在過去的一年里，人工智能(AI)、大數據、3D成像和機器人過程自動化等領域在取得了空前的發(fā)展。接下來的日子，機器視覺技術應用還將蓬勃發(fā)展，新機器視覺認為五大發(fā)展趨勢將引領行業(yè)應用。

3D成像和Bin Picking

工業(yè)自動化正在推動工廠變得更加智能，并可以取代人工減少勞動力。機器視覺用于質量控制檢查已經得到了廣泛的應用，但是隨著3D傳感器和機械手拾取集成解決方案的出現，新的市場正在開拓。不管零件的位置和方向如何，機器人拾取系統都可以隨機抓取物體。3D視覺系統可以大量識別隨機放置的部件，如手提箱和零件盒。由于機器人的動態(tài)處理，可以在不同方向和堆棧中選擇復雜的對象。將人工智能（AI）與拾取操作相結合可以實現零件自自主選擇，提高生產率和循環(huán)時間，減少過程中人機交互的需要。

云端深度學習

5G數據網絡的到來為自動駕駛汽車提供了執(zhí)行基于云計算的機器視覺計算的能力。海量機器類型通信(mMTC)允許在云中處理大量數據，用于機器視覺應用程序。使用卷積神經網絡分類器的深度學習算法可以快速進行圖像分類、目標檢測和分割。未來一年，這些新的人工智能和深度學習系統的開發(fā)將會增加。

機器人

根據國際機器人聯合會(International Federation of Robotics)的數據，2018年是機器人銷量創(chuàng)紀錄的一年，工業(yè)機器人銷量增長了31%。人類協作機器人、簡化使用和過程學習等趨勢，幫助推動了機器人在工業(yè)自動化領域的使用。在未來，工業(yè)機器人將更容易和更快地使用直觀的界面編程。人機協同將支持小批量、高復雜性的柔性生產。使用復雜性的降低使得機器人和視覺系統在中長期內得到廣泛使用。

高光譜成像

下一代模塊化高光譜成像系統提供了工業(yè)環(huán)境中的化學材料性能分析?；瘜W色彩成像通過不同顏色的結果圖像可視化材料的分子結構。這使得化學成分可以在標準的機器視覺軟件中進行分析。典型應用包括肉類生產中的塑料檢測、不同可回收材料的檢測和泡丸檢驗質量控制。這類系統的主要障礙是處理所需的數據量和速度，但更快的處理、更好的算法和相機校準的發(fā)展，仍使其成為2019年的熱門話題。

熱成像工業(yè)檢測

熱成像相機傳統上用于國防、安全和公共安全，熱成像技術廣泛應用于探測。對于許多工業(yè)應用，例如汽車或電子工業(yè)的零部件生產，熱數據是至關重要的。雖然機器視覺可以看到生產問題，但它不能檢測熱異常。熱成像與機器視覺相結合是一個不斷發(fā)展的領域，這使得制造商能夠發(fā)現肉眼或標準相機系統無法看到的問題。熱成像技術提供非接觸式精密溫度測量和無損檢測，這是機器視覺和自動化控制領域的發(fā)展方向。

總結

與工業(yè)4.0相關的技術正在推動制造業(yè)發(fā)生的更多變化。機器視覺適用于所有行業(yè)，但在食品飲料、制藥和醫(yī)療器械制造等高規(guī)格、高監(jiān)管行業(yè)尤為重要。企業(yè)轉向工廠自動化技術有多方面原因，包括提高生產線效率、更有效地利用資源和提高生產率。根據推測，預計在2019年機器視覺相關技術在各個領域的的需求還將不斷增長。