2022视觉秀

人工智能机器视觉质量检测

泰德·a·g·纽曼，欧姆龙公司

多年来，随着技术的进步，机器视觉的广度和范围已经显著扩大，使其成为当今世界级制造商无处不在的关键应用。在生产操作中实施单位级质量检查的经济理由是充分的。

色彩校正:多光谱和高光谱成像

安德烈亚斯·普拉兹，我是窗台光学公司的

颜色信息在许多机器视觉应用中变得越来越重要。如生物医学、食品和药品行业，也用于半导体行业的精确测量。为了充分利用从波长中获得的除了尺寸之外的额外信息。

优化整体设备效能

Neil Farrow, DataSensing - Datalogic的一个部门

总体设备效率(OEE)是一种经过验证的测量和分析制造过程的方法。拥有跟踪OEE指标的心态可以让生产涉众发现并改进流程的领域，以获得最大的投资回报(ROI)。

校准和表征透镜

马克·彼得森，Theia科技公司

通过使用具有更高分辨率的图像传感器、gpu和asic，可以实现更高的数据处理速度和图像吞吐量，许多应用程序都受益于性能和速度的提高。然而，仅仅从更高分辨率的传感器获得更多数据并不一定有用，它在很大程度上取决于数据的质量。

嵌入式视觉与工业自动化“，

Maharajan Veerabahu, e-con系统公司

随着机器变得越来越强大，它继承了通过传感器从周围环境中处理更多信息的能力。现代工厂和工业利用这种能力将更多的计算从云端转移到边缘。

优化机器人部署

凯文·卡林，Realtime Robotics公司

在制造业和物流业，成功的关键因素是速度——如何在不雇佣更多员工的情况下，更快、更好、更高效地完成工作?在未来十年，制造业可能需要460万个工作岗位，其中至少有240万个岗位预计将空缺。这就是机器人如此重要的原因。但产业优化是困难的。

数字经济的低代码方法

José佩德罗·费雷拉，Neadvance报道

纵观历史，人类一直依赖于技术。人们使用他们现有的技术来帮助他们的生活更容易。今天，我们正处在第四次工业革命的激动人心的旅程中，数据、连接和网络物理系统正在进入我们的生活。

看到无形有助于质量控制

来自Spookfish Innovations的Anupriya Ashok Balikai

想象棱镜一定会把我们带回到高中物理，在那里我们学习了白光是如何包含可见光的整个光谱的。在这节课中，我们将看到可见光的两个方向以及如何将其应用于机器视觉和制造业。

假装直到你成功

劳拉·帕伦，宝洁公司

无论是对制造业本身的破坏，还是新产品类型的引入，制造业中图像采集的限制已经成为合成图像的驱动因素。对于深度学习应用来说，智能是人工的，那么为什么不能也有人工图像呢?合成图像可以在图像捕获、缺陷可变性甚至背景独立性方面提供额外的模型鲁棒性。

检查问题的开源技术

克里斯·亚丁，LMI科技公司

自2010年代中期以来，人工智能技术的创新数量一直在以惊人的速度增长。与早期计算机视觉技术的先驱不同，现代人工智能技术的创新者选择向整个社区提供的不仅仅是想法，而是软件本身。早期的计算机视觉技术先驱投资了基于规则的计算机视觉算法，并经常获得专利，这些算法出现在昂贵的diy套件中。

3D机器视觉制造标准

Kamel Saidi，国家标准和技术研究所

会议将介绍美国国家标准与技术研究所(NIST)和ASTM国际委员会E57 3D成像系统一直在为在制造应用中使用3D成像系统制定自愿行业标准所做的工作。

共同提高安全性和生产率

Patrick Sobalvarro, Veo机器人公司

在传统的制造业中，生产力和安全是典型的对比概念。几十年来，组织不得不为了另一个而牺牲一个，传统的仓库保护方法导致了更慢的流程和对输出的打击。具有讽刺意味的是，自从制造商在仓库中增加了机器人和自动化的使用以来，这种现实已经恶化了。

3D机器视觉的下一件大事

豪斯勒库尔特

Photoneo展示了3D机器视觉的下一个银弹。了解高质量动态场景的实时彩色3D点云创建的最高效技术。

条码阅读与深度学习

吉姆·威瑟斯彭，斑马技术公司

乍一看，条形码读取和深度学习是创新领域的两个极端。条形码读取是已经存在了几十年的基础技术，但作为视觉应用的一个子类，它经常被忽视。然而，今天，由于剧烈的市场变化和深度学习的激增，条形码读取正在恢复以前的一些光彩。

红外成像物联网和火灾预警系统

David C. Bursell, MoviTherm

机器人系统的真实感仿真

来自NVIDIA的Erin Rapacki

使用数据驱动方法进行可视化检查

Krishna Gopalakrishnan，基础机器人

LED多光谱成像

Thomas Brukilacchio，光学创新

高光功率LED光源的最新进展与新推出的InGaAs图像传感器相结合，使多光谱成像在许多应用中取代了更复杂和昂贵的高光谱成像系统，这些系统的特征是光谱反射率变化缓慢。

通过一个非常不同的镜头制造

Prasad Akella, Drishti

Drishti是一家提供人工智能视频分析技术的提供商，为人工装配线的改进提供可见性和洞察力。

活动相机的机器视觉时代到来

雅各布·文莱斯，我是先知

了解如何应用prophet - ee Event-Based Metavision在检查、计数、预测性维护和过程监控方面实现新的性能和效率水平。

从投手丘到红绿灯

英伟达的Jumbi Edulbehram

机器视觉和智能视频分析的应用领域正在迅速发展。这些新的用例为应用程序提供商和系统集成商提供了大量的机会。本次演讲将探讨智能交通和体育领域的一些关键用例。

分配与实现工作流与机器人技术

布鲁斯·巴林，汤普金斯机器人公司

探索如何集成服务于不同操作功能的不同机器人技术，以提供增强的性能和更快的ROI

仓储取放物流

丹·格罗曼，加一机器人公司

在开发基于工业机器学习的视觉解决方案时，收集的数据集通常是保密的，因为人们相信它们代表着竞争优势，一些“秘密武器”如果发布，将允许其他人使用现成的学习模型超越。

有源光缆的好处

Mark Jakusovszky, Silicon Line GmbH

更高分辨率的成像仪和更高的帧速率给传统的铜质视频电缆带来了巨大的压力，导致电缆更短、更粗，以及复杂、耗电的有源布线解决方案。与此同时，光纤有源光缆(AOCs)在过去5年里有了巨大的改进，成为价格合理、几乎透明的铜电缆替代品。

基于3d感知的应用人工智能解决方案

Pat Duda, Roboception

增强认知如何降低成本

加勒特广场，如果我是效应者

移动机器人技术已被证明是当前许多商业问题的绝佳答案。不幸的是，到目前为止，只有最大的制造商正在实施完整的解决方案。原因是:入门价格。如今的移动机器人车队可能会有很高的价格标签(包括资本支出和维护)，这造成了一个具有挑战性的ROI计算，只有最大的制造商才能解决。

SWIR相机组件技术

伊恩·布拉什，贾比尔

机器视觉增压

Scott Everett, Eigen Innovations

机器视觉是管理缺陷的强大解决方案。这是预防疾病的关键吗?Eigen的Scott Everett讨论了制造商利用图像数据来处理产品和工艺可变性的三种方法。

自感知多功能电缆-机器视觉

杰罗姆·泰勒，Nortech系统公司

整个电子行业正在发生一种范式转变，视觉和传感器系统在智能、处理能力和独立性方面迅速发展，这导致了对更可靠的数据通信的需求。此外，工厂自动化和监控系统的部署也在增加。

Uv, vis, ir

Georgy Das，中西部光学系统公司

人工智能决策支持视觉检测

Ed Goffin, Pleora科技公司

工业机器视觉应用

Daniel Loucks，康宁公司

什么是超光谱机器视觉?

亚历山大·卢西尔，《共振》

高光谱成像将标准成像与光谱学相结合，提供其他成像技术无法提供的增强视觉能力。可以概括为像素分辨率的化学分析。在本次演讲中，我们将介绍成像、分析和机器视觉应用，目的是让与会者了解高光谱机器视觉是什么。

易视觉和AI编程

Philip Freidin, IDS成像开发公司

即使不知道特定编程语言的语法，也可以进行查找、计数、检查、排序或保密。有了这种新的易用性，每个人都可以使用人工智能视觉。

深度感知与物体检测

Stephen Se, Teledyne FLIR

今天，市场上有许多现成的立体深度感知系统。然而，根据精度、基线、尺寸、重量或成本等因素，有时系统工程师需要构建一个定制系统。在本次演讲中，我们将讨论使用立体视觉的关键设计驱动程序，并提供如何构建自己的紧凑、轻量级和经济实惠的嵌入式立体视觉系统的逐步指导。

消费品包装中的机器视觉

保罗·托马斯，宝洁公司

移动性、感知和操纵

凯文·布兰克斯普尔，波士顿动力公司

激光雷达和高光谱成像

Hamamatsu的Slawomir Piatek

三维激光直线轮廓仪的研究进展

Athinodoros Klipfel, AT自动化技术

机器视觉速成班

Frantisek Jakubec, Balluff