머신 비전을 통해 시스템은 이미지를 통해 환경 설정을 높은 수준으로 이해할 수 있습니다. | 출처: 디지키
머신 비전은 자동화된 장비가 이미지를 통해 즉각적인 환경에 대한 높은 수준의 이해를 제공하는 기술 모음입니다. 머신 비전 소프트웨어가 없다면 디지털 이미지는 단순하고 연결되지 않은 픽셀 컬렉션에 지나지 않습니다.
기계 비전 컴퓨터가 이미지 내의 가장자리와 모양을 감지할 수 있으므로 더 높은 수준의 처리 루틴을 통해 미리 정의된 관심 개체를 식별할 수 있습니다. 이런 의미에서 이미지는 반드시 가시 스펙트럼의 사진 이미지에만 국한되는 것은 아닙니다. 적외선, 레이저, X선, 초음파 신호를 사용하여 얻은 이미지도 포함될 수 있습니다.
오늘날, 하나의 일반적인 머신 비전 애플리케이션은 산업의 설정은 무작위로 배열된 부품 혼합이 포함된 저장소에서 특정 부품을 식별하는 것입니다. 여기서 머신 비전은 픽 앤 플레이스 로봇이 자동으로 올바른 부품을 선택하는 데 도움이 될 수 있습니다.
물론, 이미징 피드백을 통해 이러한 부품을 인식하는 것은 트레이에 모두 깔끔하게 배열되고 동일한 방향으로 배치되어 있다면 상대적으로 간단할 것입니다. 그러나 강력한 머신 비전 알고리즘은 카메라로부터 다양한 거리와 방향에 있는 물체를 인식할 수 있습니다.
가장 정교한 머신 비전 시스템은 빈 피킹보다 훨씬 더 정교한 새롭고 새로운 디자인을 가능하게 했습니다.
머신 비전 기술
3D 스캐너는 물체의 2D 이미지를 캡처하여 3D 모델을 만듭니다. 어떤 경우에는 디지털 모델을 사용하여 3D 인쇄 사본을 만듭니다. | 출처: 디지키
용어 머신 비전 때로는 이미지에서 정보를 추출하는 보다 확립되고 효율적인 수학적 방법을 참조하기 위해 예약되어 있습니다.
대조적으로, 용어는 컴퓨터 비전 일반적으로 기계 학습 또는 인공 지능을 사용하는 블랙박스 접근 방식을 포함하여 보다 현대적이고 계산량이 많은 시스템을 설명합니다(일체 포함).
그러나 머신 비전은 이미지에서 높은 수준의 정보를 추출하는 모든 방법을 포괄하는 포괄적인 용어로도 사용될 수 있습니다.
이미지에서 높은 수준의 의미를 추출하는 기술이 점점 일반화되고 있습니다. 연구 커뮤니티 내에서 이러한 기술은 종종 머신 비전과 다른 것으로 간주됩니다. 그러나 실용적인 의미에서 모두 머신 비전을 달성하는 서로 다른 방법이며 많은 경우 중복됩니다.
디지털 이미지 처리 이미지 향상, 복원, 인코딩 및 압축을 포함하는 디지털 신호 처리의 한 형태입니다. 아날로그 이미지 처리에 비해 장점은 최소화된 노이즈와 왜곡뿐 아니라 훨씬 더 많은 알고리즘을 사용할 수 있다는 것입니다.
디지털 이미지 향상에는 대비 증가가 포함되는 경우가 많으며 시야각 및 렌즈 왜곡에 대한 기하학적 보정도 수행할 수 있습니다. 압축은 일반적으로 복잡한 신호를 코사인 함수의 조합으로 근사화하여 수행됩니다.
사진측량 이미지에서 측정값을 추출하기 위해 일종의 특징 식별을 사용합니다. 동일한 장면의 여러 이미지를 서로 다른 위치에서 얻은 경우 이러한 측정에는 3D 정보가 포함될 수 있습니다.
가장 간단한 사진 측량 시스템은 눈금을 사용하여 이미지의 두 지점 사이의 거리를 측정합니다. 일반적으로 이 목적을 위해서는 이미지에 알려진 축척 참조를 포함해야 합니다.
특징 감지 컴퓨터는 이미지의 가장자리와 모서리 또는 점을 식별할 수 있습니다. 이는 사진 측량뿐 아니라 물체 및 동작 식별에도 필요한 첫 번째 단계입니다. 얼룩 감지는 모서리나 모서리 감지가 너무 부드러운 모서리가 있는 영역을 식별할 수 있습니다.
패턴 인식 특정 개체를 식별하는 데 사용됩니다. 가장 간단하게 말하면 이는 컨베이어에서 특정하고 잘 정의된 기계 부품을 찾는 것을 의미할 수 있습니다.
3D 재구성 2D 이미지에서 객체의 3D 형태를 결정합니다. 이는 삼각 측량을 통해 공통 특징(서로 다른 관찰 지점의 이미지에서 식별됨)의 높이를 결정하는 사진 측량 방법을 통해 달성할 수 있습니다. 단일 2D 이미지를 사용하여 3D 재구성도 가능합니다.
머신 비전 작업이 주문되는 방식
많은 머신 비전 시스템은 낮은 수준의 작업부터 시작하여 하나씩 더 높은 수준의 작업으로 발전함으로써 위의 기술을 점진적으로 결합합니다. 가장 낮은 수준에서는 이미지의 모든 픽셀이 고대역폭 데이터로 유지됩니다. 그런 다음 시퀀스의 각 작업은 이미지 특징을 식별하고 상대적으로 적은 양의 데이터로 관심 정보를 나타냅니다.
이미지 향상 및 복원과 같은 낮은 수준의 작업이 먼저 수행되고 그 다음에는 특징 검색이 수행됩니다. 따라서 여러 센서를 사용하는 경우 개별 센서 전용 분산 프로세스를 통해 하위 수준 작업을 수행할 수 있습니다. 개별 이미지의 특징이 감지되면 더 높은 수준의 사진 측량 측정이 가능하며, 여러 이미지와 센서의 결합된 데이터에 의존하는 모든 개체 식별이나 기타 작업도 가능합니다.
직접 계산 및 학습 알고리즘
에이 직접 계산 머신 비전의 맥락에서 인간 프로그래머가 수동으로 정의하는 일련의 수학적 함수가 있습니다. 이는 이미지 픽셀 값과 같은 입력을 받아 객체 가장자리의 좌표와 같은 출력을 생성합니다.
대조적으로, 학습 알고리즘은 사람이 직접 작성하지 않고 대신 입력을 원하는 출력과 연결하는 예제 데이터 세트를 통해 훈련됩니다. 블랙박스처럼 작동하는 머신러닝은 이제 인공 신경망을 기반으로 한 딥러닝을 사용하여 계산을 수행합니다.
산업용 애플리케이션을 위한 간단한 기계 학습은 직접 계산을 기반으로 하는 경우 안정성이 더 높고 계산 요구량이 적은 경우가 많습니다. 물론 직접 계산으로 얻을 수 있는 것에는 한계가 있습니다.
예를 들어, 직접 계산으로는 특히 혼잡한 공공 장소의 비디오 피드에서 얼굴로 개인을 식별하는 데 필요한 고급 패턴 인식을 실행할 수 없습니다. 대조적으로, 머신러닝은 이러한 애플리케이션을 능숙하게 처리합니다. 이미지 향상, 복원, 기능 감지 등 하위 수준의 머신 비전 작업을 위해 머신러닝이 점점 더 많이 배포되고 있는 것은 놀라운 일이 아닙니다.
산업 안전을 위한 머신 비전
이미지 센서는 유형, 크기, 위치, 방향 및 색상별로 공작물을 식별할 수 있습니다. | 출처: 디지키
머신 비전은 더 이상 틈새 기술이 아닙니다. 이 기술은 산업 응용 분야에서 가장 큰 배포 성장을 경험하고 있습니다. 가장 극적인 발전은 공장 직원이 안전모, 마스크 또는 기타 올바른 보호 장비 없이 작업 구역에 들어갈 때 경보를 울리거나 음성 안내를 보내는 산업 공장 안전 시스템을 머신 비전이 어떻게 보완하는지입니다. 머신 비전은 지게차와 같은 이동식 기계가 사람에게 너무 가까워지면 알려주는 시스템도 완성할 수 있습니다.
이러한 머신 비전 시스템과 유사한 머신 비전 시스템은 때때로 산업용 로봇 주위의 견고한 보호 장치를 대체하여 보다 효율적인 작업을 가능하게 합니다. 또한 공장 작업자가 작업 셀에 들어갈 경우 간단히 기계를 정지시키는 라이트 가드를 기반으로 하는 안전 시스템을 교체하거나 강화할 수도 있습니다. 머신 비전이 작업 셀 주변의 공장 바닥을 모니터링할 때, 그러한 셀에 있는 로봇은 사람이 접근함에 따라 점차 속도가 느려질 수 있습니다.
산업 환경의 설계는 장비가 작동하는 동안에도 공장 직원이 안전하게 이동할 수 있는 협업 로봇 및 기타 작업 셀 장비를 수용하도록 발전하고 있습니다. 머신 비전을 기반으로 하는 이러한 시스템과 기타 시스템은 공장 프로세스에서 훨씬 더 일반적인 부분이 될 것입니다.
엔지니어와 제조업체는 스마트 머신 비전 시스템을 설계하고 배포하는 방법을 이해함으로써 공장 현장에 시각적 지능 도구를 스마트하게 통합하여 안전성과 효율성을 향상시킬 수 있습니다. 기술이 빠른 속도로 발전함에 따라, DigiKey IoT부터 AI, 머신 비전까지 혁신적인 자동화 솔루션을 계속해서 제공하고 있습니다.
저자 소개
Rich Miron은 DigiKey의 수석 기술 콘텐츠 개발자입니다. DigiKey는 전 세계적으로 전자 부품 및 자동화 제품의 최첨단 상거래 유통 분야에서 글로벌 리더이자 지속적인 혁신자로 인정받고 있으며, 3,000개가 넘는 고품질 유명 브랜드 제조업체로부터 1,650만 개 이상의 부품을 제공하고 있습니다.
게시물 머신 비전이 자동화 안전성과 효율성을 향상시키는 방법 처음 등장한 로봇 보고서.