實現機器視覺中傳感器的計算能力，發展機械視覺傳感器未來

　所有企業都需要質量控制和審查，尤其是在當今技術不斷發展的世界中。在整個制造過程中執行一致的檢查可確保更高質量的產品。雇主必須為這些重復檢查投入大量資源。然而，由于機器視覺中傳感器內計算的能力，現在可以更快、更方便地完成檢查。

　實施機器視覺網絡對于最大限度地減少處理和檢查期間交換的冗余數據至關重要。在這篇博客中，我將探討傳感器內計算的概念，它涉及將計算活動轉移到感官終端，以及這種現象如何用于機器視覺和相機

　一、什么是傳感器內計算？

　相機和處理器在機器視覺方面仍然不同。然而，當集成商發現機器視覺系統的新用途時，他們遇到了更大的困難，其中之一就是空間問題。機器視覺工作站不能放置在每個位置。然而，由于缺乏可用的計算能力，較小尺寸的系統歷來都在苦苦掙扎。為了解決這個難題，研究人員已經開始研究一種通過在圖像傳感器內部集成計算來提高機器視覺速度的方法。這稱為傳感器內計算。

　二、什么是機器視覺傳感器？

　在處理傳感器內計算之前，讓我們探索機器視覺及其對自動化系統的意義。在制造業機器人技術的早期實施中，簡單的小程序可以自動執行簡單、重復的任務。這個過程對于生產具有最小差異甚至沒有差異的相同組件是有效的。

　然而，現代制造業的復雜性需要同樣復雜的工廠自動化系統。為了適應這種更復雜的現實，傳感器內計算等技術為自動化系統提供了更大的靈活性和動態適應不同組件的能力。事實上，機器視覺計算可以幫助相機在進化過程中處理更大程度的處理，提供額外的傳感功能。相機將能夠根據大型數據集做出決策，消除大多數檢測錯誤并提高消費品的安全性和質量。

　三、傳感器內計算如何發展機器視覺？

　該技術避免了將整張圖片傳輸到機器視覺軟件的步驟；相反，所有的處理都是由相機內部的傳感器計算能力完成的。減少在不同組件之間移動的恒定高分辨率圖片所需的帶寬利用率，減少了視覺系統所需的處理時間。

　這種效率的提高減少了應用程序中對昂貴的相互依賴系統的需求。如果相機的傳感器可以在分析圖片時識別出它所看到的內容，則可以在不依賴云連接的情況下做出決定。自處理傳感器可能會為自動駕駛汽車和其他數字商業應用中的機器視覺開辟新的機會。

　四、開拓未來的可能性

　考慮到能量和延遲預算，當前的硬件限制了基于AI的圖像處理新應用的潛力。超過90%的傳感器生成的數據被復制和處理，浪費時間和精力。機器視覺中傳感器的技術創新包括創建一個新的、緊湊的材料系統來處理傳感和處理。傳感器內計算的最終目標是創建可編程、高分辨率和快速的有效人工智能硬件。

　來源：藤倉自動化