基於機器視覺的結構健康位移監測設備可以同時測量多少個目標測點？

市場上基於機器視覺的結構健康位移監測設備，根據設備的鏡頭和算法設計的不同，可分為手動固定焦距和自動變焦兩種。固定焦距設備，因為焦距是在野外調整的，用螺絲固定後就無法調整了，所以視野和景深也是固定和受限的。機器視覺算法要想準確識別目標，需要圖像中目標的最小像素面積，太小的目標不會被識別。舉個例子，如果某些公司的設備是要能夠識別1mm的最小位移變化，那麽目標圖像需要1像素才能識別，那麽目標就需要100像素。如果使用800萬像素的工業相機，則水平和垂直像素為3840*2160。那麽現實中對應的視場寬3.84米，垂直2.16米。如果靶的直徑為300mm，理論上可以容納的靶數大於10。考慮到多個目標測點通常不布置在3米左右的範圍內，同壹斷面上實際可容納的測點數量通常為1。這壹點可以從廠家提供的實際安裝圖中看出。有些廠家為了增加測點的數量，把測點設置在不同的截面上。但是，固定焦距的相機景深是極其有限的。如果截面距離太長，目標的圖像會變得模糊，難以識別。其他制造商使用不同的橫截面距離和不同尺寸的目標來增加測量點的數量。即隨著距離的增加，目標的大小也相應增加。有的項目目標直徑甚至高達1米。並且不同截面的靶標幾乎在同壹條平行於相機光軸的直線上。因為靶需要根據現場實際情況定制，沒有廠家派人到現場考察，很難設計出符合現場使用要求的靶。使用範圍受到很大限制。即使采用替代方案，不同斷面上可同時測量的目標數量仍然極其有限，通常很難超過10。這也是機器視覺結構位移監測產品能夠實用化的重要原因之壹。

隨著科技的發展，能夠實時捕捉高清圖像、完成實時數據計算的高性能嵌入式硬件不斷出現。人工智能技術也發展很快，比如基於深度學習的圖像超分辨率，更高效的目標檢測識別算法，可以運行在嵌入式NPU中。同時，神經網絡模型訓練的高計算能力的GPU硬件更容易獲得，為新壹代基於機器視覺的結構健康位移監測產品提供了物質和技術基礎。有極少數廠商順應時代潮流，走科技樹的不同路徑，選擇壹種難度更高的技術，卻能從根本上解決當前工程現場應用的技術難題，如深圳安瑞推出第五代自變焦視覺位移監測儀。通過高度集成的裝置，該設備可以自動聚焦並識別橋梁、隧道、大壩、鐵路、礦山、斜坡等場景中所有測點的目標。整個過程是智能化的。它可以在0.1到400米寬12米高8米的大空間內識別計算目標的二維位移，測量精度達到驚人的0.02毫米。