機(jī)器視覺(jué)行業(yè)的最新趨勢(shì)與挑戰(zhàn)
隨著技術(shù)的進(jìn)步和智能工廠的發(fā)展，過(guò)去十年中機(jī)器視覺(jué)設(shè)備發(fā)生了翻天覆地的變化。亞太地區(qū)將繼續(xù)成為全球最大的市場(chǎng)，到2022年將占收入的38.4％。在技術(shù)、靈活性、效率和準(zhǔn)確性方面表現(xiàn)出高度創(chuàng)新的機(jī)器視覺(jué)供應(yīng)商，將在不斷發(fā)展的市場(chǎng)中取得最大的成功。
雖然全球經(jīng)濟(jì)的不確定性將對(duì)機(jī)器視覺(jué)行業(yè)產(chǎn)生影響，但行業(yè)協(xié)會(huì)和專家普遍認(rèn)為不會(huì)造成嚴(yán)重?fù)p害。伴隨著深度學(xué)習(xí)軟件，嵌入式視覺(jué)等硬件平臺(tái)有望蓬勃發(fā)展。工廠層面上的傳統(tǒng)應(yīng)用也將保持強(qiáng)勁增長(zhǎng)。
1.嵌入式視覺(jué)將繼續(xù)增長(zhǎng)
得益于在越來(lái)越多的行業(yè)應(yīng)用中獲得支持，嵌入式視覺(jué)將在2019年持續(xù)高速增長(zhǎng)，例如自動(dòng)駕駛、生命科學(xué)、消費(fèi)電子、邊境監(jiān)視和農(nóng)業(yè)等。處理能力大幅增強(qiáng)，內(nèi)存變得非常便宜，用戶可以選擇一個(gè)非常小的攝像頭，并利用來(lái)自不同來(lái)源的云端數(shù)據(jù)。當(dāng)您將這些因素與機(jī)器學(xué)習(xí)結(jié)合到一個(gè)單獨(dú)的軟件包中時(shí)，您就有了嵌入的視覺(jué)。
客戶希望系統(tǒng)集成商為其開(kāi)發(fā)整個(gè)嵌入式視覺(jué)系統(tǒng)。嵌入式視覺(jué)將智能相機(jī)帶向其初衷，即在一個(gè)非常小的外殼內(nèi)，盡可能靠近圖像傳感器，進(jìn)行圖像處理視頻分析。為了應(yīng)對(duì)嵌入式視覺(jué)市場(chǎng)，開(kāi)發(fā)了從相機(jī)設(shè)計(jì)到FPGA編程的專業(yè)知識(shí)，以便在低成本、低功耗的平臺(tái)中快速提供特定于應(yīng)用程序的解決方案，該平臺(tái)可以集成人工智能和深度學(xué)習(xí)功能。
設(shè)計(jì)一個(gè)對(duì)客戶有吸引力的系統(tǒng)是嵌入式視覺(jué)的最大挑戰(zhàn)。通過(guò)低成本、低功耗設(shè)備，能夠?qū)⒖蛻粼跈C(jī)器視覺(jué)領(lǐng)域中的所有功能放到非常小的外形尺寸中，這是一項(xiàng)任務(wù)艱巨的研發(fā)挑戰(zhàn)。AIA副總裁AlexShikany說(shuō)，向消費(fèi)者介紹完全不同的硬件解決方案并不件容易的事情，但最終的希望是，客戶將以某種方式對(duì)更用戶友好、更小、最終成本更低的產(chǎn)品做出響應(yīng)。
在許多使用案例中，傳統(tǒng)機(jī)器視覺(jué)都無(wú)法與嵌入式視覺(jué)競(jìng)爭(zhēng)。機(jī)器視覺(jué)數(shù)據(jù)不再局限于自己的孤島中，包括機(jī)器視覺(jué)的全自動(dòng)系統(tǒng)有許多傳感器和運(yùn)動(dòng)組件，使我們能夠收集數(shù)據(jù)，以便更好地了解系統(tǒng)內(nèi)設(shè)備的運(yùn)行效率。
2.深度學(xué)習(xí)的更多應(yīng)用
機(jī)器視覺(jué)的深度學(xué)習(xí)一直處于主要顛覆性技術(shù)的前沿。2019年可能會(huì)是該技術(shù)趨于成熟的一年，可以進(jìn)行更廣泛的部署。“如果你投身于機(jī)器視覺(jué)行業(yè)，你可能已經(jīng)看到了軟件如何與深度學(xué)習(xí)算法疊加，以及它如何能夠快速地產(chǎn)生結(jié)果的演示。”Shikany說(shuō)，“這些系統(tǒng)可以運(yùn)行成千上萬(wàn)的排列，并且在識(shí)別和其他應(yīng)用程序歷史與機(jī)器視覺(jué)方面達(dá)到100％的準(zhǔn)確性。”
深度學(xué)習(xí)將對(duì)傳統(tǒng)的圖像分析方法產(chǎn)生深遠(yuǎn)的影響。它不僅會(huì)改變我們生產(chǎn)的產(chǎn)品，還會(huì)改變我們與客戶互動(dòng)的方式。深度學(xué)習(xí)將在解決傳統(tǒng)機(jī)器視覺(jué)無(wú)法解決的應(yīng)用方面發(fā)揮重要作用。例如，在冷凍干燥的小瓶中檢查疫苗，每次結(jié)果都有很大差異，這很大程度上取決于它們的干燥方式。進(jìn)采用傳統(tǒng)檢查過(guò)程非常具有挑戰(zhàn)性，因?yàn)樵谝粋�(gè)實(shí)例中可能是一個(gè)粒子看起來(lái)非常類似于裂縫，而深度學(xué)習(xí)則有助于區(qū)分這種細(xì)微差異。
3.提升非可見(jiàn)光成像的有效性
雖然深度學(xué)習(xí)可能是從圖像中收集信息的最新方式，但它并不是唯一的選擇。InGaAs短波紅外（SWIR）相機(jī)和照明的進(jìn)步提高了非可見(jiàn)成像的有效性。在這些更高波長(zhǎng)的環(huán)境中，你可以實(shí)現(xiàn)更多應(yīng)用，比如透過(guò)一塊航空公司機(jī)翼的復(fù)合材料來(lái)查找其內(nèi)部缺陷。我們現(xiàn)在正在把高功率的SWIRLED引入市場(chǎng)，用于高速機(jī)器視覺(jué)應(yīng)用。
機(jī)器視覺(jué)的挑戰(zhàn)
智能傳感器、智能攝像頭和可配置視覺(jué)系統(tǒng)在很大程度上消除了對(duì)機(jī)器視覺(jué)系統(tǒng)開(kāi)發(fā)的需求，目前最常見(jiàn)的應(yīng)用程序是通過(guò)現(xiàn)成的即插即用技術(shù)完成的。過(guò)去十年來(lái)，智能相機(jī)的功能越來(lái)越強(qiáng)大，照明公司提供的產(chǎn)品范圍也越來(lái)越廣。然而，隨著軟件變得越來(lái)越強(qiáng)大，價(jià)格不斷下降，軟件包的互連和標(biāo)準(zhǔn)化仍存在問(wèn)題。
不同的公司對(duì)相同的事情使用不同的術(shù)語(yǔ)。即使是像以太網(wǎng)這樣的標(biāo)準(zhǔn)化通信，在公司之間也存在巨大的差異，而且在視覺(jué)行業(yè)也沒(méi)有真正推動(dòng)開(kāi)放的軟件標(biāo)準(zhǔn)。
今天的視覺(jué)產(chǎn)品可以滿足大多數(shù)應(yīng)用程序的需求，隨著技術(shù)和客戶需求的發(fā)展，系統(tǒng)集成商必須保持清醒。例如，在3D成像市場(chǎng)，硬件創(chuàng)新先于軟件創(chuàng)新。盡管有許多3D傳感器和攝像頭可用，例如激光三角測(cè)量、偽隨機(jī)圖形發(fā)生器的立體傳感器等，但要想實(shí)現(xiàn)快速的系統(tǒng)開(kāi)發(fā)，在開(kāi)發(fā)工具鏈中存在很大的空白。”
例如，很多OEM廠商目前使用開(kāi)放式標(biāo)準(zhǔn)3D傳感器，從頭開(kāi)始編程應(yīng)用程序，或使用“封閉式”系統(tǒng)來(lái)進(jìn)行工具的配置，這些工具通常成本高昂。也許需要一個(gè)具有現(xiàn)場(chǎng)可編程門(mén)陣列（FPGA）的3D傳感器，用于高速機(jī)載圖像處理，使非FPGA程序員能夠在一個(gè)軟件包中部署3D圖像處理算法。另一個(gè)挑戰(zhàn)是從人工智能和深度學(xué)習(xí)中獲取信息的能力。最大的挑戰(zhàn)是將炒作與實(shí)質(zhì)區(qū)分開(kāi)來(lái)。而現(xiàn)實(shí)是，“很多人工智能和深度學(xué)習(xí)算法有時(shí)過(guò)于繁瑣。”
雖然機(jī)器視覺(jué)應(yīng)用程序受益于深度學(xué)習(xí)算法，但這些算法無(wú)法解決所有問(wèn)題。與傳統(tǒng)編程相比，當(dāng)人們比較試圖達(dá)到99%以上的精度所需的努力時(shí)，這一點(diǎn)尤其明顯。盡管如此，這項(xiàng)技術(shù)肯定有它的地位，并將在未來(lái)幾年繼續(xù)發(fā)揮重要作用。
