在過去的一年里，人工智能(AI)、大數據、3D成像和機器人過程自動化等領域在取得了空前的發展。接下來的日子，機器視覺技術應用還將蓬勃發展，新機器視覺認為五大發展趨勢將引領行業應用。

3D成像和Bin Picking

工業自動化正在推動工廠變得更加智能，并可以取代人工減少勞動力。機器視覺用于質量控制檢查已經得到了廣泛的應用，但是隨著3D傳感器和機械手拾取集成解決方案的出現，新的市場正在開拓。不管零件的位置和方向如何，機器人拾取系統都可以隨機抓取物體。3D視覺系統可以大量識別隨機放置的部件，如手提箱和零件盒。由于機器人的動態處理，可以在不同方向和堆棧中選擇復雜的對象。將人工智能（AI）與拾取操作相結合可以實現零件自自主選擇，提高生產率和循環時間，減少過程中人機交互的需要。

云端深度學習

5G數據網絡的到來為自動駕駛汽車提供了執行基于云計算的機器視覺計算的能力。海量機器類型通信(mMTC)允許在云中處理大量數據，用于機器視覺應用程序。使用卷積神經網絡分類器的深度學習算法可以快速進行圖像分類、目標檢測和分割。未來一年，這些新的人工智能和深度學習系統的開發將會增加。

機器人

根據國際機器人聯合會(International Federation of Robotics)的數據，2018年是機器人銷量創紀錄的一年，工業機器人銷量增長了31%。人類協作機器人、簡化使用和過程學習等趨勢，幫助推動了機器人在工業自動化領域的使用。在未來，工業機器人將更容易和更快地使用直觀的界面編程。人機協同將支持小批量、高復雜性的柔性生產。使用復雜性的降低使得機器人和視覺系統在中長期內得到廣泛使用。

高光譜成像

下一代模塊化高光譜成像系統提供了工業環境中的化學材料性能分析。化學色彩成像通過不同顏色的結果圖像可視化材料的分子結構。這使得化學成分可以在標準的機器視覺軟件中進行分析。典型應用包括肉類生產中的塑料檢測、不同可回收材料的檢測和泡丸檢驗質量控制。這類系統的主要障礙是處理所需的數據量和速度，但更快的處理、更好的算法和相機校準的發展，仍使其成為2019年的熱門話題。

熱成像工業檢測

熱成像相機傳統上用于國防、安全和公共安全，熱成像技術廣泛應用于探測。對于許多工業應用，例如汽車或電子工業的零部件生產，熱數據是至關重要的。雖然機器視覺可以看到生產問題，但它不能檢測熱異常。熱成像與機器視覺相結合是一個不斷發展的領域，這使得制造商能夠發現肉眼或標準相機系統無法看到的問題。熱成像技術提供非接觸式精密溫度測量和無損檢測，這是機器視覺和自動化控制領域的發展方向。

總結

與工業4.0相關的技術正在推動制造業發生的更多變化。機器視覺適用于所有行業，但在食品飲料、制藥和醫療器械制造等高規格、高監管行業尤為重要。企業轉向工廠自動化技術有多方面原因，包括提高生產線效率、更有效地利用資源和提高生產率。根據推測，預計在2019年機器視覺相關技術在各個領域的的需求還將不斷增長。