轮毂|为什么说机器视觉是实现工业4.0的关键？( 二 ) 全景图|前海|白皮书|金融科技

再来看轮毂分类场景，当前，已经有不少高校提出了基于机器视觉的分类算法。东北大学提出了一种基于机器视觉的汽车轮毂识别系统，其根据实验选择了五个特征：轮毂中心是否有孔洞，轮毂边缘区域的孔数，轮毂半径，轮毂面积，以及旋转不变性，利用投票分类器对提取的特征进行分类。与传统方法相比能达到较好的效果，缺点是先验信息太多，需要人工选择较明显的特征费时费力，且由于提取到的特征较少，对于结构复杂的轮毂辨识度差，结构相近的轮毂也难以区分。

中北大学提出了一种基于 OpenCV 和 MFC 平台的轮毂分类技术，与传统的识别方法相比节省了时间，但由于形态学处理的破坏，泛化程度较低；南京信息工程大学提出了一种基于统计模型的轮毂分类方法，使用背景去除、形态学处理、局部二值化和边缘提取算子等多种方法进行特征提取，能进一步提高分类精度，但能够成功识别分类的轮毂类型较少且检测方法非常耗时…… 通过上述分析我们可以得知，机器视觉解决方案的部署本身是一项非常复杂的工作，涉及许多专业技术，需要很多专业人才，期间会耗费大量成本且涉及大量试错，制造商想要依靠自身开发这样的一套解决方案，可谓难如登天。
【轮毂|为什么说机器视觉是实现工业4.0的关键？】 让机器视觉不再遥不可及
如何让制造商快速掌握机器学习这项“秘密武器”？英特尔与无锡信捷电气股份有限公司（下称“信捷”）联合推出了一套基于深度学习的轮毂分类/分割解决方案，为轮毂检测行业提供了新的思路。基于信捷自主研发的新一代机器视觉应用开发平台X-SIGHT VISION STUDIO Pro，制造商无需编写代码，只用在软件中拖拽组件，就能完成开发——这相当于把复杂的专业摄像机直接变成了“傻瓜相机”，大大降低了用户入门的门槛。

文章插图
X-SIGHT系列产品

除了具备图形化界面、提供快速的应用开发环境，帮助用户快速上手并轻松创建典型应用之外，该平台还提供了强大的图像分析能力，甚至具备自我学习优化能力，是一个不断进化迭代的平台。得益于此，用户能以更高的效率开发定制化的大规模项目，从而缩短研发周期和成本。

文章插图
X-SIGHT图形用户界面你可能会疑惑，为什么信捷的平台能够将机器学习“化繁为简”？原来其平台背后，集成了英特尔? OpenVINO?、oneAPI加速方案。这些软件就如同“催化剂”一般，为信捷的方案部署和模型加速提供了更高效的工具。

其中，OpenVINO? 视觉工具套件是一款面向高性能计算机视觉和深度学习应用的快速开发套件，基于最新一代人工神经网络，包括卷积神经网络 (CNN)、循环网络和基于注意力的网络，可跨英特尔硬件扩展至计算机视觉和非视觉的工作，从而最大限度地提高性能，在边缘到云端都能展现高性能 AI 和深度学习推理部属的加速。这增强了信捷产品的深度学习神经网络推理能力，助力其为客户提供更优的解决方案。oneAPI 则是一种跨行业、开放、基于标准的统一编程库，可提供跨加速架构的通用开发体验，帮助信捷提高应用性能、工作效率和创新能力。
机器视觉场景复杂，英特尔为此开发了诸多工具套件，以满足用户在各类工业场景下的需求，促进更多的机器视觉应用案例落地，为工业机器视觉的发展提供技术支持。

基于信捷和英特尔的这套联合解决方案，制造商能够通过摄像头采集轮毂图像，传输至网络进行识别分类，实现快速、准确、稳定的响应，从而大大降低人力成本，提高生产效率。