异构处理使机器视觉应用

　　异构处理使机器视觉应用

　　随着自动化水平的提高，工业成像和机器视觉应用在工业控制中越来越普遍，以支持提高生产率的动力。为了提供对提高效率的保证，图像处理系统需要高速运行，保证生产节拍，开始每个新的单元生产之间的平均时间，是保持尽可能短。

　　与此同时，市场上出现了高分辨率相机，能够进行高清录制，并能支持对生产线上的部件进行极其精细的成像。由于使用千兆以太网，它们能够高速地传送这些高质量的图像。因此，从图像处理软件中获得高性能是至关重要的。

　　这意味着硬件中的关键算法的实现，但在工业图像处理中的灵活性是至关重要的。不同类型的组件和程序集需要特别注意某些视觉特性。组装后对多氯联苯的检查通常是检测焊点中的断裂和夹断，指出可能的失效来源。检查发动机歧管可能会发现未对齐或缺失的紧固件。虽然这些任务可以使用共同的模块，如边缘检测和模式匹配来识别感兴趣的区域，但每一个都需要自己的一组图像处理例程来完成完整的检查任务。

　　Flexibility will become even more important when image processing subsystems are called upon to assist with setting up automation. Image processing is becoming necessary not just for inspection， but to help position robotic systems and train them. Whereas robots would traditionally be programmed using carefully calculated motion profiles， they are now beginning to use cameras and objects within the visual field to align themselves and determine which components they need to pick up and work on. To run such imaging applications， developers need a toolkit of functions that can easily be assembled on a platform with the performance needed to run the algorithms in real time.