产品中心

机器视觉搭载AI技术赋能制造业
首页 > 产品中心
来源:电竞比赛押注平台app    发布时间:2023-12-20 03:40:10

  圈和媒体圈激起千层浪,很多圈内人都认为GPT有望开启像之前互联网、移动互联网一样的新一轮生产力加速周期,重塑很多行业,于是各大厂纷纷推出自己大模型,生怕错过了这次AI大浪潮,这点在资本圈同样有共识,除了AI外,传媒、办公软件、电商、游戏被认为是优先受益的应用领域,市值纷纷成倍的大涨。

  那么对于实体行业来说,GPT又能带来什么呢?华为任正非认为:“人工智能软件平台公司对人类社会的直接贡献可能不到2%,98%都是对工业社会、农业社会的促进。”意思也就是说GPT更大的贡献将会在以制造业为代表的实体经济中体现出来。

  那么,GPT是如何赋能制造业,在制造业中找到落脚点呢?这就是我们本文要介绍的主角——机器视觉,机器视觉顾名思义就是用机器代替人眼来获取感知信息并做出决策,按功能大致上可以分为:检测、测量、定位、识别,机器视觉是工业自动化的基础技术之一,要了解AI是如何通过机器视觉赋能制造业的,这得从机器视觉的发展历史说起。

  机器视觉起源于上世纪 50 年代,Gilson 提出了“光流”这一概念,并基于相关统计模型发展了逐像素的计算模式,标志着 2D 影像统计模式的发展。

  1960 年,美国学者 Roberts 提出了从 2D 图像中提取三维结构的观点,引发了 MIT AI实验室及其它机构对机器视觉的关注,并标志着三维机器视觉研究的开始。

  70 年代中期,MIT AI实验室正式开设“机器视觉”课程,研究人员开始大力进行“物体与视觉”相关课题的研究。1978 年,David Marr 开创了“自下 而上”的通过计算机视觉捕捉物体形象的方法,该方法以2D的轮廓素描为起点, 逐步完成 3D 形象的捕捉,这一方法的提出标志着机器视觉研究的重大突破。

  80 年代开始,机器视觉掀起了全球性的研究热潮,方法理论迭代更新,OCR和智能摄像头等均在这一阶段问世,并逐步引发了机器视觉有关技术更广泛的传播与应用。

  90 年代初,视觉企业成立,并开发出第一代图像处理产品。而后,机器视觉有关技术被不断地投入到生产制作的完整过程中,使得机器视觉领域迅速扩张,上百家公司开始大量销售机器视觉系统,完整的机器视觉产业逐渐形成。在这一阶段,LED灯、传感器及控制结构等的迅速发展,进一步加速了机器视觉行业的进步,并使得行业的生产所带来的成本逐步降低。

  2000 年至今,更高速的 3D 视觉扫描系统和热影象系统等逐步问世,机器视觉的软硬件产品蔓延至生产制造的各个阶段,应用领域也逐步扩大。当下,机器视觉作为人工智能的底层产业及电子、汽车等行业的上业,仍处于快速地发展的阶段,拥有非常良好的发展前景。

  2017年至今,AI深度学习框架的开发发展到了成熟期,各大巨头纷纷布局机器视觉领域,得益于深度学习算法的突破、算力的不断的提高以及海量数据的持续积累,人工智能逐渐从实验室走向产业实践,以算法、算力和数据为主旋律追求极致创新方面不断突破,为机器视觉实现更新迭代和提高应用价值的重要技术支撑,所以从根源上说现在的机器视觉就是AI的一个分支。

  随着人力成本不断升高,以机器取代人工,可以帮助制造业实现自动化和智能化,是现代化制造提质、增效、降本、减排的推动力。随着我们国家进入全方面推进智能制造阶段,机器视觉将持续向全行业渗透,应用市场需求急剧扩增,为机器视觉提供了较大的需求牵引,是机器视觉的重大战略机遇。根据凌云光 2022 年 7 月 14 日发布的投资者调研纪要显示,2016-2021年,中国机器视觉行业规模出售的收益从49.7亿元上放至143.0亿元,5年复合增长率为30.4%。

  市场规模的快速地增长,来源于下游市场的需求不断释放,从需求端来看,机器视觉大范围的应用于电子及半导体、汽车制造、食品包装、制药等领域,所有的领域的应用场景具备较大差异性。

  2022年我国消费电子、半导体、汽车为机器视觉领域的三大应用端,虽然机器视觉下游各行业对精度的要求不一,但总的来看,伴随主要应用端(消费电子、半导体、汽车、新能源)的升级迭代,对机器视觉技术的高精度需求相应提高,尤其需要AI深度学习的高度结合以适应下游应用的发展。

  行业的发展,除了下游市场需求的爆发外,行业参与者推动及资本的赋能亦至关重要,无论是芯片端、核心零部件、软件服务商还是系统集成商,我们大家可以看到企业是越来越多,在一级和二级市场上资本亦对机器视觉行业的发展看好,以华为来说,在2022年特别成立机器视觉军团,以满足市场需要,可见行业的发展已经进入高速期。

  在文章的最后我们回到我们开头提出的问题:GPT如何通过机器视觉赋能制造业?

  今年的四月Meta AI在官网发布了基础模型Segment Anything Model(SAM)并开源,其本质是用GPT的方式(基于Transform 模型架构)让计算机具备理解了图像里面的一个个“对象”的通用能力。SAM已经学会了关于物体的一般概念,并且它可以为任何图像或视频中的任何物体生成掩膜,甚至包括在训练过程中没有遇到过的物体和图像类型,无需额外的训练。

  Meta预计,与专门为一组固定任务训练的系统相比,基于 prompt工程等技术的可组合系统设计将支持更广泛的应用。SAM可以成为AR、VR、内容创建、科学领域和更通用 AI 系统的强大组件。行业人士认为SAM有望助力机器视觉发展,带动 AI+制造业垂直领域技术革新。

  不仅仅是SAM,慢慢的变多的深度学习模型推出,让机器视觉更加深入到制造业场景中,带来更多更快的落地应用,机器视觉开始步入GPT时刻,制造业亦开始步入GPT时刻。

  声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。举报投诉

  :产能是否过剩?中国LED产业起步于上世纪70年代。早期中国LED产业中缺少LED外延片及芯片

  无人工厂解决方案 日前,上海洲邦信息科技有限公司 (以下简称“洲邦科技”) 与 IBM 宣布,利用 IBM 智能自动化软件,为中国的

  是国民经济的支柱产业,是国家创造力、竞争力和综合国力的重要体现。近20年的时间里,我国

  梦想人科技“AR工业知识服务数字化解决方案”成功入选苏州工业园区数字经济

  新能源产业全生命周期变为可能,推动从电力生产到电网运维等多链条的数字化转型和智能化升级,助力可持续发展的绿色能源。

  生产中发挥着逐渐重要的作用,用于后段包装码垛减轻人工劳动强度并提高码垛效率。

  距离宣布完成C+轮融资后仅过去3个月,此公司又宣布融资。 6月3日,创新奇智宣布完成由软银愿景基金2期投资的D轮融资。本轮融资后,创新奇智将进一步加大对

  产业全速推进智能化、数字化高水平发展再度受到关注。 改革开放四十多年来,广东从加工贸易起步到发展重化工业、先进

  )应用的再度大幅度增长。预计到2027年,物联网市场规模将达到2.4万亿美元。 除了自动化和

  与装备。在日前举行的中纺圆桌论坛第十五届年会上,中国工程院院士、南京航空航天大学校长单忠德以“智能

  ”的用途很多,随着20 世纪90 年代以来光电、自动化和计算机图像处理

  更受益于人工智能。该行业产生了大量的数据,涉及重复性的人工任务,并提出了许多传统工具没有办法解决的多维度问题。无论是提高质量、减少停机时间还是优化效率,

  正在经历一场重大的数字化转型。传统模式正在演变为工业4.0。随着包括像成像

  陷入困境,供应链、供货商和分销商均遭受了巨大打击。 在缩紧开支的同时,很多公司将目光聚焦到人工智能(

  人之一。在大多数情况下,机械臂都是可编程的,可用于执行特定任务,通常用于

  各行各业的智能化转型,将为中国产业高质量发展注入强大的数字动力,带来深刻的产业变革。杨元庆称,应当通过全力发展以数字化和智能化

  过程,转化为可供人们使用和利用的大型工具、工业品与生活消费产品的行业。

  亟待逐步优化产业体系,由要素驱动向创新驱动转变,以缓解由全球贸易结构变化带来的压力。

  和产业创新发展”以来,市场中有关区块链的讨论热度居高不下,其中,又以区块链如何

  从以规模、成本、效益为第一要务,变成以定制化的体验、创新性的交付为竞争核心。

  换人趋势已经显现。由物联网、社会化媒体、移动电子设备、和大数据引发的数字化,正

  总体2.8个百分点,连续4个月保持升势。其中,本月新订单指数升至10个月高点,为56.2%,表明高

  识别、技能学习、利用人工智能进行故障预测、人机协作及简单编程等领域,可提高

  的发展前景正发生着迅猛的变化,新的发展的新趋势和应用也随之涌现。随着与物联网(IoT)和智能