在生產線上用于測量的相機要能快速判斷液位、尺寸，用來定位的相機系統(tǒng)要能快速準確的給出正確的物品位置，及時通知機械手臂在哪里尋找抓取物品，用作計件檢驗的相機系統(tǒng)要能夠快速計算出數量，是否溢出，用作解碼識別的相機系統(tǒng)要能夠快速準確識別二維碼，字符信息等。相機系統(tǒng)做出快速精準決策的關鍵就是圖像能夠清晰準確的提供這些信息，不同的檢測應用對圖像的分辨率、清晰度、噪聲、以及相機的幀率、系統(tǒng)成本等都有不同的要求。

隨著工業(yè)自動化的發(fā)展，檢測種類的多樣性，驅使圖像傳感器不斷的更新?lián)Q代，工藝一直在突破提升。這個發(fā)展從安森美半導體的幾代CMOS產品系列中可見一斑：

隨著工藝的提升，圖像傳感器的像元越來越小，但它卻可以達到大尺寸像元的圖像效果，這就使傳感器的分辨率可以越做越大，帶寬也越來越高，也推動了整體相機系統(tǒng)的提升和發(fā)展，來滿足工業(yè)生產快速精確的推斷和決策。

快速精確的決策需求推動整個生態(tài)系統(tǒng)來實現高級數據收集和推斷，提供了真正進入工業(yè)4.0的機會，人工智能(AI)正是需要的新工具，用來管理工業(yè)系統(tǒng)成像不斷增長的數據集。

AI可以通過自適應制造、自動質量控制、預測性維護等方案有效地應對當今制造業(yè)面臨的挑戰(zhàn)，如工廠中的PCB板檢測、鈑金缺陷檢測、食品衛(wèi)生檢測、零部件均勻度檢測、平板檢測的應用中，工廠操作員的疲勞會影響對產品質量的一致性評估，但是機器視覺相機和深度學習解決了這個問題。如今，AI已用于60％以上的計算機視覺應用中，而AI在制造應用中的增長已超過50％年復合增長率。

工業(yè)中AI應用的發(fā)展給圖像傳感器帶來了更高的挑戰(zhàn)，包括推動了全局快門性能、高速拍攝、高分辨率、使用不可見光譜區(qū)域和三維體積深度提供的信息進行關鍵推斷，以及神經網絡處理的發(fā)展。

傳統(tǒng)的卷簾快門圖像傳感器可為靜態(tài)或慢速移動的物體成像提供出色的靈敏度。但全局快門在檢測快速移動物體的工業(yè)應用中至關重要。

圖1：卷簾快門vs. 全局快門

高速也是快速移動物體檢測的工業(yè)應用另一個至關重要點。高速裝配線的機器視覺檢查需要快速的幀率和較短的積分時間，可以使用短曝光和快速讀出消除圖像模糊的效果。工廠的視覺檢測基本都是對應高速移動的物體，特別是工廠高速運轉的生產線上，傳送帶的速度特別快，那么在最短的時間內成像讀出數據，減少或消除拍攝圖像中的運動模糊，才能利用AI算法實現正確的智能判斷和快速決策。

精彩未完，周三待續(xù)。

點擊閱讀原文，閱讀更多