新闻资讯

首页>新闻资讯

机器视觉检测行业的最新趋势与挑战

更新时间:2019-11-16阅读:9次信息来源:摘要
       随着技术的进步和智能工厂的发展,过去十年中机器视觉设备发生了翻天覆地的变化。 乐视科技预计,到2022年全球机器视觉设备市场将增加近一倍,达到136.2亿美元,因为行业加大了对质量检验的需求。亚太地区将继续成为全球最大的市场,到2022年将占收入的38.4%。在技术、灵活性、效率和准确性方面表现出高度创新的机器视觉供应商,将在不断发展的市场中取得最大的成功。

       虽然全球经济的不确定性将对机器视觉行业产生影响,但专家普遍认为不会造成严重损害。伴随着深度学习软件,嵌入式视觉等硬件平台有望蓬勃发展。工厂层面上的传统应用也将保持强劲增长。



       1.嵌入式视觉将继续增长

       得益于在越来越多的行业应用中获得支持,嵌入式视觉将在2019年持续高速增长,例如自动驾驶、生命科学、消费电子、边境监视和农业等。

       设计一个对客户有吸引力的系统是嵌入式视觉的最大挑战。通过低成本、低功耗设备,能够将客户在机器视觉领域中的所有功能放到非常小的外形尺寸中,这是一项任务艰巨的研发挑战。向消费者介绍完全不同的硬件解决方案并不件容易的事情,但最终的希望是,客户将以某种方式对更用户友好、更小、最终成本更低的产品做出响应。

       2.深度学习的更多应用

       机器视觉的深度学习一直处于主要颠覆性技术的前沿。2019年可能会是该技术趋于成熟的一年,可以进行更广泛的部署。“如果你投身于机器视觉行业,你可能已经看到了软件如何与深度学习算法叠加,以及它如何能够快速地产生结果的演示。”“这些系统可以运行成千上万的排列,并且在识别和其他应用程序历史与机器视觉方面达到100%的准确性。”

       深度学习将对传统的图像分析方法产生深远的影响。“它不仅会改变我们生产的产品,还会改变我们与客户互动的方式。”深度学习将在解决传统机器视觉无法解决的应用方面发挥重要作用。例如,在冷冻干燥的小瓶中检查疫苗,每次结果都有很大差异,这很大程度上取决于它们的干燥方式。进采用传统检查过程非常具有挑战性,因为在一个实例中可能是一个粒子看起来非常类似于裂缝,而深度学习则有助于区分这种细微差异。

       3. 提升非可见光成像的有效性

       虽然深度学习可能是从图像中收集信息的最新方式,但它并不是唯一的选择。 InGaAs短波红外(SWIR)相机和照明的进步提高了非可见成像的有效性。“在这些更高波长的环境中,你可以实现更多应用,比如透过一块航空公司机翼的复合材料来查找其内部缺陷。乐视科技正在努力研发生产各种类型产品,光源产品齐全,用于高速机器视觉应用。”

       机器视觉的挑战

       智能传感器、智能摄像头和可配置视觉系统在很大程度上消除了对机器视觉系统开发的需求,目前最常见的应用程序是通过现成的即插即用技术完成的。过去十年来,智能相机的功能越来越强大,照明公司提供的产品范围也越来越广。然而,随着软件变得越来越强大,价格不断下降,软件包的互连和标准化仍存在问题。

       不同的公司对相同的事情使用不同的术语。即使是像以太网这样的标准化通信,在公司之间也存在巨大的差异,而且在视觉行业也没有真正推动开放的软件标准。

       今天的视觉产品可以满足大多数应用程序的需求,随着技术和客户需求的发展,系统集成商必须保持清醒。例如,在3D成像市场,硬件创新先于软件创新。

       虽然机器视觉应用程序受益于深度学习算法,但这些算法无法解决所有问题。与传统编程相比,当人们比较试图达到99%以上的精度所需的努力时,这一点尤其明显。尽管如此,这项技术肯定有它的地位,并将在未来几年继续发挥重要作用。
上一条:怎么看待机器视觉市场应用需求
下一条:“机器视觉”光源检测应用,可代替15万质检工人