Журнал "Системы Безопасности" № 5‘2020

В И Д Е О Н А Б Л Ю Д Е Н И Е И В И Д Е О А Н А Л И Т И К А 102 О пыт работы показывает, что наиболее ори- ентированными на машинное зрение отраслями являются металлургическая, пище- вая, производство бытовой химии, автомоби- лестроение и машиностроение, а также фарма- цевтическое производство. В большинстве своем это сферы, в которых предъявляются повышенные требования к качеству выпускае- мой продукции. Немаловажную роль в повыше- нии спроса на технологии машинного зрения сыграло и внедрение национальной системы маркировки и прослеживаемости товаров. В основе – камера Основным компонентом систем машинного зрения являются камеры. Они обеспечивают получение цифрового изображения высокого качества, оптимального для компьютерной обработки, анализа, измерений, диагностики, распознавания и контроля. Камеры машинного зрения имеют ряд отличительных особенностей: 1. Передача формируемого изображения без сжатия. Преимущество этого подхода состоит в отсутствии потерь информации, что незамени- мо, например, в системах визуального контроля качества поверхностей. 2. Совместимость с системами реального вре- мени. Передача несжатых данных позволяет получить изображение для его дальнейшей обработки и выдачи результата анализа за доли секунды, что в условиях конвейерного про- изводства является необходимым критерием успешного функционирования. 3. Широкий диапазон разрешений. В зависимо- сти от технологии установленного сенсора про- мышленные камеры могут быть матричными или линейными. Диапазон разрешений – от VGA до 155 Мпкс для матричных камер и до 32К для линейных. 4. Высокая частота кадров (до нескольких сотен тысяч в секунду). Позволяет камерам машинно- го зрения вести наблюдение за высокоскорост- ными процессами. 5. Генерирование сигналов ввода/вывода. Практически все камеры машинного зрения оснащены интерфейсом ввода/вывода для взаимодействия с любыми внешними устрой- ствами. Должна ли камера машинного зрения быть "смарт"? Камеры машинного зрения обычно рассматри- ваются как датчики формирования изображе- ний. Сегодня на рынке представлено большое разнообразие моделей камер, отличающихся интерфейсом, форм-фактором, используемым датчиком формирования изображений и т.д. Задач, в которых используются камеры машин- ного зрения, огромное множество. Очевидно, что создание специализированной видеокаме- ры под каждую задачу экономически нецелесо- образно, поскольку стоимость разработки каж- дой такой модели придется распределить на небольшое количество реализованных экзем- пляров. В то же время для некоторых типовых задач, обладающих перспективой тиража, таких как считывание кодов (1D и 2D), распознавание номеров автомобилей, перенос обработки видеосигнала непосредственно в видеокамеру, вполне целесообразен. Это подтверждается октябрь – ноябрь 2020 www.secuteck.ru СПЕЦПРОЕКТ КАМЕРЫ МАШИННОГО ЗРЕНИЯ Евгений Веснин Технический директор ООО "Малленом Системс" В виду того что разные задачи требуют различных вычислительных ресурсов и даже вычислительных платформ, интересной кажется идея разработки открытых вычислительных платформ для разработ- чиков, поддерживающих подключение камер машинного зрения по низкоуровневым интерфейсам. Это позволит построить экономически эффективное решение для каждой конкретной задачи. Совмещать ли эти платформы в одном корпусе с видеокамерой – вопрос открытый Машинное зрение для промышленных производств: тенденции и перспективы Машинное зрение становится все более и более популярным. Развитие технологии глубокого машинного обучения (Deep Learning) привело к проникновению машинного зрения во многие сферы повседневной жизни. В то же время основной областью, где оно используется, был и остается промышленный контроль У мным машинам тоже нужно видеть. Это относит- ся и к промышлен- ным роботам, и к беспилотным авто- мобилям, и еще к сотням самых раз- ных железных коро- бок, обладающих той или иной мерой "интеллекта". Последнее слово пока не получа- ется писать без кавычек, но через несколько лет… Чем черт не шутит, вдруг когда-нибудь искусственный разум действительно сможет "подвинуть" биологический с пьедестала "царя природы". Хочется верить, что это будет не без- душный терминатор, а добрый всезнайка- помощник, свято чтящий три закона роботех- ники Айзека Азимова. Впрочем, вернемся к конкретике. Итак, множе- ству машин нужно зрение. Основное отличие систем машинного зрения от традиционного видеонаблюдения заключается в том, что фор- мат предоставления видеоинформации для машины значительно отличается от привычно- го, адаптированного к человеческому глазу и мозгу: здесь не нужна гамма-коррекция, но востребована высокая частота кадров, в то же время недопустимо сжатие и нет задачи "влезть" в традиционные интерфейсы передачи данных. Традиционная ниша машинного зрения – авто- матизированные производственные линии в промышленности. Система телевизионного контроля встроена в общую автоматизирован- ную систему управления технологическим про- цессом (АСУ ТП), включающую в себя, помимо разнообразных датчиков, также и управление различными исполнительными, часто могучи- ми, механизмами. Мера ответственности, лежа- щая на разработчике системы машинного зре- ния, велика: ведь от корректной работы систе- мы может зависеть ритмичная работа главного сборочного конвейера автомобильного завода, атомной электростанции или целого металлур- гического комбината. Сбой в работе может при- вести к совершенно неприемлемым финансо- вым потерям и даже к несчастным случаям. Второй перспективной областью является транс- порт. Зрение беспилотных поездов, автомоби- лей, летательных аппаратов и космических кораблей должно быть безупречным по качеству и исключительно надежным, так как любая поломка чревата на скоростном транспорте серь- езными авариями, вплоть до катастрофических. Исходя из вышесказанного, приходится при- знать, что в области машинного зрения царит техника более высокого уровня, чем в привыч- ном охранном видеонаблюдении. Михаил Арсентьев Редактор раздела "Видеонаблюдение", коммерческий директорООО "Артсек" КОЛОНКА РЕДАКТОРА Зрение машин