浅谈机器视觉在数据中心发展应用

尹航

（中国电子工程设计院有限公司）

1 引言

近几年出现的机器视觉（Machine vision）是人工智能（AI）的一个基本分支，是指利用计算机对图像进行处理、分析和理解，以识别各种不同目标和对像的技术[1]，是一门涉及生物医学、统计学、计算机科学、图像处理、模式识别等诸多领域的交叉学科[2-3]。从技术角度看，机器视觉是在实际操作中，利用光学系统、工业数字相机和图像处理工具，在开发环境中使用图像识别分析技术，仿真智能识别功能，对环境、事件等进行不同应对，在智能设备中发挥功能。机器视觉随着人工智能和5G网络的不断升级，在工业上起到了重要作用。

2 机器视觉技术发展

机器视觉最早是在20世纪60年代被提出来的，可经过二十多年才初露头角，在这段时间涌现出不少优秀的特征算法，而这些却没有真正使用深度学习的算法。在21世纪之后，机器视觉技术才逐步变得成熟。近些年出现的卷积神经网络是计算机视觉中一项更精确、更智能的技术，对应生物医学中出现的神经网络，是一种对人脑较为精准的模拟。在机器视觉里，可以把卷积简化为一个抽象的过程，意在把图像分成众多像素区并将其信息统计抽象出来。

3 机器视觉应用现状

相较于全球较为发达的机器视觉行业，中国的机器视觉相关产业起步相对落后，但发展十分迅速。自2011年到2019年，我国机器视觉市场从10 亿元跃升到百亿级，每年都维持着两位数的增速[4]。

“智能化”是科技的潮流，人工智能如今已广泛应用在诸多行业。据统计[5]，2017年度AI 企业数量超过2000 家，产业规模超过200 亿元。据估计，到2022年，人工智能核心产业规模将超过1500亿人民币，带动相关产业规模超过万亿元。

近两年，机器视觉在新冠疫情阻击战中发挥了重要作用。如使用无人机进行喷洒消毒、智能机器人进行无接触式配送（见图1）等，使机器视觉的运用深入人们的日常生活中。

图1 疫情期间智能机器人进行无接触式配送

4 机器视觉发展趋势

计算机的图像识别技术在公共安全、生物、工业、医疗等很多领域都有应用[6]。例如，在公共出行方面的智能扫描与识别系统、农场的动物检测系统、车间流水线的测距和相机扫描系统、生物医学中的骨骼图像处理技术等。随着图像识别技术不断应用，其算法的精度也在不断提升，也更加智能。

现如今，我们对机器视觉的认识逐渐加深。机器视觉系统使大批量、持续生产的自动化水平有所提升，不仅使工业生产效率得到优化，而且获取信息与智能处理的能力变得优化。图像识别技术随着科技技术不断更新，应用领域也更加多元。

4.1 机器视觉的主要应用领域

近几年，从工业流水线到精密制造领域，人工智能和深度学习以图像识别的形式对机器视觉产生了深远影响。

1）工业检测

在工业检测中，由于视觉系统非接触、速度快、精度合适、现场抗干扰能力强等突出优点，得到了广泛应用，取得了巨大的经济与社会效益[7]。

2）生产车间巡检

机器视觉通过实时监控对生产车间的人、物、厂进行全方位监测，通过对动作的捕捉，智能识别出违规操作及动作规范检查，使生产步骤规范[8]。

3）智慧园区门禁应用

机器视觉在智慧园区中也得到了应用。疫情防控中，当人的体温出现异常时，可监测其之前的运动轨迹，实施准确的动态运动追踪与定位，为后续监测提供帮助。同时，还可利用机器视觉中的边缘计算与AI视频分析算法检测人员佩戴口罩情况，YOLO、SSD等算法即可精准快速完成检测，见图2。

图2 机器视觉进行监测的场景

构建一个完整、智能的机器视觉系统，一方面要完成从光源调配到图像处理软件开发等一系列过程，另一方面要注意多功能、多维度的自动化系统之间的交接。机器视觉进入某个领域，总会与自动化系统进行一定程度的集成，而在实施阶段却难以落地，这成为开发人员需要密切关注的重点，解决这个难题，便可打通机器视觉一条新路。行业内各企业不断合作，制定数据接口、通信协议等基础共性标准，打通视觉和各信息系统的通道，实现系统间的互联互通，这是工业发展的必然趋势。

5 数据中心中应用

中国传统制造业不断转型升级，工业制造变得更加智能化。一个主要的发展趋势就是用工业机器人代替传统人工的作业，显著提高了工作效率。

5.1 数据中心的潜在应用

5.1.1 数据中心园区安全维护

随着智慧园区时代的到来，机器视觉在其中的应用也日渐成熟。在数据中心园区中，机器视觉与物联网技术相结合，对园区公共区域及生产单位进行全方的覆盖。

在园区中安装的图像采集装置对现场实时情况做智能化处理、边缘计算及全方位检测、预警、判断、处置等应用，并将过程及结果实时向业主、安检及消防等部门进行发布上传，形成网络化、智能化的安全生态系统（见图3）。

图3 某数据产业园设备运行状态画面

5.1.2 数据中心的巡检机器人

运维工作主要还是通过值班人员定期巡查维护，工人在做重复性工作时，随着时间增长，效率逐渐降低，而机器人恰恰适合于这种工作。

我们团队在数据中心运维模块也有相关方向的研究，比如，利用移动端APP扫描为设备运行维护定制的二维码（见图4），从而将设备的日常维护信息录入到设定的表单中。这种运维模式极大提高了运维效率，减少了人工成本。图5 为使用移动端扫描二维码的画面，将信息进行采集。

图4 机柜二维码及信息

图5 移动端扫描二维码的画面

我们还在探索将移动端APP智能运维与图像识别相结合，给机器人装载高精度摄像头、传感器等，使机器人具备智能扫描、采集温湿度等功能，并为其设定巡检路线，使其可以全天严格按照设备及路径巡检，即智能巡检机器人（见图6）。相较人工巡检，智能巡检机器人具备不惧危险、不知疲倦、坚守岗位、技能稳定等优势。

图6 智能巡检机器人初期巡检路线

因此，随着机器人技术的发展，开始逐步应用巡检机器人取代部分人工工作解决一些问题。在运维大数据支撑下，可替代60%以上的现场运维重复性工作。

5.2 发展影响因素

机器视觉并非新领域，但它仍处于早期发展阶段，资金是制约其发展的重要因素。虽然用于数据流编程的开源软件越来越多，机器学习爱好者能够以极低的成本进行研究和学习[9]，然而，为了实现产品创意，平衡预算，相关企业仍有很长的路要走。

机器视觉技术在工业中的应用已相当广泛，并持续趋向智能化。尤其是近几年，从纺织品到制药领域，人工智能和深度学习以图像识别的形式对机器视觉空间产生了积极影响。但无论它将如何应用或将应用于哪些行业，机器视觉技术永远不可能孤立发展。只有通过访问更多图片、实时数据，花费更多的时间和精力才能使其更加强大。企业必须充分认识到这一点，才可能在未来取得成功。

人工智能的时代早已来临，它所带来的技术正逐步优化我们的生活，为人类社会更多领域带来重大应用。