Machine Vision (MV) nutzt Technologie, die es Industriemaschinen ermöglicht, Aufgaben zu „sehen“, zu analysieren und schnelle Entscheidungen auf der Grundlage dessen zu treffen, was das System sieht. MV entwickelt sich schnell zu einer der wichtigsten Technologien in der Automatisierung.
Angesichts der Tatsache, dass diese Technologie jetzt mit maschinellem Lernen (ML) zusammengeführt wird, um den Übergang zu Industrie 4.0 voranzutreiben, sind die Möglichkeiten enorm, insbesondere am Rande. ABI Research prognostiziert, dass bis 2027 insgesamt 197 Millionen Kamerasysteme ausgeliefert werden und der Umsatz 35 Milliarden US-Dollar erreichen wird.
„Der Wandel von Maschinen, die einfache Aufgaben automatisieren können, zu autonomen Maschinen, die Elemente zur langfristigen Optimierung „sehen“ können, wird ein neues Maß an industrieller Innovation vorantreiben. Dies ist die Innovation, die ML MV (auch bekannt als Computer Vision) bietet ),“, erklärte David Lobina, Analyst für künstliche Intelligenz und maschinelles Lernen bei ABI Research.
Er fügte hinzu, dass ML die maschinelle Bildverarbeitung weit über die visuelle Inspektion und Qualitätskontrolle hinaus erweitern kann, indem es klassische Bildverarbeitungsalgorithmen um den Umfang und die Reichweite neuronaler Netzwerkmodelle erweitert, die Klassiker der traditionellen Bildverarbeitung sind.
Von allen Trends auf dem KI-Markt bietet der Computing Edge die spannendsten Anwendungen und Vorteile – nämlich bei den Geräten, die unter eingebettete Systeme und das Internet der Dinge fallen. Smart Manufacturing ist vielleicht das direkteste Beispiel, bei dem intelligente Kameras, eingebettete Sensoren und leistungsstarke Computer ML-Analysen in jeden Prozessschritt integrieren können.
In Fabriken, Lagerhäusern und Versandzentren ist intelligente Bildverarbeitung im Einsatz, um menschliche Arbeiter bei der Bewältigung alltäglicherer Aufgaben zu unterstützen und ihnen die Möglichkeit zu geben, ihr Fachwissen zu nutzen, um sich auf die wichtigen Teile zu konzentrieren.
Die Marktentwicklung in den Bereichen Smart Cities, Smart Healthcare und Smart Transportation ist ebenfalls ausgereift. ATOS (Stadtbereich), Arcturus (Gesundheitsbereich) und Netradyne (Transportbereich) sind allesamt wichtige Anbieter in diesen Bereichen.
Wie bei anderen Fällen von Edge-ML-Anwendungen ist der beste Weg für den technologischen Fortschritt eine Kombination aus Hardware- und Softwarelösungen und die Übernahme informationsreicher Daten. Nur durch einen umfassenden Ansatz, der alle diese Faktoren zusammenbringt, können fruchtbare Ergebnisse erzielt werden.
Lieferanten erkennen, dass sie wettbewerbsfähige Produkte liefern müssen. In Fällen, in denen es um sensible oder private Daten geht, beispielsweise im Gesundheitswesen, sollte das Gesamtpaket Hardware (Kameras, Chips usw.) enthalten. ), Software und eine großartige Möglichkeit, Daten zu analysieren.
Der „pauschale“ Ansatz ist möglicherweise nicht das häufigste Beispiel auf dem Markt. Dennoch müssen sich Anbieter zunehmend darüber im Klaren sein, wie ihre Produkte in andere Lösungen integriert werden können, was häufig hardwareunabhängige Software und softwareunabhängige Datenanalysen erfordert.
„Dies ist ein entscheidender Punkt für Smart Cities, das Gesundheitswesen und den Transport, insbesondere im Hinblick darauf, was maschinelles Sehen in all diesen Umgebungen leisten kann. Für Edge-MV werden Software- und Hardwareanbieter sowie Dienstleister beginnen, ihre Sicht auf die Branche zu erweitern.“ “, schloss Lobina.
Das obige ist der detaillierte Inhalt von200 Millionen Kameras bringen intelligente Bildverarbeitung an die Spitze. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!
