2021年的解決方案調查的結果。數據提供了有關哪些技術可能最值得您花時間學習，哪些將來可能遇到的挑戰以及哪些公司采用機器視覺的信息。

調查包括。機器視覺系統集成商，OEM和機器制造商，分銷商，研發專家，最終用戶和制造商以及供應商。

目前機器視覺中最熱門的五種技術：3D成像，深度學習/人工智能，嵌入式，高速成像，高光譜/多光譜/ SWIR技術。

十七個行業和九個應用

可以說，機器視覺系統最早是在工業自動化中被廣泛采用的。在該領域中產生的創新和解決方案將永遠是視覺系統設計?覆蓋面的支柱。但是，眾多行業共同講述了視覺系統發展的長期故事。

調查要求受訪者以1到5的等級進行評分，1表示沒有遇到挑戰，5表示遇到了大多數挑戰，他們所在的行業采用9種機器視覺技術有多困難：技術如下。

·?高速檢查

·?多光譜/高光譜成像

·?缺陷/缺陷檢測

·?成像或檢查光澤，反射和有光澤的金屬零件

·?隨機物體拾取/箱體拾取

·?隨機箱卸垛

·?相機移動拍攝

·?視覺引導機器人

·?嵌入式視覺

調查行業如下：

·?航空/軍事/國防

·?農業/環境

·?汽車行業

·?自主機器人

·?消費類電子產品

·?容器/包裝

·?無人機/無人駕駛

·?能源（石油，天然氣，太陽能，風能）

·?食品與飲料

·?林業/木材

·?一般制造業

·?物流/倉儲/分銷

·?醫療/醫療設備

·?制藥業

·?塑膠制品

·?半導體/電子

·?紡織品類

以下是這九項技術所提出的每個挑戰級別的最高結果。

高速檢查

諸如GigE和GigE10，CoaXPress 2.0標準的接口開發以及更快的線掃描相機是將高速成像保持在機器視覺最前沿的一些創新。在我們的調查中，我們詢問專門為檢查目的而部署高速成像的工程師。

根據結果，?在采用高速檢查的過程中，挑戰最少的行業是林業/木材（63％），無人機/無人駕駛和能源（石油，天然氣，太陽能），（答案為1或2）（各占62％）和紡織工業（占61％）。

面臨中等挑戰的行業的最高成績（答案為3）是汽車（31％），食品和飲料（28％）以及航空航天/軍事/國防和一般制造業（27％）。

挑戰最大的行業是塑料（34％），消費類電子產品（33％）和自動機器人（29％），占4分或5分的所有答案。

多光譜/高光譜成像

多光譜和高光譜成像?是兩個最熱門的主題。它們在農業和軌道地球觀測應用中的效果已廣為人知，材料分析也證明了該技術的實用性。毫無疑問，在可見光波長之外進行成像的眾多應用尚未被發現。

紡織（60％）和藥物（48％）產業，與所述能量（石油，天然氣，太陽能，風能），食品和飲料，和塑料工業（46％）對于高光譜/多光譜的實現，挑戰是最小的。

中等挑戰是航空航天/軍事/國防（38％），林業/木材（37％）和能源（石油，天然氣，太陽能，風能）產業（35％）。農業/環境和半導體/電子應用的挑戰是最大的，將多光譜/高光譜技術相結合，占33％，其中消費電子占32％。

缺陷/缺陷檢測

如果某個應用程序證明了它在機器視覺中有著強大的作用，外星眼認為它一定是深度學習，它已經證明了它的價值，它在檢測損壞的貨物或有缺陷的零件中有重要作用。當機器視覺技術應用于這些任務時，我們一次又一次地看到提高檢查速度和準確性。

集成檢測/缺陷檢測方面挑戰最少的行業是紡織（59％），無人機/無人駕駛（55％）和集裝箱/包裝行業（52％）。能源（石油，天然氣，太陽能，風能）（41％），自動機器人（39％）以及食品和飲料行業（38％）提出了中等挑戰。

醫療/醫療設備（36％），汽車（34％）和制藥業（30％）報告了集成缺陷/缺陷檢測的最大挑戰。

成像或檢查光澤，反射和有光澤的金屬零件

穩定，一致的照明對于成功的視覺系統必不可少。在某些情況下，只有偏振技術才能解決反射材料的問題，并允許機器視覺檢查系統按設計運行。

據我們的受訪者稱，金屬零件的光澤，反射和光澤成像或檢查對塑料（46％），汽車（43％）和航空航天/軍事/國防應用（42％）提出了最大的挑戰。紡織業（53％）和林業/木材業（42％）提出了中等挑戰，其中食品和飲料及消費電子業占第三位（34％）。

所述最少的光澤，反射性，而有光澤的金屬部件挑戰，由無人駕駛飛機/無人（54％），物流/倉儲/分布（47％），和制藥工業（44％）提出。

隨機選擇對象/箱

排序和取放應用通常在工業自動化和物流，倉儲和分配中找到。這項技術已經從簡單的選擇發展到支持深度學習的應用程序，在這些應用程序中，向機器人展示了各種各樣的對象進行分類。

在采用隨機物體/垃圾箱揀選技術挑戰最少的三個行業中，紡織業（53％），無人機/無人駕駛（49％）和塑料業（48％）。

食品和飲料（38％），半導體/電子（37％）和制藥業（36％）報告了中度挑戰的最高結果。

部署隨機對象/箱體揀選技術面臨最大挑戰的行業是汽車（40％）和一般制造業（36％），其中塑料和自動機器人行業排名第三，各占33％。

隨機箱卸垛

對機器人進行編程以使每個托盤以完全相同的方式堆疊且具有相同數量的貨物時可以使貨物卸垛相對簡單。當箱子的類型和位置在每個托盤之間不斷變化時，此應用可能需要3D成像和/或深度學習技術。

最大挑戰由消費電子產品（31％），汽車（30％），以及無人機/無人產業（30％）提出。?挑戰最少的行業是無人機/無人駕駛和消費電子行業，每個占51％，紡織品占47％，集裝箱/包裝占46％。

能源（石油，天然氣，太陽能，風能）（41％），林業/木材，食品和飲料（每種占37％）以及紡織，半導體/電子和航空/軍事/國防等領域提出了中度挑戰。

相機移動拍攝

并非視覺系統中的所有相機放置都是靜態的。從多個不同角度進行成像可以提高保真度。攝像頭移動可能會改變工作距離，并且照明幾何形狀可能必須考慮到可變的攝像頭位置。

塑料行業報告了最大的?挑戰，即相機移動性達到38％。容器/包裝行業占34％，消費電子行業占33％。

汽車（47％），無人機/無人駕駛（43％）和航空航天/軍事/國防（42％）行業經歷了最少的?挑戰。中等挑戰的水平由將紡織（47％），一般制造（42％），以及食品和飲料行業（41％）提出。

視覺引導機器人

視覺系統和工業機器人實現了自然的配對。從歷史上看，機器人的基座是固定的或很少移動的，由機器人手臂執行任務。現在，隨著在較小芯片上可用的更多計算量以及機器人和攝像機的尺寸都在減小，這種歷史性的關系正在進入移動機器人領域，就像我們看到的那樣，它們被部署用于倉庫中的物流業務。

報告說使用視覺引導機器人挑戰最少的行業是農業/環境（54％），紡織業（53％）和林業/木材行業（50％）。紡織業（47％）和能源（石油，天然氣，太陽能，風能）行業（38％）提出了中度挑戰的最高結果，而制藥和容器/包裝行業排名第三（各占35％）。

機器人（37％），汽車（31％）和塑料行業（28％）報告了結合視覺引導機器人的最大挑戰。

嵌入式視覺

最后，我們介紹嵌入式視覺技術。“嵌入式”的定義各不相同，其中的共同點是安裝在設備中的處理器，該處理器在設備上或設備附近提供計算。板級相機，智能相機，無人機和可穿戴設備可能都屬于嵌入式視覺類別。

最少挑戰結合嵌入式技術的電平由汽車業（51％），藥物業（50％），和一般的制造應用（48％）的報道。的最大挑戰的分數由塑料業（32％）提出，農業/環境（24％），和醫療/醫療器械行業（22％）。

農業/環境行業報告的挑戰為中度45％，而能源（石油，天然氣，太陽能，風能）和航空航天/軍事/國防工業的挑戰均為44％，其中食品，飲料和無人機/無人駕駛行業并列第三名，各占43％。

機器人視覺認為：技術和行業都在不斷發展，數據的統計可以幫我們全面的看待機器視覺的發展。

編輯：黃飛

?