Trend vývoje kontroly strojového vidění

Jan 04, 2023 Zanechat vzkaz

S rozvojem strojového vidění je nyní aplikace strojového vidění stále rozsáhlejší, technologie detekce strojového vidění se vyznačuje vysokou rychlostí, velkým množstvím informací, více funkcí, v současné době je oblast průmyslových aplikací široká, takže jaký je budoucí trend detekce strojového vidění? Pojďme vám představit budoucí trend detekce strojového vidění.

 

机器视觉检测的发展趋势

 

Za prvé, vestavěná vize bude nadále růst

 

Embedded vision bude i nadále rychle růst, podporovaný rostoucím počtem průmyslových aplikací, jako je autonomní řízení, biologické vědy, spotřební elektronika, ostraha hranic a zemědělství.

 

Výkon procesoru je výrazně zvýšen a paměť je velmi levná. Uživatelé si mohou vybrat velmi malý fotoaparát a využívat cloudová data z různých zdrojů. Když se tyto faktory zkombinují se strojovým učením, při použití samostatného balíčku existuje vlastní vize.

 

Zákazník očekává, že systémový integrátor pro něj vyvine celý systém vestavěného vidění. Vestavěné vidění umožňuje chytrým kamerám dosáhnout jejich původního záměru, kterým je provádět zpracování obrazu a analýzu videa co nejblíže obrazovému snímači ve velmi malém krytu. V reakci na trh s integrovanými vizemi vyvinulo mnoho společností řešení pro rychlé dodání specifických aplikačních řešení na levných platformách s nízkou spotřebou, které mohou integrovat umělou inteligenci a schopnosti hlubokého učení.

 

Navrhnout atraktivní systém pro zákazníka je výzvou vestavěné vize. S levnými zařízeními s nízkou spotřebou je možné umístit všechny funkce zákazníka do detekce vzhledu v malé velikosti, což je obtížný úkol. Představit spotřebitelům radikálně odlišná hardwarová řešení není snadné, ale v konečném důsledku doufáme, že zákazníci nějakým způsobem vyrobí více produktů, které budou uživatelsky přívětivější, menší a nakonec méně nákladné.

 

V mnoha případech použití tradiční vizuální detekce nemůže konkurovat integrovanému vidění.

 

Za druhé, více aplikací hlubokého učení

 

Hluboké učení pro vizuální detekci bylo v popředí převratných technologií. Pokud jste zapojeni do odvětví vizuální kontroly, pravděpodobně jste viděli, jak se tento software integruje s algoritmy hlubokého učení a poskytuje rychlé výsledky. Tyto systémy mohou provozovat tisíce permutací a mají 100% přesnost v identifikaci a historii, stejně jako vizuální kontrole jiných aplikací.

 

Hluboké učení bude mít hluboký dopad na tradiční metody analýzy obrazu. Tím se nejen změní produkty, které vyrábíme, ale také způsob, jakým komunikujeme s našimi zákazníky. Hluboké učení bude hrát důležitou roli při řešení aplikací, které nelze vyřešit tradiční vizuální detekcí.

Když se například vakcíny testují v lyofilizovaných lahvičkách, výsledky se čas od času značně liší, do značné míry v závislosti na způsobu sušení. Použití tradičního detekčního procesu je náročné, protože v některých případech se může stát, že částice vypadají velmi podobně jako praskliny, a hluboké učení pomáhá rozlišit takové jemné rozdíly.

 

Za třetí, zlepšit účinnost neviditelného zobrazování

 

Ačkoli hluboké učení může být způsob, jak získat informace z obrázků, není to jediná možnost. Pokrok v oblasti krátkovlnných infračervených kamer a osvětlení zlepšil účinnost neviditelného zobrazování. V těchto prostředích s vyšší vlnovou délkou můžete dosáhnout mnohem více aplikací, jako je hledání defektů uvnitř kompozitů křídel letadel.

 

Roste poptávka po hyperspektrálním zobrazování. Když se podíváte na stovky spektrálních pásů na velké ploše, abyste detekovali jemné rozdíly mezi objekty, potřebujete širokopásmový zdroj světla. To nám umožní snížit počet LED, které používáme, a vytvořit širokopásmové připojení, které napodobuje halogenové světelné zdroje.