A gépi látás ma már érett technológiának számít és számos piaci szereplővel rendelkezik. A lapkakészletek, a szoftverek és a szabványok területén elért jelentős előrelépések pedig már a deep learning innovációit is igyekeznek bemutatni az ágazatnak.
Az ABI Research globális techpiaci tanácsadó cég nemrégiben elvégzett elemzése szerint a leszállított gépi látószenzorok és kamerák 2025-re elérik a 16,9 milliós darabszámot. Ez összesen 94 millió telepített látórendszert jelentene az iparban, melynek 11%-át deep learning-en alapuló eszközök teszik ki.
A gépi látórendszerek a vonalkód-leolvasás, a minőség-ellenőrzés és a készletgazdálkodás központi elemei. „Ezeknek a megoldásoknak gyakran hosszú csereciklusuk van, és kevésbé hajlamosak a meghibásodásokra. Az automatizálás iránti egyre növekvő igények hatására a gépi látás pedig új alkalmazásokban is hasznosul” – mondta el Lian Jye Su, az ABI Reserach vezető elemzője. “A robotika például pont egy ilyen terület: a kollaboratív robotok a mozgásban és tárgyfelismerésben támaszkodnak a technológiára, a mobil robotok pedig a SLAM (Simultaneous Localization and Mapping = Egyidejű Lokalizáció és Térképezés) és a biztonság szempontjából.”
A hagyományostól eltérő, deep learning-en alapuló gépi látástechnológia adatközpontú és statisztikai megközelítést alkalmaz, amely lehetővé teszi a modell javulását, ahogy több adat kerül begyűjtésre a képzéshez és a teszteléshez. A nagyobb látórendszer kereskedők már felismerték a deep learning alapú megoldások előnyeit. A Cognex például felvásárolta a SUALAB-ot, az egyik vezető, koreai székhelyű fejlesztő céget, amelynek szoftvere különböző ipari alkalmazásokhoz használ deep learning-et. A Zebra Technologies pedig a londoni, B2B AI-alapú számítógépes látási megoldásokat fejlesztő Cortexica Vision Systems Ltd.-t vette meg.
Ezzel egyidőben, a lapkakészlet-gyártók olyan új lapkákat és szoftvercsomagokat mutatnak be, amelyek már implementálják a deep learning-en alapuló gépi látástechnológiát. Az FPGA-k (Field Programmable Gated Array = a felhasználás helyén programozható logikai kapumátrix) kereskedelmével foglalkozó Xilinx cég az egyebek mellett kamera szenzorokat gyártó Sony-val és a kamera kereskedő Framos és IDS Imaging cégekkel szoros együttműködésben dolgozik Versal ACAP egylapkás rendszerének implementálásán. Az Intel pedig az OpenVINO-t; egy előre betanított, közös API-n keresztül telepíthető, deep learning alapú gépi látás modellt kínál a fejlesztőknek, hogy következtetési megoldásokat biztosítsanak különböző számítási architektúrákhoz. Egy másik FPGA kereskedő, a Lattice Semiconductor alacsony teljesítményű AI rendszerekre összpontosítja figyelmét, hogy hardvergyorsítókat, szoftveres eszközöket és referenciaterveket kínáló senseAI csomagjához biztosíthasson beépített gépi látást. Ezeknek a technológiák az elsődleges célja, hogy könnyítsék a fejlesztéssel és telepítéssel járó nehézségeket.
A szabványok tekintetében a kereskedők 10 GigE (Gigabit Ethernet) és 25 GigE kamerákat kínálhatnak ipari alkalmazásokhoz. A videó rögzítési és tömörítési technológiák folyamatos fejlesztése ráadásul jobb kép- és videóminőséget eredményeznek a deep learning alapú gépi látás modellek számára. Ez a technológia jövőbiztosságáról is gondoskodik. “A gépi látásrendszerek kiválasztásakor ezért a végfelhasználóknak mérlegelniük kell a szükségleteiket, a backend rendszerükbe történő integráció lehetőségét és azonosítaniuk kell az ehhez legmegfelelőbb ökoszisztémákat. A telepítés rugalmassága, valamint a jövőbeli frissíthetőség és méretezhetőség kulcsfontosságú, hiszen a gépi látástechnológia folyamatosan fejlődni és javulni fog” – fejezi be Su.
A fenti eredmények az ABI Research Machine Vision in Industrial Applications (Gépi Látás az Ipari Alkalmazásokban) alkalmazás-elemzési jelentéséből származnak. A jelentés a vállalat mesterséges intelligencia és gépi látás kutatási szolgáltatásának a része, így kutatási, adat és elemzői betekintést is tartalmaz. A kiterjedt elsőkörös interjúk alapján, az alkalmazás-elemzési jelentések mélyreható elemzést mutatnak be a legfontosabb piaci trendekről és az adott technológia tényezőiről.
ForrásABI Reserach