Kuluneen vuoden aikana muun muassa tekoäly (AI), big data, 3D-kuvaus ja robottiprosessiautomaatio ovat kasvaneet ennennäkemättömällä tavalla. Tulevana vuonna 2019 konenäköteknologian sovellukset jatkavat kukoistamistaan, ja uusien konenäkötrendien odotetaan johtavan teollisuuden sovelluksiin.
Teollisuusautomaation 3D-kuvantaminen ja roskakorin poiminta ajavat tehtaita älykkäämmiksi ja voivat korvata manuaalisen työn, mikä vähentää ihmistyövoiman tarvetta. Konenäköä laadunvalvontatarkastuksessa käytetään jo laajalti, mutta 3D-anturien ja robottien pick{3}}and-ratkaisujen myötä uusia markkinoita avautuu. Robottikeräilyjärjestelmät voivat tarttua esineisiin satunnaisesti niiden sijainnista ja suunnasta riippumatta. 3D-vision järjestelmät voivat tunnistaa suuria määriä satunnaisesti sijoitettuja osia, kuten matkalaukkuja ja osasäiliöitä. Robottien dynaamisten käsittelyominaisuuksien ansiosta monimutkaisia objekteja voidaan valita eri suunnasta ja pinoista. Tekoälyn (AI) yhdistäminen poimintatoimintoihin mahdollistaa itsenäisen osien valinnan, parantaa tuottavuutta ja sykliaikoja sekä vähentää ihmisten-konevuorovaikutuksen tarvetta prosessissa.
Pilvi-pohjainen syväoppiminen
5G-dataverkkojen saapuminen tarjoaa itsenäisille ajoneuvoille mahdollisuuden suorittaa pilvi-pohjaisia konenäkölaskelmia. Massive Machine Type Communication (mMTC) mahdollistaa suurten tietomäärien käsittelyn pilvessä konenäkösovelluksia varten. Syväoppimisalgoritmit, jotka käyttävät konvoluutiohermoverkkoluokittimia, voivat nopeasti suorittaa kuvien luokittelun, objektien havaitsemisen ja segmentoinnin. Näiden uusien tekoäly- ja syväoppimisjärjestelmien kehitys lisääntyy ensi vuonna.
Robotiikka
Kansainvälisen robotiikan liiton mukaan 2018 oli robottien myynnin ennätysvuosi, ja teollisuusrobottien myynti kasvoi 31 %. Trendit, kuten ihmisten-yhteistyörobotit, yksinkertaistettu käyttö ja prosessioppiminen, ovat auttaneet lisäämään robottien käyttöä teollisuusautomaatiossa. Tulevaisuudessa teollisuusrobottien ohjelmointi on helpompaa ja nopeampaa intuitiivisten käyttöliittymien avulla. Ihmisten-robottiyhteistyö tukee pienten ja erittäin monimutkaisten erien joustavaa tuotantoa. Monimutkaisuuden väheneminen tekee roboteista ja näköjärjestelmistä laajasti käyttökelpoisia keskipitkällä ja pitkällä aikavälillä.
Hyperspektraalinen kuvantaminen
Seuraavan-sukupolven modulaariset hyperspektrikuvausjärjestelmät tarjoavat kemiallisten materiaalien ominaisuuksien analysointia teollisuusympäristöissä. Kemiallinen värikuvaus visualisoi materiaalien molekyylirakenteen eriväristen kuvien kautta. Tämä mahdollistaa kemiallisen koostumuksen analysoinnin vakiokonenäköohjelmistolla. Tyypillisiä sovelluksia ovat muovin havaitseminen lihantuotannossa, erilaisten kierrätysmateriaalien havaitseminen ja pilleritarkastuksen laadunvalvonta. Suurin este tämäntyyppisille järjestelmille on vaaditun datamäärän ja -nopeuden käsittely, mutta nopeamman käsittelyn, parempien algoritmien ja kameran kalibroinnin edistyminen tekee siitä edelleen kuuman aiheen vuonna 2019.
Lämpökuvaus teollisuustarkastusta varten
Perinteisesti puolustukseen, turvallisuuteen ja yleiseen turvallisuuteen käytettyä lämpökuvaustekniikkaa käytetään laajalti havaitsemiseen.
Monissa teollisissa sovelluksissa, kuten komponenttien valmistuksessa auto- tai elektroniikkateollisuudessa, lämpötiedot ovat ratkaisevan tärkeitä. Vaikka konenäkö voi tunnistaa tuotantoongelmia, se ei pysty havaitsemaan lämpöpoikkeavuuksia. Lämpökuvauksen ja konenäön yhdistelmä on kasvava ala, jonka avulla valmistajat voivat havaita ongelmat, joita ei voi havaita paljaalla silmällä tai tavallisilla kamerajärjestelmillä. Lämpökuvaustekniikka tarjoaa kosketuksettoman, tarkan lämpötilan mittauksen ja -tuhoamattoman testauksen, mikä on kehittyvä trendi konenäön ja automaation ohjauksen alalla.