目錄

機(jī)器視覺(MV)市場的最新研究表明，相機(jī)、人工智能和芯片組的進(jìn)步正在推動機(jī)器視覺應(yīng)用的使用。

在分析的39個用例中，有7個被標(biāo)記為特別有趣，包括缺陷檢測、自動駕駛和污染物識別。

為什么重要

隨著生態(tài)系統(tǒng)的擴(kuò)大，供應(yīng)商需要投資于不斷發(fā)展的技術(shù)并建立正確的合作伙伴關(guān)系。

采用者現(xiàn)在需要潛在地重新評估他們的可能性。MV正在變得強(qiáng)大，其投資回報已得到證明。質(zhì)量檢查是一個流行的起點。

簡介：機(jī)器視覺——工業(yè)4.0的關(guān)鍵技術(shù)

機(jī)器視覺(MV)在所有工業(yè)4.0技術(shù)中具有最高的投資回報率(ROI)和最快的攤銷時間：

2020/2021市場研究：我們對各種工業(yè)4.0采用者的研究和調(diào)查數(shù)據(jù)強(qiáng)調(diào)了2020年(請參閱2020年工業(yè)4.0采用報告)和2021年(2021年物聯(lián)網(wǎng)用例采用報告)。機(jī)器視覺項目的平均攤銷時間為16.8個月，比17項工業(yè)4.0技術(shù)的整體行業(yè)平均水平*(20.1個月)快約20%。

2022年市場研究：2022年的研究表明，機(jī)器視覺預(yù)計將在未來幾年經(jīng)歷持續(xù)強(qiáng)勁的投資流入(參見《2022年工業(yè)4.0采用報告》)。

最新市場研究：我們的最新研究，即239頁的《2022-2027年機(jī)器視覺市場報告》，對這一重要的工業(yè)4.0主題進(jìn)行了更深入的探討。

*行業(yè)平均水平不包括投資回報率為負(fù)且從未達(dá)到收支平衡的項目。對于機(jī)器視覺，這個數(shù)字也是所有工業(yè)4.0技術(shù)中最低的。

相關(guān)采用者報價

“在我們最新的項目中，我們實施了基于人工智能的機(jī)器視覺系統(tǒng)來對汽車裝配進(jìn)行質(zhì)量檢測，我們在半年內(nèi)實現(xiàn)了攤銷。”

德國汽車供應(yīng)商高管(2022年)

什么是機(jī)器視覺?

MV是不同技術(shù)和方法的結(jié)合，可以自動提取圖像信息，為機(jī)器在工業(yè)和非工業(yè)環(huán)境中執(zhí)行給定任務(wù)提供操作指導(dǎo)/關(guān)鍵數(shù)據(jù)。

高投資回報率的持續(xù)報告除其他外，是最近技術(shù)發(fā)展的結(jié)果，特別是在以下領(lǐng)域：

相機(jī)技術(shù)

人工智能(AI)

芯片組

這些進(jìn)步增強(qiáng)了典型的機(jī)器視覺優(yōu)勢，例如節(jié)省成本、提高競爭力或提高產(chǎn)品質(zhì)量。這些技術(shù)轉(zhuǎn)變也影響了我們在研究中確定的39種機(jī)器視覺應(yīng)用的前景。

相關(guān)報價

“[...]如今，我們看到我們可以做幾年前不可能做的事情。”

德國MV解決方案提供商的產(chǎn)品營銷經(jīng)理

本文重點介紹了一些從這些發(fā)展中受益匪淺的現(xiàn)有機(jī)器視覺應(yīng)用程序(例如，缺陷檢測)和新用例(例如，過程/操作優(yōu)化和托盤尺寸標(biāo)注)。

三個顯著的機(jī)器視覺技術(shù)轉(zhuǎn)變

機(jī)器視覺技術(shù)已經(jīng)存在了30多年，但最近的技術(shù)變革為其采用提供了新的推動力。

1：先進(jìn)相機(jī)

分辨率超過45兆像素的相機(jī)現(xiàn)在不僅(在許多情況下)優(yōu)于人眼，而且它們還可以以極高的速度和不失真地捕捉物體。

但是，在幕后還發(fā)生了其他創(chuàng)新，用戶可能并不那么明顯。其中一項進(jìn)步是引入“基于事件的視覺傳感器”。

基于事件的視覺傳感器：

類似于視神經(jīng)處理信息的方式，基于事件的視覺傳感器通過僅檢測每個像素的亮度變化(即亮度變化)來捕獲圖像。與傳統(tǒng)的基于框架的視覺傳感器相比，這允許更黑暗的環(huán)境或更惡劣的天氣條件(例如，適用于自動駕駛)。

2：利用AI做出更好的決策

從基于規(guī)則的機(jī)器視覺(基于預(yù)先確定的參數(shù)進(jìn)行決策)到基于AI的機(jī)器視覺(基于適用的MV模型的輸出進(jìn)行決策)的轉(zhuǎn)變具有重大影響。

基于規(guī)則的MV是“剛性的”，僅適用于可量化、清晰且非常具體的特征(例如，產(chǎn)品上的劃痕是水平的，長度為30毫米)。它回答是/否問題。

相反，基于AI的MV可以為不可量化的特征提供準(zhǔn)確的結(jié)果，在更廣泛的背景和照明設(shè)置中識別缺陷，并靈活地處理產(chǎn)品外觀和缺陷類型(例如凹痕或變色)的變化。深度學(xué)習(xí)作為人工智能的一個更復(fù)雜、更強(qiáng)大的子集，它也越來越多地被機(jī)器視覺應(yīng)用所采用。

3：帶有AI芯片的更強(qiáng)大的硬件

人工智能的進(jìn)步與芯片組的進(jìn)步齊頭并進(jìn)。最新一代芯片功能更強(qiáng)大，適合處理圖像和運行基于AI的計算機(jī)視覺算法。這些進(jìn)步有助于將深度學(xué)習(xí)訓(xùn)練時間從數(shù)周縮短至數(shù)小時。

許多智能相機(jī)機(jī)器視覺系統(tǒng)現(xiàn)在都配備了強(qiáng)大的人工智能芯片，例如凌華科技的NEON-2000-JNX系列就內(nèi)置了Nvidia Jetson Xavier NX模塊。

即將到來的7大機(jī)器視覺應(yīng)用

由于上述最近在相機(jī)、人工智能和芯片組方面的改進(jìn)，以下七種機(jī)器視覺應(yīng)用(根據(jù)我們的市場研究)得到了提升。

1：缺陷檢測

缺陷檢測是一種機(jī)器視覺用例，主要部署在制造業(yè)務(wù)的質(zhì)量檢測過程中。過去，非人工智能機(jī)器視覺需要一個包含所有可能缺陷圖像的數(shù)據(jù)庫，系統(tǒng)才能成功識別缺陷。然而，當(dāng)今的MV技術(shù)無需針對該缺陷的特定圖像(即異常檢測)即可辨別出某些“異常”。

例子：

富士通測試這種解決方案在日本長野工廠生產(chǎn)，該工廠生產(chǎn)電子設(shè)備。該公司表示，檢查印刷電路板所需的時間減少了25%。它通過修復(fù)數(shù)千張具有缺陷(例如，形狀、大小和顏色異常)的模擬圖像中的異常區(qū)域來訓(xùn)練AI生成正常圖像，從而實現(xiàn)了這種效率提升。最初，訓(xùn)練圖像沒有缺陷。在下一步中，添加模擬缺陷(例如，形狀、大小和顏色異常)。然后訓(xùn)練AI去除該缺陷并將圖像恢復(fù)為原始形式。通過比較初始圖像和“恢復(fù)”圖像來衡量準(zhǔn)確性。這樣，當(dāng)AI對特定類型的異常不太準(zhǔn)確時，第一步可以生成更多此類異常，

2：過程/操作優(yōu)化

另一個(主要是)與制造相關(guān)的機(jī)器視覺用例是過程/操作優(yōu)化。更好的相機(jī)和人工智能的結(jié)合允許以新的方式實現(xiàn)特定的結(jié)果。例如，機(jī)器人現(xiàn)在可以比人類以更高的精度和效率完成更復(fù)雜的任務(wù)。結(jié)果是，使用MV技術(shù)，機(jī)器人(或其他機(jī)器)可以做以前以不同方式執(zhí)行的事情。

例子：

一個典型的例子是弗勞恩霍夫設(shè)計工程機(jī)電一體化研究所(IEM)開發(fā)的新型橡膠研磨解決方案。使用三菱電機(jī)機(jī)械臂、光學(xué)激光掃描儀和配備AI軟件的控制系統(tǒng)，該公司開發(fā)了一種新的AI研磨系統(tǒng)——RoboGrinder——可以自動完成復(fù)雜的橡膠類材料的研磨過程，這在以前是不可行的.據(jù)該團(tuán)隊稱，新方法可減少高達(dá)40%的典型橡膠研磨過程。

3：自動駕駛

機(jī)器視覺在開發(fā)完全自動駕駛汽車的過程中起著至關(guān)重要的作用。自動駕駛有六個級別，從0(完全手動)到5(完全自動)。今天大多數(shù)(商用)車輛提供1級或2級駕駛輔助，只有少數(shù)提供3級選項。要達(dá)到4級或5級，就車輛使用的技術(shù)而言，需要實現(xiàn)飛躍。非常復(fù)雜的MV相機(jī)系統(tǒng)和AI驅(qū)動的計算是這一技術(shù)飛躍的一部分。

例子：

Google Waymo One自動叫車服務(wù)是商用4級自動駕駛汽車的一個例子。每輛車都配備了Waymo Driver系統(tǒng)，這是一個復(fù)雜的MV系統(tǒng)，由五個激光雷達(dá)、四個雷達(dá)、29個攝像頭和實時收集傳感器數(shù)據(jù)并計算最佳路線的AI軟件組成。該解決方案已經(jīng)收集了超過2000萬英里的真實世界駕駛體驗。

4：托盤尺寸標(biāo)注

物流垂直領(lǐng)域即將到來的關(guān)鍵機(jī)器視覺用例之一是托盤尺寸標(biāo)注。新穎的3D飛行時間*相機(jī)技術(shù)可以測量裝載托盤的尺寸，從而消除手動測量所花費的時間，并最大限度地減少承運人因尺寸重量不準(zhǔn)確而可能產(chǎn)生的費用。

例子：

產(chǎn)品包裝公司DSSmith與機(jī)器視覺公司Neadvance和傳感器/過程儀表公司SICK合作試行托盤尺寸解決方案.一臺攝像機(jī)安裝在生產(chǎn)傳送帶的末端，在所有托盤被拾取之前拍攝3D快照。該數(shù)據(jù)對制造商和承運商都至關(guān)重要，因為它準(zhǔn)確地提供了托盤的尺寸和體積負(fù)載。隨著時間的推移，制造商可以使用這些信息來優(yōu)化生產(chǎn)，而承運商可以使用它來確保使用正確的設(shè)備安全高效地運輸貨物。預(yù)期結(jié)果是提高成品和木托盤庫存數(shù)據(jù)的準(zhǔn)確性和可靠性，并降低輔助費用。

5：身體姿勢/運動分析

機(jī)器視覺還在醫(yī)療保健領(lǐng)域?qū)崿F(xiàn)了多項新應(yīng)用。相機(jī)精度和質(zhì)量的進(jìn)步使身體姿勢和運動分析成為可能。現(xiàn)在可以僅使用相機(jī)而不需要額外的設(shè)備(例如，磨損的傳感器/配件)來識別骨骼和關(guān)節(jié)的位置和方向。工作空間人體工程學(xué)、醫(yī)療保健實踐(如骨科)和一般手勢交互可以從該機(jī)器視覺應(yīng)用程序中受益。

例子：

利用德國相機(jī)制造商IDS的新型USB 3.0工業(yè)相機(jī)，生物醫(yī)學(xué)解決方案公司DIERS開發(fā)了一種解決方案，可以對人體背部、脊柱和骨盆進(jìn)行快速、高分辨率的光學(xué)測量。通過使用相機(jī)連續(xù)記錄設(shè)備投射到患者背部的光，計算機(jī)軟件可以生成脊柱曲率的準(zhǔn)確表示。該解決方案可幫助整形外科醫(yī)生檢測肌肉系統(tǒng)的不平衡或姿勢缺陷。

6：自動結(jié)賬

機(jī)器視覺旨在改善零售店的自動結(jié)賬體驗。通過使用基于MV的解決方案，可以顯著減少結(jié)帳所需的時間。

例子：

總部位于美國的初創(chuàng)公司Mashgin開發(fā)了一種機(jī)器視覺解決方案，可以對產(chǎn)品進(jìn)行視覺掃描，而不必搜索條形碼。德克薩斯州DK商店等客戶表示，由于自動結(jié)賬解決方案減少了排隊等候，交易量增加了34%。

7：污染物識別

產(chǎn)品中污染物的鑒定是食品行業(yè)質(zhì)量評估的重要組成部分，但該過程很難用傳統(tǒng)的MV方法解決，因為它是高度定性的，并且需要一個包含每種可能的污染物組合的數(shù)據(jù)庫。然而，通過利用人工智能，可以有效地識別加工食品中的變色、異物和其他此類異常情況。

例子：

冷凍食品公司Apetito在20多條生產(chǎn)線中測試并部署了自動化定性評估解決方案，從而確保加工食品部門能夠成功檢測原料中的所有污染物。

結(jié)論與展望

本文中描述的三項技術(shù)進(jìn)步正在推動使用機(jī)器視覺技術(shù)的新應(yīng)用和改進(jìn)應(yīng)用。IoT Analytics預(yù)計機(jī)器視覺市場從2022年到2027年將以8%的復(fù)合年增長率增長(已經(jīng)考慮到2023年技術(shù)市場的艱難時期)。與當(dāng)今的許多技術(shù)領(lǐng)域一樣，受益于人工智能進(jìn)步的軟件有望實現(xiàn)最高增長。我們的研究表明，在我們確定的313家機(jī)器視覺供應(yīng)商中，約有60%已經(jīng)提供了特定的MV軟件。我們預(yù)計上述七個用例在接下來的幾年中會變得更加普遍——我們還預(yù)計會出現(xiàn)許多我們在本文中沒有討論的其他用例。MV是一項令人興奮的技術(shù)，我們還沒有看到它的強(qiáng)大功能。

您是否有興趣了解更多關(guān)于機(jī)器視覺市場的信息?

IoT Analytics是全球領(lǐng)先的物聯(lián)網(wǎng)(IoT)、人工智能、云計算、邊緣計算和工業(yè)4.0市場洞察和戰(zhàn)略商業(yè)智能提供商。