ABI Research:到2025年，制造业机器视觉系统的安装基数将达到1亿

机器视觉是一项成熟的技术，已经确立了现有的地位。然而，芯片组、软件和标准的重大进步正在将深度学习创新带入机器视觉领域。

根据全球科技市场咨询公司最近的一项分析ABI研究公司到2025年，机器视觉传感器和相机的总出货量将达到1690万台，在工业制造业中创造9400万台机器视觉系统的安装基础。在安装的基础上，11%将是基于深度学习的。

机器视觉系统是用于条形码读取、质量控制和库存管理的生产线的主要部件。“这些解决方案的更换周期通常很长，不太容易出现故障。由于对自动化的需求不断增长，机器视觉正在进入新的应用领域，”ABI Research首席分析师Lian Jye Su表示。“例如，机器人技术是机器视觉的一个新的增长领域:协作机器人依靠机器视觉进行引导和对象分类，而移动机器人依靠机器视觉进行SLAM和安全。”

与传统的机器视觉技术不同，基于深度学习的机器视觉是数据驱动的，并利用统计方法，这使得机器视觉模型随着收集更多的数据进行训练和测试而得到改进。主要的机器视觉供应商已经意识到基于深度学习的机器学习的潜力。例如，康耐视收购了韩国领先的视觉软件开发商SUALAB，将深度学习用于工业应用，Zebra Technologies收购了总部位于伦敦的企业对企业(B2B)基于人工智能的计算机视觉解决方案开发商Cortexica vision Systems Ltd.。

与此同时，芯片组供应商正在推出新的芯片组和软件堆栈，以促进基于深度学习的机器视觉的实现。现场可编程门控阵列(FPGA)供应商Xilinx与相机传感器制造商索尼以及相机供应商(如Framos和IDS Imaging)密切合作，整合其Versal ACAP系统芯片(SoC)。另一方面，英特尔为开发人员提供OpenVINO，通过一个通用API部署预先训练好的基于深度学习的机器视觉模型，在各种计算架构上提供推理解决方案。另一家FPGA供应商Lattice Semiconductor通过其senseAI堆栈专注于用于嵌入式视觉的低功耗人工智能(AI)，该堆栈提供硬件加速器、软件工具和参考设计。这些技术堆栈旨在减轻开发和部署挑战，并创建平台粘性。

在标准方面，供应商正在将10GigE(千兆以太网)和25GigE摄像机引入工业应用。视频捕捉和压缩技术的不断升级也为基于深度学习的机器视觉模型生成了更好的图像和视频质量。这确保了机器视觉系统的未来。因此，在选择机器视觉系统时，终端实施者需要了解他们的机器视觉需求，考虑与后端系统的集成，并确定正确的生态系统合作伙伴。随着机器视觉技术的不断发展和改进，部署的灵活性以及未来的可升级性和可扩展性将至关重要。”

这些发现来自ABI Research的机器视觉在工业应用中的应用分析报告。该报告是该公司人工智能和机器学习研究服务的一部分，包括研究、数据和分析师见解。基于广泛的初步访谈，应用分析报告对特定技术的关键市场趋势和因素进行了深入分析。