2021年机器视觉市场的趋势和教训

近40年来，机器视觉用户和系统集成商每年都在利用更好的成像、光学、照明和软件。2021年也不例外。尽管机器视觉是一项相对成熟的技术，但组件、软件和工程成本的下降，加上易用性和应用扩展的增加，将继续推动服务于机器视觉市场的组件和系统供应商的收入健康增长。

根据最近的一份报告，与2020年相比，机器人和机器视觉市场在2021年第二季度取得了大幅增长推进自动化协会(A3)报告。与2020年第二季度相比，2021年第二季度的机器人订单增长了67%以上，而北美机器视觉市场增长了26%，达到7.64亿美元。超过一半的机器人订单来自非汽车行业，包括金属(比2020年第二季度增长99%)、半导体和电子/光子学(增长62%)、塑料和橡胶(增长51%)、食品和消费品(增长51%)以及生命科学/制药/生物医学(增长21%)。

除了机器人订单大幅增长外，A3的报告还显示，机器视觉和机器视觉的订单也出现了创纪录的增长运动控制和电机市场从2020年第二季度到2021年1月到6月，北美机器视觉市场增长了18%，达到15亿美元，这是有记录以来最好的一年开局。

中期TX背光包括带有按钮和内部微处理器的版本，允许用户在不同的触发模式之间切换，这在计算成像和其他应用中很有用。

机器视觉应用势头强劲

2019冠状病毒病疫情似乎在2021年加速了机器视觉技术的采用。随着企业纷纷加强数字基础设施以支持远程工作人员，制造商加快了自动化和机器视觉的采用，以保持运营尽可能高效，并跟上不断增长的需求。网上购买量的增加推动了物流相关应用程序的急剧增长。这些包括用于零售配送中心和自动化仓库存储和检索系统的成像系统，以及口罩、面罩、防护服和呼吸器等ppe相关物品的制造商。

“由于劳动力短缺，我们看到越来越多的公司希望实现自动化，其最终目标是尽可能接近无照明的制造过程，”公司高级技术销售经理马克·科尔维茨说中期技术公司。“由于供应链问题，公司希望减少对离岸供应商的依赖，为了满足需求，他们需要自动化产品制造的检查和可视化部分。”

公司并不打算取代人。只是由于需求增加，他们增加了产能，找不到足够的产能。机器视觉等自动化技术帮助制造商满足需求并持续增长。Edgewater自动化控制设计工程师Dan Rutkowski证实了这一点，他指出，在过去的一年中，定制自动化设备的设计师/制造商已经完成了更多结合机器视觉的工作。

Rutkowski解释道:“我们的工作绝对不缺。“与2020年相比，我们的业务增长了一倍多，因为我们的更多客户正在努力寻找人才并满足不断增长的需求，他们看到了投资自动化和机器视觉的价值。”

视觉应用程序库扩展

随着北美机器视觉市场最近两位数的增长，今年最重要和最重要的趋势之一是几乎每个领域的应用基础都在不断扩大。如今，工业自动化和机器视觉技术不仅取代了执行容易出错的手工组装和检查的人员。相反，它们使新产品更复杂，公差更严格，因此需要自动检查。

自动化和机器视觉技术也提高了操作效率和生产力，降低了生产成本，并扩大了工人的能力。奥斯汀·斯道姆，控制工程师水滨自动化他表示同意，并指出:“许多应用超出了人类的能力范围，我们正在研究的视觉系统正变得越来越复杂，有时甚至试图找到肉眼看不到的部件缺陷。”

涉及复杂部件和缺陷的应用程序太小而无法被人们看到，这并不是驱动应用程序基础扩展的唯一因素。同样重要的是可以很容易地完成的新型检查非可见工业机器视觉应用。通常，随着技术成本的降低以及相机分辨率和易用性的提高，可行的SWIR、高光谱和多光谱应用的数量也在增加。

因此，今年此类应用从研究实验转向实际工业应用，例如使用SWIR成像检测不透明容器填充水平和环氧树脂是否存在，此类应用显著增加。

“在过去的几年里，我们都见证了这类应用的稳步增长，”Kolvites说，“但今年不仅对紫外荧光，而且对红外、SWIR、高光谱SWIR和高光谱VNIR在工业机器视觉应用中的兴趣急剧增加。”

虽然机器视觉技术的每个领域都在不断进步，但由于它们在现实世界中的应用价值，今年有一些趋势特别令人感兴趣。这些技术包括高速高分辨率摄像头、光学元件和先进照明、深度学习和其他先进软件。

高分辨率相机，光学，led等

制造商继续开发具有更高分辨率和更快帧速率的图像传感器。反过来，相机制造商利用最新的传感器开发和相机设计的改进，帮助机器视觉系统开发人员和集成商创建更快，更灵活，更强大的成像系统。

随着相机分辨率的提高，需要更高质量、更大画幅的光学元件，这些光学元件很容易获得，包括用于自动对焦系统的嵌入式液体镜头。非可见光波长的光学器件，利用从紫外到红外波段的特殊波长，为探测物体提供了新的方法。

LED照明产品对所有机器视觉应用都至关重要，现在有各种波长和形状因素。它们具有更高的灵活性，具有可调的角度和额外的波长，更一致的光谱响应，甚至具有嵌入式控制的可编程源。这里的实用价值是机器视觉开发人员和系统集成商现在有更多的选择来实现更复杂的应用程序。

“一个重要的推动因素是高达100g接口的出现，以及最近更新的CoaXPress 2.0接口，甚至PCI接口，”David Dechow说，首席视觉系统架构师积分技术。“各种成熟的技术提供了高水平的可靠性、灵活性和易用性，并具有更广泛的技术兼容性，主要是由行业快速发展的标准驱动的，这使我们所有从事机器视觉技术工作的人都受益。”

开发人员使用Matrox Imaging的硬件和软件产品，将传统机器视觉与深度学习、2D和3D应用程序以及与外围设备(包括机器人和运动控制)的通信无缝集成。

深度学习和更容易的集成

深度学习提供了传统的基于规则的机器视觉系统的优势，具有人类检查员带来的判断，但以半自动化的方式需要不断优化。这项技术正在帮助机器视觉扩展到新的工业应用中。对于机器视觉用户和集成商来说，深度学习非常适合需要做出主观决策的应用，类似于人类检查，特别是由于图像的复杂性或可变性而难以识别特征的应用。

“今年我们在深度学习应用方面有更多的活动，尽管仍处于实验或可行性阶段，但我们相信这些将在不久的将来取得成果，”销售和营销高级副总裁Sam Lopez解释说Matrox成像。“我们有很多现有客户，他们搁置了很多远景项目，他们无法用传统方法解决这些项目。但现在他们已经把这些项目从架子上拿下来，重新开始从深度学习的角度来看待它们。”

康耐视的In-Sight D900智能相机使用深度学习来帮助制造商解决具有挑战性的OCR、装配验证和随机缺陷检测应用程序，这些应用程序难以使用传统的基于规则的机器视觉工具进行编程。

神经网络训练有几个基于图形用户界面的软件选项。例如，Matrox Imaging提供深度学习软件和硬件。该公司的软件产品——Matrox Imaging Library (MIL) X和Matrox Design Assistant X——包括用于使用深度学习进行图像分类或分割检查的视觉工具。这两个软件包都为任务提供了优化的卷积神经网络(cnn)或模型。

深度学习的关键是神经网络模型的训练。MIL CoPilot的交互环境为机器视觉应用中使用的训练模型提供了平台。MIL CoPilot提供了该任务所需的所有功能，因此您可以创建和标记训练图像数据集，必要时增强图像数据集，并训练，分析和测试神经网络模型。

另一个例子，In-Sight D900来自Cognex是一款由In-Sight ViDi软件驱动的智能摄像头，专为运行深度学习应用而设计。In-Sight ViDi应用程序部署在In-Sight D900智能相机上，无需工业PC，使非程序员也可以使用深度学习技术。它使用熟悉且易于使用的In-Sight电子表格平台，简化了应用程序开发和工厂集成。

工具箱中的更多工具

新的和改进的机器视觉组件和易于使用的软件的不断发展推动了今年机器视觉的采用和应用的扩展。为了应对日益复杂的制造挑战，供应商不断开发新的组件，视觉系统开发人员可以部署这些组件，以更快速、更轻松地解决越来越多的应用挑战。

从高速高分辨率相机到LED照明、光学、智能相机、嵌入式相机，再到先进的成像组件(如光谱和不可见成像)，视觉系统开发人员的工具箱中从未有过这么多工具。