機器視覺（MV）使用的技術使工業機器能夠「看到」和分析任務，並根據系統看到的內容做出快速決策。 MV正迅速成為自動化中最核心的技術之一。
鑑於現在這項技術正在與機器學習（ML）合併，以引領向工業4.0的過渡，可能性是巨大的，尤其是在邊緣。 ABI Research預測，到2027年，相機系統的總出貨量將達到1.97億台，營收將達到350億美元。
「從能夠自動化簡單任務的機器到能夠「看到」長期優化要素的自主機器的轉變將推動工業創新的新水平。這是ML為MV（也稱為電腦視覺）提供的創新，」ABI Research的人工智慧和機器學習分析師David Lobina解釋道。
他補充道，ML可以透過使用神經網路模型的範圍和範圍來增強經典的機器視覺演算法，從而將機器視覺擴展到遠遠超出視覺檢查和品質控制，這是傳統電腦視覺的經典所在。
在人工智慧市場的所有趨勢中，運算邊緣具有最令人興奮的應用和優勢——即在那些屬於嵌入式系統和物聯網的設備中。智慧製造可能是最直接的例子，智慧相機、嵌入式感測器和強大的電腦可以將ML分析帶入每個流程步驟。
智慧機器視覺正在工廠、倉庫和航運中心工作，透過處理更平凡的任務來幫助和協助人類工人，使工人能夠利用他們的專業知識專注於重要的部分。
智慧城市、智慧醫療保健和智慧交通領域的市場發展也已經成熟，ATOS(城市領域)、Arcturus(醫療保健領域)和Netradyne(交通領域)都是這些領域的主要供應商。
與edge ML應用的其他情況一樣，技術進步的最佳方式是透過硬體和軟體解決方案的結合以及採用資訊豐富的數據。只有透過全面的方法，將所有這些因素融合在一起，才能取得豐碩的成果。
供應商意識到他們需要提供有競爭力的產品。在涉及敏感或私人資料的情況下，如醫療保健，整個包應提供硬體(相機、晶片等)。 )、軟體以及分析資料的絕佳方式。
「一攬子」方法可能不是市場上最常見的例子。儘管如此，供應商必須越來越意識到他們的產品如何與其他解決方案結合，這通常需要與硬體無關的軟體和與軟體無關的數據分析。
「對於智慧城市、醫療保健和交通運輸來說，這是至關重要的一點，尤其是關於機器視覺在所有這些環境中可以實現的目標。對於edge MV，軟體和硬體供應商以及服務提供者將開始擴大對該行業的看法，」Lobina總結道。
以上是兩億台攝影機將智慧機器視覺推向邊緣的詳細內容。更多資訊請關注PHP中文網其他相關文章！
