九大机器视觉技术大调查结果及挑战

2021年的解决方案调查的结果。数据提供了有关哪些技术可能最值得您花时间学习，哪些将来可能遇到的挑战以及哪些公司采用机器视觉的信息。

调查包括。机器视觉系统集成商，OEM和机器制造商，分销商，研发专家，最终用户和制造商以及供应商。

目前机器视觉中最热门的五种技术：3D成像，深度学习/人工智能，嵌入式，高速成像，高光谱/多光谱/ SWIR技术。

十七个行业和九个应用

可以说，机器视觉系统最早是在工业自动化中被广泛采用的。在该领域中产生的创新和解决方案将永远是视觉系统设计 覆盖面的支柱。但是，众多行业共同讲述了视觉系统发展的长期故事。

调查要求受访者以1到5的等级进行评分，1表示没有遇到挑战，5表示遇到了大多数挑战，他们所在的行业采用9种机器视觉技术有多困难：技术如下。

· 高速检查

· 多光谱/高光谱成像

· 缺陷/缺陷检测

· 成像或检查光泽，反射和有光泽的金属零件

· 随机物体拾取/箱体拾取

· 随机箱卸垛

· 相机移动拍摄

· 视觉引导机器人

· 嵌入式视觉

调查行业如下：

· 航空/军事/国防

· 农业/环境

· 汽车行业

· 自主机器人

· 消费类电子产品

· 容器/包装

· 无人机/无人驾驶

· 能源（石油，天然气，太阳能，风能）

· 食品与饮料

· 林业/木材

· 一般制造业

· 物流/仓储/分销

· 医疗/医疗设备

· 制药业

· 塑胶制品

· 半导体/电子

· 纺织品类

以下是这九项技术所提出的每个挑战级别的最高结果。

高速检查

诸如GigE和GigE10，CoaXPress 2.0标准的接口开发以及更快的线扫描相机是将高速成像保持在机器视觉最前沿的一些创新。在我们的调查中，我们询问专门为检查目的而部署高速成像的工程师。

根据结果， 在采用高速检查的过程中，挑战最少的行业是林业/木材（63％），无人机/无人驾驶和能源（石油，天然气，太阳能），（答案为1或2）（各占62％）和纺织工业（占61％）。

面临中等挑战的行业的最高成绩（答案为3）是汽车（31％），食品和饮料（28％）以及航空航天/军事/国防和一般制造业（27％）。

挑战最大的行业是塑料（34％），消费类电子产品（33％）和自动机器人（29％），占4分或5分的所有答案。

多光谱/高光谱成像

多光谱和高光谱成像 是两个最热门的主题。它们在农业和轨道地球观测应用中的效果已广为人知，材料分析也证明了该技术的实用性。毫无疑问，在可见光波长之外进行成像的众多应用尚未被发现。

纺织（60％）和药物（48％）产业，与所述能量（石油，天然气，太阳能，风能），食品和饮料，和塑料工业（46％）对于高光谱/多光谱的实现，挑战是最小的。

中等挑战是航空航天/军事/国防（38％），林业/木材（37％）和能源（石油，天然气，太阳能，风能）产业（35％）。农业/环境和半导体/电子应用的挑战是最大的，将多光谱/高光谱技术相结合，占33％，其中消费电子占32％。

缺陷/缺陷检测

如果某个应用程序证明了它在机器视觉中有着强大的作用，外星眼认为它一定是深度学习，它已经证明了它的价值，它在检测损坏的货物或有缺陷的零件中有重要作用。当机器视觉技术应用于这些任务时，我们一次又一次地看到提高检查速度和准确性。

集成检测/缺陷检测方面挑战最少的行业是纺织（59％），无人机/无人驾驶（55％）和集装箱/包装行业（52％）。能源（石油，天然气，太阳能，风能）（41％），自动机器人（39％）以及食品和饮料行业（38％）提出了中等挑战。

医疗/医疗设备（36％），汽车（34％）和制药业（30％）报告了集成缺陷/缺陷检测的最大挑战。

成像或检查光泽，反射和有光泽的金属零件

稳定，一致的照明对于成功的视觉系统必不可少。在某些情况下，只有偏振技术才能解决反射材料的问题，并允许机器视觉检查系统按设计运行。

据我们的受访者称，金属零件的光泽，反射和光泽成像或检查对塑料（46％），汽车（43％）和航空航天/军事/国防应用（42％）提出了最大的挑战。纺织业（53％）和林业/木材业（42％）提出了中等挑战，其中食品和饮料及消费电子业占第三位（34％）。

所述最少的光泽，反射性，而有光泽的金属部件挑战，由无人驾驶飞机/无人（54％），物流/仓储/分布（47％），和制药工业（44％）提出。

随机选择对象/箱

排序和取放应用通常在工业自动化和物流，仓储和分配中找到。这项技术已经从简单的选择发展到支持深度学习的应用程序，在这些应用程序中，向机器人展示了各种各样的对象进行分类。

在采用随机物体/垃圾箱拣选技术挑战最少的三个行业中，纺织业（53％），无人机/无人驾驶（49％）和塑料业（48％）。

食品和饮料（38％），半导体/电子（37％）和制药业（36％）报告了中度挑战的最高结果。

部署随机对象/箱体拣选技术面临最大挑战的行业是汽车（40％）和一般制造业（36％），其中塑料和自动机器人行业排名第三，各占33％。

随机箱卸垛

对机器人进行编程以使每个托盘以完全相同的方式堆叠且具有相同数量的货物时可以使货物卸垛相对简单。当箱子的类型和位置在每个托盘之间不断变化时，此应用可能需要3D成像和/或深度学习技术。

最大挑战由消费电子产品（31％），汽车（30％），以及无人机/无人产业（30％）提出。 挑战最少的行业是无人机/无人驾驶和消费电子行业，每个占51％，纺织品占47％，集装箱/包装占46％。

能源（石油，天然气，太阳能，风能）（41％），林业/木材，食品和饮料（每种占37％）以及纺织，半导体/电子和航空/军事/国防等领域提出了中度挑战。

相机移动拍摄

并非视觉系统中的所有相机放置都是静态的。从多个不同角度进行成像可以提高保真度。摄像头移动可能会改变工作距离，并且照明几何形状可能必须考虑到可变的摄像头位置。

塑料行业报告了最大的 挑战，即相机移动性达到38％。容器/包装行业占34％，消费电子行业占33％。

汽车（47％），无人机/无人驾驶（43％）和航空航天/军事/国防（42％）行业经历了最少的 挑战。中等挑战的水平由将纺织（47％），一般制造（42％），以及食品和饮料行业（41％）提出。

视觉引导机器人

视觉系统和工业机器人实现了自然的配对。从历史上看，机器人的基座是固定的或很少移动的，由机器人手臂执行任务。现在，随着在较小芯片上可用的更多计算量以及机器人和摄像机的尺寸都在减小，这种历史性的关系正在进入移动机器人领域，就像我们看到的那样，它们被部署用于仓库中的物流业务。

报告说使用视觉引导机器人挑战最少的行业是农业/环境（54％），纺织业（53％）和林业/木材行业（50％）。纺织业（47％）和能源（石油，天然气，太阳能，风能）行业（38％）提出了中度挑战的最高结果，而制药和容器/包装行业排名第三（各占35％）。

机器人（37％），汽车（31％）和塑料行业（28％）报告了结合视觉引导机器人的最大挑战。

嵌入式视觉

最后，我们介绍嵌入式视觉技术。“嵌入式”的定义各不相同，其中的共同点是安装在设备中的处理器，该处理器在设备上或设备附近提供计算。板级相机，智能相机，无人机和可穿戴设备可能都属于嵌入式视觉类别。

最少挑战结合嵌入式技术的电平由汽车业（51％），药物业（50％），和一般的制造应用（48％）的报道。的最大挑战的分数由塑料业（32％）提出，农业/环境（24％），和医疗/医疗器械行业（22％）。

农业/环境行业报告的挑战为中度45％，而能源（石油，天然气，太阳能，风能）和航空航天/军事/国防工业的挑战均为44％，其中食品，饮料和无人机/无人驾驶行业并列第三名，各占43％。

机器人视觉认为：技术和行业都在不断发展，数据的统计可以帮我们全面的看待机器视觉的发展。

编辑：黄飞