機器視覺（MV）使用的技術使工業機器能夠“看到”和分析任務，并根據系統看到的內容做出快速決策。MV正在迅速成為自動化中最核心的技術之一。

鑒于現在這項技術正在與機器學習（ML）合并，以引領向工業4.0的過渡，可能性是巨大的，尤其是在邊緣。ABI Research預測，到2027年，相機系統的總出貨量將達到1.97億臺，收入將達到350億美元。

“從能夠自動化簡單任務的機器到能夠“看到”長期優化要素的自主機器的轉變將推動工業創新的新水平。這是ML為MV（也稱為計算機視覺）提供的創新，”ABI Research的人工智能和機器學習分析師David Lobina解釋道。

他補充道，ML可以通過使用神經網絡模型的范圍和范圍來增強經典的機器視覺算法，從而將機器視覺擴展到遠遠超出視覺檢查和質量控制，這是傳統計算機視覺的經典所在。

機會

在人工智能市場的所有趨勢中，計算邊緣具有最令人興奮的應用和優勢——即在那些屬于嵌入式系統和物聯網的設備中。智能制造可能是最直接的例子，智能相機、嵌入式傳感器和強大的計算機可以將ML分析帶入每個過程步驟。

智能機器視覺正在工廠、倉庫和航運中心工作，通過處理更平凡的任務來幫助和協助人類工人，使工人能夠利用他們的專業知識專注于重要的部分。

智能城市、智能醫療保健和智能交通領域的市場發展也已經成熟，ATOS(城市領域)、Arcturus(醫療保健領域)和Netradyne(交通領域)都是這些領域的主要供應商。

與edge ML應用的其他情況一樣，技術進步的最佳方式是通過硬件和軟件解決方案的結合以及采用信息豐富的數據。只有通過一種全面的方法，將所有這些因素融合在一起，才能取得豐碩的成果。

供應商意識到他們需要提供有競爭力的產品。在涉及敏感或私人數據的情況下，如醫療保健，整個包應提供硬件(相機、芯片等)。)、軟件以及分析數據的絕佳方式。

“一攬子”方法可能不是市場上最常見的例子。盡管如此，供應商必須越來越意識到他們的產品如何與其他解決方案相結合，這通常需要與硬件無關的軟件和與軟件無關的數據分析。

“對于智能城市、醫療保健和交通運輸來說，這是至關重要的一點，尤其是關于機器視覺在所有這些環境中可以實現的目標。對于edge MV，軟件和硬件供應商以及服務提供商將開始擴大對該行業的看法，”Lobina總結道。