Per pastaruosius metus tokios sritys kaip dirbtinis intelektas (DI), dideli duomenys, 3D vaizdavimas ir robotų procesų automatizavimas patyrė precedento neturintį augimą. Ateinančiais, 2019 m., mašininio matymo technologijų taikymas ir toliau klestės, o naujos mašininio matymo tendencijos lems pramonės taikymą.
3D vaizdų gavimas ir šiukšliadėžių rinkimas pramoninėje automatikoje skatina gamyklas tapti išmanesnėmis ir gali pakeisti rankų darbą, todėl sumažėja žmonių poreikis. Kokybės kontrolės tikrinimo mašininė vizija jau plačiai naudojama, tačiau, atsiradus 3D jutikliams ir robotams pasirinkti-ir-pasirinkti, atsiveria naujos rinkos. Robotų rinkimo sistemos gali atsitiktinai sučiupti objektus, neatsižvelgiant į jų padėtį ir orientaciją. 3D matymo sistemos gali atpažinti didelį kiekį atsitiktinai išdėstytų dalių, tokių kaip lagaminai ir dalių dėžės. Dėl dinamiškų robotų valdymo galimybių sudėtingus objektus galima pasirinkti iš skirtingų orientacijų ir krūvų. Dirbtinį intelektą (AI) derinant su rinkimo operacijomis, galima autonomiškai pasirinkti dalis, pagerinti produktyvumą ir ciklo laiką bei sumažinti žmogaus{9}}mašinos sąveikos poreikį procese.
Debesis{0}}pagrįstas gilus mokymasis
5G duomenų tinklų atsiradimas suteikia autonominėms transporto priemonėms galimybę atlikti debesies{1}}mašininio matymo skaičiavimus. Massive Machine Type Communication (mMTC) leidžia apdoroti didelius duomenų kiekius debesyje, skirtą mašininio matymo programoms. Giluminio mokymosi algoritmai, naudojantys konvoliucinius neuroninių tinklų klasifikatorius, gali greitai atlikti vaizdų klasifikavimą, objektų aptikimą ir segmentavimą. Šių naujų dirbtinio intelekto ir gilaus mokymosi sistemų plėtra ateinančiais metais padidės.
Robotika
Tarptautinės robotikos federacijos duomenimis, 2018-ieji buvo rekordiniai robotų pardavimo metai – pramoninių robotų pardavimai išaugo 31 proc. Tokios tendencijos, kaip žmonių-bendradarbiaujantys robotai, supaprastintas naudojimas ir procesų mokymasis, padėjo paskatinti robotų naudojimą pramonės automatizavime. Ateityje pramoninius robotus bus lengviau ir greičiau programuoti su intuityviomis sąsajomis. Žmonių-robotų bendradarbiavimas padės lanksčiai gaminti mažas ir labai sudėtingas partijas. Sumažėjus sudėtingumui, robotai ir regėjimo sistemos gali būti plačiai naudojami vidutiniu ir ilgalaikiu laikotarpiu.
Hiperspektrinis vaizdas
Naujos-kartos modulinės hiperspektrinės vaizdo sistemos teikia cheminių medžiagų savybių analizę pramoninėje aplinkoje. Cheminis spalvotas vaizdas vizualizuoja medžiagų molekulinę struktūrą per gautus skirtingų spalvų vaizdus. Tai leidžia analizuoti cheminę sudėtį naudojant standartinę mašininio matymo programinę įrangą. Įprastas pritaikymas apima plastiko aptikimą mėsos gamyboje, įvairių perdirbamų medžiagų aptikimą ir tablečių tikrinimo kokybės kontrolę. Pagrindinė kliūtis tokio tipo sistemoms yra reikalingo duomenų kiekio ir greičio tvarkymas, tačiau spartesnio apdorojimo, geresnių algoritmų ir fotoaparato kalibravimo pažanga vis dar tampa karšta tema 2019 m.
Terminis vaizdavimas pramoninei apžiūrai
Tradiciškai gynybos, saugumo ir visuomenės saugumo srityse naudojama terminio vaizdo technologija plačiai naudojama aptikimui.
Daugeliui pramoninių pritaikymų, tokių kaip komponentų gamyba automobilių ar elektronikos pramonėje, šiluminiai duomenys yra labai svarbūs. Nors mašininis matymas gali nustatyti gamybos problemas, jis negali aptikti šiluminių anomalijų. Terminio vaizdo ir mašininio matymo derinys yra auganti sritis, leidžianti gamintojams aptikti plika akimi ar standartinių kamerų sistemų nematomas problemas. Šiluminio vaizdo technologija užtikrina ne-kontaktinį, tikslų temperatūros matavimą ir neardomąjį bandymą, o tai yra besivystanti tendencija mašininio matymo ir automatikos valdymo srityje.