Machine Vision

La visione artificiale si fa strada nella produzione industriale

Significativi progressi in chipset, software e standard stanno accelerando l’innovazione del deep learning nel settore della visione artificiale. I numeri di ABI Research

Pubblicato il 14 Feb 2020

shutterstock_1104780935

Il mercato globale di sensori e telecamere di visione artificiale dovrebbe raggiungere entro il 2025 un valore di 16,9 milioni di dollari, con una base installata di 94 milioni di sistemi di visione artificiale attivi nella sola produzione industriale di cui l’11% sarà basato sul deep learning.
La visione artificiale può essere considerata una tecnologia matura e il mercato conta ormai su un certo numero di operatori storici affermati. Va sottolineato come significativi progressi nello sviluppo di chipset, software e standard stanno accelerando l’introduzione di tecniche e metodologie di deep learning nel comparto.
Sono queste alcune delle evidenze più significative che emergono dal report “Machine Vision in Industrial Applications” pubblicato da ABI Research

I sistemi di visione artificiale sono un punto fermo nelle linee di produzione per la lettura dei codici a barre, il controllo qualità e la gestione dell’inventario. “Sono soluzioni che hanno in genere cicli di vita piuttosto lunghi e che si stanno gradualmente facendo strada in nuove applicaizoni, soprattutto nell’ambito dell’automazione”, ha dichiarato Lian Jye Su, Principal Analyst di ABI Research. “La robotica, ad esempio, è una nuova area di crescita per la visione industriale: i robot collaborativi si basano sulla visione artificiale per la guida e la classificazione degli oggetti, mentre i robot mobili si affidano alla visione artificiale per applicazioni SLAM – Stop, Look, Assess, Manage – e di sicurezza.” 

Il deep learning nella visione artificiale

La visione artificiale basata sul deep learning è data-driven e utilizza un approccio statistico, che consente al modello di visione artificiale di migliorare man mano che vengono raccolti più dati per il training e il test. I principali fornitori di visione artificiale hanno realizzato il potenziale dell’apprendimento automatico basato sul deep learning. Cognex, ad esempio, ha acquisito SUALAB, uno dei principali sviluppatori coreani di software di visione che utilizza il deep learning per applicazioni industriali, e Zebra Technologies ha acquisito Cortexica Vision Systems, che, con sede a Londra nel business-to-business (B2B), sviluppa soluzioni di visione artificiale basate sull’AI. 

Allo stesso tempo, i fornitori di chipset stanno lanciando nuovi chipset e stack software per facilitare l’implementazione della visione artificiale basata sul deep learning. 

  • Xilinx, un fornitore di Field Programmable Gated Array (FPGA), ha collaborato con il produttore di sensori di fotocamera Sony e con i fornitori di telecamere come Framos e IDS Imaging per incorporare il suo Versal ACAP System on Chip (SoC).
  • Intel offre agli sviluppatori OpenVINO per distribuire modelli di visione automatica basati sul deep learning pre-addestrati attraverso un’API comune per fornire soluzioni di inferenza su varie architetture di elaborazione.
  • Un altro fornitore di FPGA, Lattice Semiconductor, si concentra sull’intelligenza artificiale a bassa potenza (AI) per la visione incorporata attraverso il suo stack sense AI, che offre acceleratori hardware, strumenti software e progetti di riferimento.

Sul fronte degli standard, i fornitori stanno portando telecamere da 10GigE (Gigabit Ethernet) e 25GigE in applicazioni industriali. Gli aggiornamenti continui sulle tecnologie di acquisizione e compressione video generano una migliore qualità di immagine e video per i modelli di visione automatica basati sul deep learning. Ciò garantisce la verifica futura dei sistemi di visione industriale.

“Quando si scelgono i sistemi di visione industriale, gli implementatori finali devono comprendere i propri requisiti di visione industriale, considerare l’integrazione con il sistema back-end e identificare i partner dell’ecosistema giusti. La flessibilità di implementazione e la futura aggiornabilità e scalabilità saranno cruciali in quanto la tecnologia di visione industriale continua a evolversi e migliorare”, conclude Su. 

Immagine fornita da Shutterstock.

Valuta la qualità di questo articolo

La tua opinione è importante per noi!

Articoli correlati

Articolo 1 di 2