机器视觉（MV）使用的技术使工业机器能够“看到”和分析任务，并根据系统看到的内容做出快速决策。MV正在迅速成为自动化中最核心的技术之一。
鉴于现在这项技术正在与机器学习（ML）合并，以引领向工业4.0的过渡，可能性是巨大的，尤其是在边缘。ABI Research预测，到2027年，相机系统的总出货量将达到1.97亿台，收入将达到350亿美元。
“从能够自动化简单任务的机器到能够“看到”长期优化要素的自主机器的转变将推动工业创新的新水平。这是ML为MV（也称为计算机视觉）提供的创新，”ABI Research的人工智能和机器学习分析师David Lobina解释道。
他补充道，ML可以通过使用神经网络模型的范围和范围来增强经典的机器视觉算法，从而将机器视觉扩展到远远超出视觉检查和质量控制，这是传统计算机视觉的经典所在。
在人工智能市场的所有趋势中，计算边缘具有最令人兴奋的应用和优势——即在那些属于嵌入式系统和物联网的设备中。智能制造可能是最直接的例子，智能相机、嵌入式传感器和强大的计算机可以将ML分析带入每个过程步骤。
智能机器视觉正在工厂、仓库和航运中心工作，通过处理更平凡的任务来帮助和协助人类工人，使工人能够利用他们的专业知识专注于重要的部分。
智能城市、智能医疗保健和智能交通领域的市场发展也已经成熟，ATOS(城市领域)、Arcturus(医疗保健领域)和Netradyne(交通领域)都是这些领域的主要供应商。
与edge ML应用的其他情况一样，技术进步的最佳方式是通过硬件和软件解决方案的结合以及采用信息丰富的数据。只有通过一种全面的方法，将所有这些因素融合在一起，才能取得丰硕的成果。
供应商意识到他们需要提供有竞争力的产品。在涉及敏感或私人数据的情况下，如医疗保健，整个包应提供硬件(相机、芯片等)。)、软件以及分析数据的绝佳方式。
“一揽子”方法可能不是市场上最常见的例子。尽管如此，供应商必须越来越意识到他们的产品如何与其他解决方案相结合，这通常需要与硬件无关的软件和与软件无关的数据分析。
“对于智能城市、医疗保健和交通运输来说，这是至关重要的一点，尤其是关于机器视觉在所有这些环境中可以实现的目标。对于edge MV，软件和硬件供应商以及服务提供商将开始扩大对该行业的看法，”Lobina总结道。
以上是两亿台摄像头将智能机器视觉推向边缘的详细内容。更多信息请关注PHP中文网其他相关文章！
