然人类视觉更为准确高效,但在生物启发的机器视觉近十年来取得了飞速发展,使得人工系统可以“看见”世界,从图像和视频中获取有价值的信息[1][2]。近日,Mennel等人[3]在《自然》上报道了一种与大脑类似的视觉系统,通过训练后可以在几纳秒内实现简单的图像分类。

       工业相机等现代图像传感器主要基于70年代早期发展起来的半导体(凝聚态)技术,可分为两大类:电荷耦合器件和主动像素传感器[4]。这些传感器可以从环境中如实捕捉视觉信息,但也会产生大量冗余数据。这些光学信息通常会被转换为数字电子信号,传输到计算单元进行图像处理。

       这会导致传感器和计算单元间传输大量数据,造成较大功耗和延迟。随着帧率和像素的增长,带宽的限制使得系统无法迅速将所有数据传输到中央处理器或云计算中心来支持实时处理和决策——这对那些对于延迟十分敏感的应用来说尤其重要,比如自动驾驶汽车、机器人和工业制造等。

       一种更好的解决方案是将一些计算任务迁移到计算机系统外围边界的传感器设备上,减少不必要的数据传输。此外,由于传感器通常输出连续的模拟信号(不断改变),模拟处理相较于数字处理更为合适,因为模数转换将消耗更多的时间和功耗。

        为了模拟大脑对信息的高效处理,生物启发的神经形态工程学采用了一种元素(突触连接的神经元)高度互联的计算架构来实现并行计算(图1a)。这些人工神经网络可以通过迭代从周围环境中进行学习——例如通过观察已知类别的目标样本学会识别事物(监督学习),或者在无需额外信息的情况下辨识出输入数据中的目标结构(非监督学习)。在学习过程中,算法在不断进行预测的同时强化或弱化网络中的每一个突触,直到系统达到最优设置。
zhisai@aliyun.com
关注我们
微信
抖音

版权所有 @ 广州智赛电子科技有限公司 2006-2025.
粤ICP备11077438号-4