机器视觉的现状和未来发展趋势分析
2018/2/6 11:35:03 标签:中国传动网
深度学习是人工智能的热点发展方向之一,将推动我们步入控制设计和工业物联网的新台阶。机器视觉在工业控制领域极其重要,借助这些技术,使用数据驱动部署复杂的机器和设备。
为了比竞争对手更好地服务其目标客户,当今的嵌入式设计团队正在寻求机器学习(ML)和深度学习(DL)等新技术,以便在有限的资源下按时向市场开发和部署复杂的机器和设备。借助这些技术,团队可以使用数据驱动的方法构建复杂的单系统或多系统模型。ML和DL算法不是使用基于物理学的模型来描述系统的行为,而是透过数据推断出系统的模型。传统ML算法适用于处理数据量相对较小且问题的复杂度较低的情况。但如果是像自动驾驶汽车这样的大数据问题呢?解决这个挑战需要采用DL技术。本文介绍了这种新兴技术将如何推动我们进入控制设计和工业物联网(IIoT)应用的下一个时代。
1ML技术在工业资产状态监测中的应用
首先考虑机器学习(ML)技术在工业资产状态监测中的应用。ML有助于将基于状态的监测应用从被动维护和预防性维护转变为预测性维护。这些技术常用于检测异常行为和诊断问题,并在一定程度上预测电机、水泵和涡轮机等工业资产的剩余使用寿命。
基于ML的模型开发和部署流程如图1所示。
图1基于机器学习的分析流程
看看这个工作流程是如何用来监控电机的健康状况的。数据是从加速度计、热电偶和连接到电机的电流传感器等多种类型的传感器采集而来。特征工程步骤通常由两部分组成:特征提取和特征约简。特征提取用于从原始数据(或波形)中导出有助于了解资产健康情况的信息。例如,来自电机的电流信号的频谱中嵌入了可用于检测故障的信息,如图2所示。频谱中不同频带上的平均振幅可用作为从电流信号中提取的特征。从多个传感器提取的特征可能包含冗余信息。可以使用主成分分析(PCA)等特征约简方法来减少最终用于建立模型的特征的数量。特征的数量减少,意味着要使用的ML模型的复杂性降低了。减少的特征集表示为向量(或数组),并输入到ML算法中,ML算法将用于模型创建步骤。模型创建和验证是一个迭代过程,在这个过程中,您可以尝试使用几种ML算法,并选择最适合您应用的算法。
图2对电机电流信号进行特征约简
图3特征工程
无监督的ML算法(如高斯混合模型(GMM))可用于模拟电机的正常行为,并检测电机何时开始偏离其基线。无监督的方法不需要标记数据就可以发现数据中的隐藏模式。无监督的技术主要用来检测电机的异常,监督算法则用于检测异常的原因。在有监督的方法中,算法以输入数据和期望输出的组合表示。这个数据称为标签数据。算法会学习函数将输入映射到输出。用于训练ML算法的数据包含在正常和错误条件下提取的特征。使用表示电机状态的标签可清楚地标识特征。常用的监督ML算法包括支持向量机(SVM)、逻辑回归和人工神经网络。
传统ML技术面临的挑战是特征提取过程。这个过程需要专业的领域知识,而且非常容易出错,通常是ML工作流程中的故障点。因此现在越来越多人采用DL算法,因为它们无需使用特征工程步骤。从传感器采集的数据(原始测量数据)可以直接输入到DL算法中,如下所示。
图4深度学习工作流程
DL算法基于人工神经网络。人工神经网络学习算法受到生物神经网络的结构和功能的启发。这些算法采用相互连接的计算节点(人工神经)组的形式结构,而计算节点采用层的结构形式。第一层称为输入层,作为与输入信号或数据的连接接口。最后一层是输出层,该层中的神经元输出最终的预测或决定。在输入层和输出层之间,有一个或多个隐藏层(图5)。每一层的输出通过加权连接的方式连接到下一层的节点。神经网络通过修改这些权重来学习输入和输出之间的映射。通过使用多个隐藏层,DL算法可以学习需要从输入数据中提取的特征,而不需要将特征明确地输入到学习算法中。这就称为特征学习。
图5前馈人工神经网络
2IIoT中应用DL需要考虑的因素
深度学习最近在IIoT应用中取得了成功,主要归功于更强大的硬件计算能力、庞大的标记训练数据库、学习算法和网络初始化的突破性进展以及开源软件框架的可用性。
以下是使用此技术设计系统的一些主要考虑因素。
拓扑结构-深度学习是一个不断发展的领域,目前有许多网络拓扑已经得到应用[1]。接下来将讨论其中一些有望用于控制和监测IIoT应用的网络。
·完全连接的深度神经网络通过许多隐藏层完全连接人工神经网络(因此称为深度神经)。这些网络都是出色的函数逼近器,比如,可以用于电力电子控制的应用。如果要使用深层网络来构建控制器,可以使用要控制的系统的仿真模型来生成训练数据。借此,您可以探索使用传统方法通常难以控制的状态(边界/转角条件)。
·卷积神经网络设计为可利用输入图像或语音信号等输入信号的二维结构。卷积网络由一个或多个卷积层(滤波层)组成,随后是完全连接的多层神经网络。这些网络可成功检测图像中的缺陷以及识别对象,现已应用到先进驾驶员辅助系统中的场景理解。
·递归神经网络(RNN)采用的是基于顺序(或历史)信息进行预测的算法。这些网络适用于时间序列分析。传统的神经网络假定所有的输入(和输出)在时间或到达顺序上是相互独立的。RNN记录的是状态信息,能够存储关于过去的信息,并使用当前已计算的信息进行下一个预测。在IIoT应用中,RNN有助于学习历史行为,并根据历史行为来预测未来事件,如资产的剩余使用寿命(RUL)。长短期记忆(LSTM)网络非常适用于这类应用。[2]
·深度强化学习(DRL)适用于设计在复杂动态环境中运行的自适应控制系统。比如控制仓库操作机器人,这些机器人必须动态适应新任务。以强化学习为基础的控制器通过执行任务后所获得的奖励来一步步完成目标。例如,控制器接收显示机器人手臂当前位置的摄像机图像,并通过图像中的信息学习如何将手臂移近目标。[3]基于DL的控制器可以使用机器人模拟器或通过观察操作中的机器人来进行训练。
图6用于机器人控制应用的深度强化学习
训练-深度神经网络需要大量的训练数据,最好包括网络要学习的所有不同状态或条件的数据。对于大多数应用来说,可用的数据主要来自系统的正常工作状态,仅对其他状态的数据进行少量的采样。数据增强技术可改善数据中的这一不平衡性,您可以从已有的少量样本为基础,通过转换数据创建更多合成版本。您也可以使用系统的仿真模型来创建训练数据。另一个挑战是要采集训练这些网络所需的庞大数据非常困难。迁移学习可以解决这个问题。借助迁移学习,您可以以一个预先训练的神经网络为起点(大多数DL软件框架提供了经过完全训练的模型,而且可供下载),并使用应用程序中的数据对其进行微调。
硬件—训练深度网络对处理性能的要求非常高。GPU已经成为训练深度网络的主要选择。由于高计算性能、大内存、高内存带宽和多种编程工具选择,GPU成为最受欢迎的选择,而且几乎成为深度网络训练的必需技术。此外,FPGA是部署经过训练的网络的理想终端选择。FPGA提供了更低的延迟、更高的功效以及更高的确定性,尤其适用于在嵌入式设备上部署这些网络,适用于与I/O进行紧密循环操作的控制系统。
软件-深度学习之所以能够快速得到应用并获得成功的一个原因是有成熟的软件框架。一些常见的框架包括TensorFlow、Caffe、Keras和CNTK。[4][5][6][7]这些框架支持Windows和Linux等不同的操作系统,以及Python和C++等语言。这些框架中的大多数还可支持实现最新的DL网络或提供相关的示例,而且还支持在GPU上学习。
3结论
深度学习是人工智能一个激动人心的新方向,有望能够解决工业控制设计应用的下一代问题。深度学习的一个快速入门方法是下载上面提到的开源框架,并使用教程示例动手进行操作实践。从与您应用程序类似的示例开始,并使用迁移学习快速运行。
供稿:网络转载
本文链接:http://www.cmcia.cn/content.aspx?url=rew&id=315
相关新闻
- 2024-04-29奥普特:创新引领工业相机新视界
- 2024-04-17OPT(奥普特)工业智能检测技术实验室获批广东省重点实验室
- 2024-03-26OPT市占率全国第一、全球第二/纵苇完成近2亿元融资/西门子收购全球风机与电机驱动巨头/工信部全面取消制造业外资限制
- 2023-07-14Vision China上海展回顾|OPT(奥普特)机器视觉检测技术精彩亮相
- 2022-04-15机器视觉与运动控制技术应用型人才培养经验分享
- 2022-04-02堡盟机器视觉技术创新产品在线分享会(4月6日)
- 2021-07-23VPLC516E 机器视觉运动控制一体机在包装行业视觉检测应用
成员中心
- 上海会通自动化科技发展有限公
- 中达电通股份有限公司
- 长春禹衡光学有限公司
- 睿工业
- 广东美的智能科技有限公司
- 高创传动科技开发(深圳)有限
- 南京埃斯顿自动化股份有限公司
- 哈尔滨工业大学
- 深圳市机械行业协会
- 广东省自动化学会
- 广东省机械工程学会
- 华南智能机器人创新研究院
- 深圳市机器人协会
- 富士康科技集团
- 深圳众为兴技术股份有限公司
- 南京诚达运动控制系统有限公司
- 常州精纳电机有限公司
- 杭州之山智控技术有限公司
- 杭州中达电机有限公司
- 杭州日鼎控制技术有限公司
- 杭州米格电机有限公司
- 上海新时达电气股份有限公司
- 上海登奇机电技术有限公司
- 上海三竹机电设备有限公司
- 深圳市艾而特工业自动化设备有
- 深圳市亿维自动化技术有限公司
- 湖南科力尔电机股份有限公司
- 深圳市四方电气技术有限公司
- 武汉迈信电气技术有限公司
- 广州市珠峰电气有限公司
- 清能德创电气技术(北京)有限公
- 毕孚自动化设备贸易(上海)有
- 富士电机(中国)有限公司
- 松下电器机电(上海)有限公司
- 路斯特运动控制技术(上海)有
- 西门子(中国)有限公司
- ABB(中国)有限公司
- 施耐德电气(中国)投资有限公
- 丹佛斯自动控制管理(上海)有
- 三菱电机自动化(上海)有限公
- 安川電機(中国)有限公司
- 欧姆龙自动化(中国)有限公司
- 山洋电气(上海)贸易有限公司
- 柯马(上海)工程有限公司
- 康耐视
- 埃莫运动控制技术(上海)有限
- 上海安浦鸣志自动化设备有限公
- 诺德(中国)传动设备有限公司
- 利莱森玛电机科技(福州)有限
- 易格斯拖链轴承仓储贸易(上海
- ACS Motion Control(弘柏商贸(
- 苏州钧和伺服科技有限公司
- 台湾永宏电机股份有限公司(厦
- 北京研华兴业电子科技有限公司
- 台安科技(无锡)有限公司
- 海顿直线电机(常州)有限公司
- 杭州摩恩电机有限公司
- 梅勒电气(武汉)有限公司
- 亚德诺半导体技术有限公司
- 上海挚驱电气有限公司
- 上海鸿康电器有限公司
- 上海开通数控有限公司
- 上海翡叶动力科技有限公司
- 上海维宏电子科技股份有限公司
- 上海弈猫科技有限公司
- 和椿自动化(上海)有限公司
- 光洋电子(无锡)有限公司
- 图尔克(天津)传感器有限公司
- 堡盟电子(上海)有限公司
- 广州市西克传感器有限公司
- 约翰内斯·海德汉博士(中国)
- 宜科(天津)电子有限公司
- 美国邦纳工程国际有限公司
- 库伯勒(北京)自动化设备贸易
- 奥托尼克斯电子(嘉兴)有限公
- 皮尔磁工业自动化(上海)有限
- 深圳市英威腾电气股份有限公司
- 深圳威科达科技有限公司
- 深圳市微秒控制技术有限公司
- 深圳易能电气技术股份有限公司
- 深圳市正运动技术有限公司
- 深圳市合信自动化技术有限公司
- 深圳市吉恒达科技有限公司
- 深圳锐特机电有限公司
- 深圳市顾美科技有限公司
- 深圳安纳赫科技有限公司
- 深圳市金宝佳电气有限公司
- 深圳市泰格运控科技有限公司
- 深圳市麦格米特驱动技术有限公
- 深圳市汇川技术股份有限公司
- 深圳市库马克新技术股份有限公
- 深圳市蓝海华腾技术股份有限公
- 深圳市正弦电气股份有限公司
- 深圳市艾威图技术有限公司
- 无锡信捷电气股份有限公司
- 台州市格特电机有限公司
- 天津龙创日盛机电实业有限公司
- 武汉华中数控股份有限公司
- 四川零点自动化系统有限公司
- 庸博(厦门)电气技术有限公司
- 北京凯恩帝数控技术有限责任公
- 北京配天技术有限公司
- 欧瑞传动电气股份有限公司
- 航天科技集团公司第九研究院
- 西安微电机研究所
- 兰州电机股份有限公司
- 太仓摩力伺服技术有限公司
- 泰志达(苏州)自控科技有限公
- 无锡创正科技有限公司
- 宁波菲仕电机技术有限公司
- 杭州中科赛思伺服电机有限公司
- 世协电机股份有限公司
- 太仓摩讯伺服电机有限公司
- 浙江禾川科技股份有限公司
- 腾禾精密电机(昆山)有限公司
- 杭州纳智电机有限公司
- 杭州德力西集团有限公司
- 嘉兴德欧电气技术有限公司
- 卧龙电气集团股份有限公司
- 宁波海天驱动有限公司
- 德恩科电机(太仓)有限公司
- 常州展帆电机科技有限公司
- 固高科技(深圳)有限公司
- 广东科动电气技术有限公司
- 深圳市百盛传动有限公司
- 广州赛孚德电气有限公司
- 广州金升阳科技有限公司
- 广东伊莱斯电机有限公司
- 珠海市台金科技有限公司
- 东莞市卓蓝自动化设备有限公司
- 东莞新友智能科技有限公司
- 成都思迪机电技术研究所
- 深圳市英威腾智能控制有限公司
- 深圳市锦凌电子有限公司
- 深圳市雷赛智能控制股份有限公
- 深圳市雷赛控制技术有限公司
- 横川机器人(深圳)有限公司
- 武汉久同智能科技有限公司
- 深圳市默贝克驱动技术有限公司
- 深圳众城卓越科技有限公司
- 泉州市桑川电气设备有限公司
- 江苏本川智能电路科技股份有限
- 台州市金维达电机有限公司
- 深圳市多维精密机电有限公司
- 上海尚通电子有限公司
- 配天机器人技术有限公司
- 瑞普安华高(无锡)电子科技有
- 深圳市青蓝自动化科技有限公司
- 广东科伺智能科技有限公司
- 东莞市成佳电线电缆有限公司
- 深圳市朗宇芯科技有限公司
- 深圳软赢科技有限公司
- 常州市领华科技自动化有限公司
- 杭州众川电机有限公司
- 江苏智马科技有限公司
- 海禾动力科技(天津)有限公司
- 杭州赛亚传动设备有限公司
- 广州富烨自动化科技有限公司
- 日立产机系统(中国)有限公司
- 魏德米勒电联接(上海)有限公
- 东莞市安扬实业有限公司
- CC-Link协会
- 北京精准博达科技有限公司
- 深圳市山龙智控有限公司
- 苏州伟创电气设备技术有限公司
- 上海相石智能科技有限公司
- 上海米菱电子有限公司
- 深圳市智创电机有限公司
- 深圳市杰美康机电有限公司
- 东莞市亚当电子科技有限公司
- 武汉正源高理光学有限公司
- 珠海凯邦电机制造有限公司
- 上海精浦机电有限公司
- 江苏略盛电子科技有限公司
- 深圳市研控自动化科技有限公司
- 上海微泓自动化设备有限公司
- 宁波中大力德智能传动股份有限
- 成都超德创机电设备有限公司
- 深圳市合发齿轮机械有限公司
- 温州汉桥科技有限公司
- 浙江工商职业技术学院智能制造
- 广东派莱特智能系统有限公司
- 上海英威腾工业技术有限公司
- 宁波中控微电子有限公司
- 普爱纳米位移技术(上海)有限
- 赣州诚正电机有限公司
- 三木普利(天津)有限公司上海
- 无锡新华光精机科技有限公司
- 广东宏博电子机械有限公司
- 纽泰克斯电线(潍坊)有限公司
- 杭州微光电子股份有限公司
- 北京和利时电机技术有限公司
- 广东七科电机科技有限公司
- 艾罗德克运动控制技术(上海)
- 大连普传科技股份有限公司
- 托菲传感技术(上海)股份有限
- 杭州中科伺尔沃电机技术有限公
- 苏州轻工电机厂有限公司
- 国讯芯微(苏州)科技有限公司
- 锋桦传动设备(上海)有限公司
- 科比传动技术(上海)有限公司
- 泰科电子(上海)有限公司
- 广东速美达自动化股份有限公司
- 安徽谨铭连接系统有限公司
- 沈机(上海)智能系统研发设计
- 宁波谷雷姆电子有限公司
- 深圳市人通智能科技有限公司
- 伦茨(上海)传动系统有限公司
- 连云港杰瑞电子有限公司
- 欧德神思软件系统(北京)有限
- 河源职业技术学院
- 凌华科技(中国)有限公司
- 浙江锐鹰传感技术有限公司
- 厦门唯恩电气有限公司
- 深圳市高川自动化技术有限公司
- 北一半导体科技(广东)有限公
- 深圳市步科电气有限公司
- 东莞市凯福电子科技有限公司
- 杭州海拓电子有限公司
- 乐星电气(无锡)有限公司
- 上海奥深精浦科技有限公司
- 崧智智能科技有限公司
- 珠海运控电机有限公司
- 常州拓自达恰依纳电线有限公司
- 浙江省诸暨市精益机电制造有限
- 深圳市多贺电气有限公司
- 上海赢双电机有限公司
- 日冲商业(昆山)有限公司
- 深圳市卓航自动化设备有限公司
- 苏州市凌臣采集计算机有限公司
- 南京芯驰半导体科技有限公司
- 福建睿能科技股份有限公司
- 深圳市如本科技有限公司
- 常州市常华电机股份有限公司
- 宁波众诺电子科技有限公司
- 联诚科技集团股份有限公司
- 山东中科伺易智能技术有限公司
- 广东奥普特科技股份有限公司
- 上海艾研机电控制系统有限公司
- 长广溪智能制造(无锡)有限公司
- 句容市百欧电子有限公司
- 深圳市康士达科技有限公司
- 深圳舜昌自动化控制技术有限公
- 昕芙旎雅商贸(上海)有限公司
- 北京科迪通达科技有限公司
- 成都中天自动化控制技术有限公
- 深圳市恒昱控制技术有限公司
- 众程技术(常州)有限公司
- 深圳市好上好信息科技股份有限
- 常州洛源智能科技有限公司
- 昆山艾尼维尔电子有限公司
- 深圳市迪维迅机电技术有限公司
- 尼得科控制技术公司
- 传周半导体科技(上海)有限公
- 纳博特南京科技有限公司
- 苏州海特自动化设备有限公司
- 深圳市华成工业控制股份有限公
- 宁波招宝磁业有限公司
- 南京菲尼克斯电气有限公司
- 台州鑫宇海智能科技股份有限公
- 威图电子机械技术(上海)有限公
- 玛格电子技术(武汉)有限公司
- 福尔哈贝传动技术(太仓)有限公