作者： 發(fā)布時間：2023-07-21 瀏覽次數(shù) :0
據(jù)ABI Research預(yù)計，到2025年，工業(yè)制造業(yè)中機器視覺系統(tǒng)的安裝基數(shù)將接近1億。
機器視覺系統(tǒng)是條形碼讀取、質(zhì)量控制和庫存管理等生產(chǎn)線的主要設(shè)備。而且，隨著工業(yè)物聯(lián)網(wǎng)（IIoT）的不斷擴展，這些系統(tǒng)已經(jīng)成為至關(guān)重要的數(shù)據(jù)采集設(shè)備。
通常這些解決方案的更換周期通常較長，不易中斷。隨著對自動化的需求不斷增加，機器視覺正逐漸進入新的應(yīng)用領(lǐng)域。例如，機器人學(xué)是機器視覺的一個新的增長領(lǐng)域：協(xié)作機器人依靠機器視覺進行導(dǎo)航和目標分類，而移動機器人則依靠機器視覺規(guī)避碰撞實現(xiàn)安全運行。
機器視覺是一項成熟的技術(shù)，在行業(yè)中已經(jīng)一定的地位。然而，芯片組、軟件和標準方面的重大進步正在將深度學(xué)習(xí)創(chuàng)新帶入機器視覺領(lǐng)域。根據(jù)ABI Researchz近的分析，到2025年，機器視覺傳感器和相機的總出貨量將達到1690萬臺，在工業(yè)制造業(yè)創(chuàng)造9400萬臺機器視覺系統(tǒng)的安裝基數(shù)，其中11%將是基于深度學(xué)習(xí)的。
與傳統(tǒng)機器視覺技術(shù)不同的是，基于深度學(xué)習(xí)的機器視覺是數(shù)據(jù)驅(qū)動的，它利用了一種統(tǒng)計方法，當收集更多的數(shù)據(jù)用于訓(xùn)練和測試時，機器視覺模型可以得到改進。主要機器視覺供應(yīng)商已經(jīng)意識到基于深度學(xué)習(xí)的機器學(xué)習(xí)的潛力。例如，Cognex收購了SUALAB，這是一家的基于韓國的視覺軟件開發(fā)公司，該公司將深度學(xué)習(xí)用于工業(yè)應(yīng)用；Zebra Technologies收購了Cortexica vision Systems Ltd，這是一家總部位于倫敦、以企業(yè)對企業(yè)（B2B）人工智能為基礎(chǔ)的計算機視覺解決方案開發(fā)公司。
同時，芯片組供應(yīng)商正在推出新的芯片組和軟件堆棧，以促進基于深度學(xué)習(xí)的機器視覺的實現(xiàn)。Xilinx是一家現(xiàn)場可編程門控陣列（FPGA）供應(yīng)商，它與相機傳感器制造商索尼（Sony）以及Framos和IDS Imaging等相機供應(yīng)商密切合作，將其通用的ACAP片上系統(tǒng)（SoC）整合在一起。另一方面，英特爾為開發(fā)人員提供OpenVINO，讓他們通過一個通用的API來部署預(yù)先訓(xùn)練好的基于深度學(xué)習(xí)的機器視覺模型，從而在各種計算架構(gòu)上提供推理解決方案。另一家FPGA供應(yīng)商萊迪思半導(dǎo)體（Lattice Semiconductor）通過其senseAI堆棧專注于低功耗人工智能（AI）嵌入式視覺，該堆棧提供硬件加速器、軟件工具和參考設(shè)計。這些技術(shù)棧旨在緩解開發(fā)和部署挑戰(zhàn)，并創(chuàng)建平臺黏性。
現(xiàn)在的制造商需要知道，他們可以利用人工智能來增強他們當前的工作流程?；谏疃葘W(xué)習(xí)的機器視覺在某些方面優(yōu)于傳統(tǒng)的機器視覺，例如復(fù)雜對象分類、裝配驗證、變形和可變特征定位以及OCR。深度學(xué)習(xí)算法可以發(fā)現(xiàn)意外的產(chǎn)品異常或缺陷，為制造商提供靈活性和有價值的見解，從而提高成本效率和生產(chǎn)效率。以深度學(xué)習(xí)為基礎(chǔ)的機器視覺解決方案提供商起步的初創(chuàng)企業(yè)也開始在其平臺上實現(xiàn)大數(shù)據(jù)處理、流程優(yōu)化和收益分析?！?/p>
在標準方面，供應(yīng)商正在將10GigE（千兆以太網(wǎng)）和25GigE攝像頭引入工業(yè)應(yīng)用。視頻采集和壓縮技術(shù)的不斷升級也為基于深度學(xué)習(xí)的機器視覺模型帶來了更好的圖像和視頻質(zhì)量。這就保證了機器視覺系統(tǒng)的未來性。因此，在選擇機器視覺系統(tǒng)時，z終實現(xiàn)者需要了解他們的機器視覺需求，考慮與其后端系統(tǒng)的集成，并確定合適的生態(tài)系統(tǒng)合作伙伴。隨著機器視覺技術(shù)的不斷發(fā)展和改進，部署靈活性、未來的可升級性和可擴展性將至關(guān)重要。
在采用基于深度學(xué)習(xí)的機器視覺方面，工業(yè)機器視覺廠商顯然速度較慢。與消費者和汽車行業(yè)相比，工業(yè)機器視覺供應(yīng)商相對落后。然而，消費者和汽車行業(yè)的大規(guī)模采用大大降低了采用的門檻，使工業(yè)機器視覺供應(yīng)商能夠相對輕松地建立自己的能力并調(diào)整技術(shù)以滿足工業(yè)要求。
蘇公網(wǎng)安備32021402003217號
