Maschinelles Sehen ist die Fähigkeit eines Computers zu sehen;es verwendet eine oder mehrere Videokameras, Analog-Digital-Wandlung (ADC) und digitale Signalverarbeitung (DSP).Die resultierenden Daten gehen an einen Computer oder eine Robotersteuerung.Maschinelles Sehen ist ähnlich komplex wie Spracherkennung.Machine Vision wird manchmal mit dem Begriff Computer Vision verwechselt.Die Technologie wird häufig mit künstlicher Intelligenz (KI), maschinellem Lernen und Deep Learning integriert, um die Bildverarbeitung zu beschleunigen.Maschinelles Sehen verwendet Kameras, um visuelle Informationen aus der Umgebung zu erfassen.Anschließend verarbeitet es die Bilder mithilfe einer Kombination aus Hard- und Software und bereitet die Informationen für die Verwendung in verschiedenen Anwendungen auf.Machine-Vision-Technologie verwendet oft spezielle Optiken, um Bilder zu erfassen.Dieser Ansatz ermöglicht es, bestimmte Eigenschaften des Bildes zu verarbeiten, zu analysieren und zu messen.Beispielsweise kann eine Bildverarbeitungsanwendung als Teil eines Fertigungssystems verwendet werden, um eine bestimmte Eigenschaft eines Teils zu analysieren, das auf einem Fließband hergestellt wird.Es könnte feststellen, ob das Teil die Qualitätskriterien erfüllt, und das Teil entsorgen, wenn dies nicht der Fall ist.In Fertigungsumgebungen benötigen Bildverarbeitungssysteme normalerweise Folgendes:Es gibt zwei Arten von Kameras, die in der industriellen Bildverarbeitung verwendet werden: Flächenkameras und Zeilenkameras.So funktionieren sie:Kameraobjektive unterscheiden sich in der optischen Qualität.Zwei wichtige Spezifikationen in jedem Bildverarbeitungssystem sind die Empfindlichkeit und die Auflösung des Objektivs, die die folgenden Eigenschaften aufweisen:Im Allgemeinen gilt: Je höher die Auflösung, desto eingeschränkter das Sichtfeld.Empfindlichkeit und Auflösung sind voneinander abhängig.Wenn andere Faktoren konstant sind, verringert eine Erhöhung der Empfindlichkeit die Auflösung, und eine Erhöhung der Auflösung verringert die Empfindlichkeit.Das menschliche Auge reagiert empfindlich auf elektromagnetische Wellenlängen im Bereich von 390 bis 770 Nanometer.Videokameras können für einen viel breiteren Wellenlängenbereich empfindlich sein.Einige Bildverarbeitungssysteme arbeiten bei Infrarot-, Ultraviolett- oder Röntgenwellenlängen.Binokulare, auch als Stereo bezeichnete, maschinelle Bildverarbeitung erfordert einen Computer mit einem fortschrittlichen Prozessor.Außerdem sind hochauflösende Kameras, viel Arbeitsspeicher und KI-Programmierung für die Tiefenwahrnehmung erforderlich.Bildverarbeitungsanwendungen werden in einer Reihe von Branchen eingesetzt, um verschiedene Aufgaben auszuführen, darunter die folgenden:KI wird in der Bildverarbeitung eingesetzt, um den Entscheidungsprozess zu beschleunigen.KI ist in der Lage, eine große Menge an Bildern und Dateninformationen zu verarbeiten, die zuvor zu schwierig zu sammeln waren.Beispiele für den Einsatz von KI in der maschinellen Bildverarbeitung sind die folgenden:Maschinelles Sehen, gepaart mit KI und Deep Learning, erweitert die Rolle von Robotern bei der Ausführung von Aufgaben an Produktionslinien, wie z. B. Kommissionieren, Sortieren, Platzieren und Durchführen eines Fertigungslinienscans.Diese Kombination von Technologien ermöglicht es der Robotik auch, in anderen Umgebungen wie Supermärkten, Krankenhäusern und Restaurants zu arbeiten.Beispielsweise kann ein Roboter mit Bildverarbeitung durch die Supermarktgänge navigieren und Bestandsdaten zu Produkten in den Regalen des Geschäfts erfassen.Es scannt Produkte mithilfe von Radiofrequenz-Identifikationstechnologie, um einen Barcode zu lesen, und kann Hindernissen in überfüllten Gängen ausweichen.Amazon Go-Einzelhandelsgeschäfte verwenden maschinelle Bildverarbeitungssysteme, um den Lagerbestand zu überwachen und Kunden zu überprüfen, wenn sie bereit sind zu bezahlen.Die Bildverarbeitungstechnologie ermöglicht die Automatisierung, wodurch Prozessabläufe in verschiedenen Anwendungen vernetzt werden können.Machine Vision macht auch die Zusammenarbeit zwischen Robotern und Menschen effizienter und sicherer.Beispielsweise kann in einem Supermarkt ein Roboter für die Durchführung von Bestandsverwaltungsaufgaben eingesetzt werden, damit menschliche Mitarbeiter mehr Zeit haben, Kunden zu unterstützen.Es kann Inventarscans häufiger als Menschen mit größerer Genauigkeit durchführen.An einem Fließband können Roboter mit Bildverarbeitung gefährliche Materialien analysieren und andere gefährliche Aufgaben ausführen, ohne die Arbeiter unsicheren Bedingungen auszusetzen.Die Daten, die von Machine-Vision-fähigen Robotern gesammelt und verwendet werden, können in der Cloud oder am Rand des Netzwerks verarbeitet werden, was Skalierbarkeit und detaillierte Datenanalyse ermöglicht.Teilweise werden die Begriffe Machine Vision und Computer Vision synonym verwendet.In anderen Fällen wird unterschieden.Maschinelles Sehen wird oft mit industriellen Anwendungen der Sehfähigkeit eines Computers in Verbindung gebracht.Der Begriff Computer Vision wird oft verwendet, um jede Technologie zu beschreiben, bei der ein Computer die Aufgabe hat, ein Bild zu digitalisieren, die darin enthaltenen Daten zu verarbeiten und irgendeine Art von Aktion durchzuführen.Ein weiterer Unterschied, der manchmal gemacht wird, betrifft die Rechenleistung – also den Unterschied zwischen einer Maschine und einem Computer.Ein Bildverarbeitungssystem hat normalerweise weniger Rechenleistung und wird in schlanken Fertigungsumgebungen verwendet, wo es praktische Aufgaben mit hoher Geschwindigkeit ausführt, um die Daten zu erfassen, die zum Abschließen eines bestimmten Auftrags erforderlich sind.Computer-Vision-Systeme sammeln so viele Daten wie möglich über Objekte oder Szenen und zielen darauf ab, sie vollständig zu verstehen.Computer Vision eignet sich besser zum Sammeln allgemeiner, übertragbarer Informationen, die auf eine Vielzahl von Aufgaben angewendet werden können.Es kann auch ohne Kamera durchgeführt werden, da sich der Begriff auf die Fähigkeit eines Computers beziehen kann, Bilder aus jeder Quelle, einschließlich dem Internet, zu verarbeiten.Maschinelles Sehen ist eine der vielen Anwendungen von KI in der Fertigung.Erfahren Sie, wie Fertigungsunternehmen KI nutzen, um Geschäftsprozesse zu vereinfachen und die Effizienz zu steigern.Die Integration zwischen dem langjährigen Daten- und Analyseanbieter und dem aufstrebenden Datenbankanbieter ermöglicht es Benutzern, mit Daten zu arbeiten ...Durch die Feststellung, wann und wo durch den Klimawandel verursachte Brände, Überschwemmungen und andere Naturkatastrophen auftreten könnten, werden die Schäden durch ...Obwohl Organisationen in die Lage versetzt werden, zu untersuchen, was aufgrund unterschiedlicher Entscheidungen passieren könnte, und sich auf potenzielle Probleme vorzubereiten, ...Nachhaltigkeit als Unternehmensinitiative hat die Prioritätenliste nach oben geschossen, wie Investoren, Verbraucher und Gesetzgeber fordern ...Die neuesten PPI-Daten zeigen einen monatlichen Anstieg von 3,1 % für Hostcomputer und Server, während die Speicherpreise leicht sinken und ...Die Federal Trade Commission erwägt neue Datenschutzregeln, die die Erfassung, Analyse und ...Der führende kommerzielle Unterstützer hinter dem Open-Source-Datenbankprojekt Milvus möchte die Technologie vorantreiben, um eine ...Der neue Native Collectors-Dienst in der Cloud ist ein Versuch des Anbieters von Zeitreihendatenbanken, Benutzern eine Verbindung zu Nachrichten ...Hier ist ein Blick auf die konkurrierenden Cloud-Datenbankangebote von AWS, Google, Microsoft und Oracle, basierend auf ihrer Produktbreite, ...Supply-Chain-Planung und Auftragsausführung werden integriert, wenn Kinaxis MPO erwirbt, was Kunden helfen könnte, in Echtzeit ...Das CHIPS-Gesetz ist ein guter erster Schritt zur Wiederbelebung der US-Halbleiterproduktion, aber Experten warnen davor, dass die Vorteile nicht realisiert werden ...Während NFC eine Teilmenge der RFID-Technologie ist, weisen die beiden einige wesentliche Unterschiede auf, einschließlich Kosten und Sicherheit.Erfahren Sie mehr über RFID ...Alle Rechte vorbehalten, Copyright 2018–2022, TechTarget Datenschutzrichtlinie Cookie-Einstellungen Meine persönlichen Daten nicht verkaufen