10月27日，美国麻省理工学院（MIT）的官网上发表了一项最新研究，基于一套叫作“ShadowCam”的系统，通过连续拍摄的图像分析周围环境里光影的变化，来预判障碍物之后物体的行动轨迹。实验发现，相比起传统的激光雷达系统，该系统在遭遇突发情况的时候，反应时间要快0.5-1秒。MIT的这项技术，就像是赋予了机器“第六感”。
9月27日，同样是来自MIT的研究团队，通过多种传感器采集可见光之外的能穿越墙壁的电磁波图像，和传统摄像机拍摄的正常图像一一进行对比，用机器学习的方法寻找其中对应的规律。用这种方式，让机器获得了理解穿墙信号的能力，大大提高了机器“透视眼”的能力。在这项研究中，机器能隔着一堵墙，判断墙后的人在做什么样的动作。比如房间里两个人正在握手，封闭的电话亭里打电话的人是什么姿势。
图片来源于网络
未来，可能你对着教室天花板拍一张照片，就能看到全班同学卷子上的答案。这是因为即便是一面大白墙，也蕴含着非常丰富的信息，例如映射着很多不同物体呈现出来的光影。通过机器学习的技术，对这些光影进行分析就有可能还原出墙前面的物体。这也是2019年发表在《自然》杂志的一项研究。
上面这几项研究，不管是机器视觉的“第六感”还是“透视眼”，甚至是墙面变镜子的“戏法”，本质上都是让机器分析环境当中那些细微、复杂的隐含信息，从而可能在未来重塑我们的信息环境和隐私环境。
机器视觉是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品（即图像摄取装置，分CMOS和CCD两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。其视觉系统包括：照明光源；镜头；工业摄像机；图像采集/处理卡；图像处理系统；其它外部设备。机器视觉系统的特点是提高生产的柔性和自动化程度。在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉；同时在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。而且机器视觉易于实现信息集成，是实现计算机集成制造的基础技术。
随着人工智能、计算机视觉等技术的不断成熟，以及德国“工业4.0”、日本机器人新战略、美国先进制造伙伴计划、中国制造2025等政策的不断驱动，促使工业机器人市场持续增长，也大大促进了机器视觉产业发展。有公开数据显示，在2018年，全球用于工业自动化领域的机器视觉技术市场规模达44.4亿美元，预计2023年将达122.9亿美元，年复合增长率高达21％，市场需求巨大。数年来，机器视觉技术已经证明了其能够在广泛的应用中检查，测量，扫描或识别各种产品。由于机器视觉组件和系统的可支付性日益提高，更广泛的解决方案，更强大的硬件以及更智能的基于AI的软件算法，机器视觉在IIoT运动中取得了显着的增长。机器视觉作为工业机器的双眼不仅具有“视”的功能，还具备“觉”的功能，两大功能的集合成就智能化工业发展。很显然，无论是“ShadowCam”系统，还是“隔墙观物”技术，都代表着机器视觉技术的进一步突破，而研究成果陆续更新落地，也进一步地促进了机器视觉的发展，未来前景值得期待！
苏公网安备32011602010459 技术支持：科威鲸网络
