Den hurtige indførelse af vision-teknologi i indlejrede systemer har drevet udviklingen af ultra-høj-billedløsninger til bilsikkerhed, maskinsyn og bevægelsesanalyse. I overensstemmelse hermed kan mere kraftfulde billedsensorer og mindre pixelarkitekturer forbedre ydeevnen og billeddannelsesmulighederne for disse produkter betydeligt.
Maskinsynsteknologi bruger billedgenkendelsesalgoritmer til at identificere objekter i billeder og giver mere detaljerede og nøjagtige billeder af disse objekter uden forvrængning, uden at gå på kompromis med en lang række applikationer såsom industriel automation, robotteknologi, droner og 3D-modellering.
For det første reducerer kompakte, men kraftfulde processorplatforme omkostningerne ved traditionelle machine vision-systemer. For det andet udvikler nye billedsensorer sig hurtigt ved hjælp af kraftfulde,-lavpris- og energieffektive-omkostningsteknologier for at imødekomme kravene fra industrielle-billedbehandlingsapplikationer såsom optisk inspektion og industriel automatisering.
Billedsensorer er et nøgleelement i ethvert maskinsynsdesign og er under hurtig transformation med hensyn til hastighed og opløsning. Nye billedsensorer muliggør højere billedhastigheder uden at gå på kompromis med billedkvaliteten. Med hensyn til opløsning har disse billedsensorer desuden robuste optiske egenskaber, der sikrer de billeddetaljer og ydeevne, der kræves til moderne maskinsynsinspektioner.
Disse lav-indlejrede systemer kan også understøtte en række produktopløsninger, mens de rummer en bred vifte af pixelfunktioner. I disse indlejrede visionsystemer-som hurtigt udvikler sig sammen med nye pixelarkitekturer-kan større pixels afveje opløsning for en given optisk konfiguration for at opnå højere billedfølsomhed.
Machine vision er kernen i den industrielle automatiseringsrevolution. Maskinsyn er dog ikke begrænset til revolutionen inden for industriel robotteknologi. Dens applikationer spænder over stort set alle maskiner og alle aspekter af fremstillingscyklussen.
Faktisk bliver maskinsyn brugt i mange applikationer ud over fabriksgulvet. Dens applikationer spænder fra nummerpladegenkendelse i intelligente transportsystemer til sporing af kunders og varer i kasse-mindre butikker, samt fungerer som det centrale vejledningssystem for autonome køretøjer.
I dag er maskinlæring blevet en nøgleteknologi i autonome køretøjer. Det spiller også en afgørende rolle i Advanced Driver Assistance Systems (ADAS), hvor forskellige maskinsynsalgoritmer giver upåklagelig perceptionsnøjagtighed.
Machine vision udfører også intelligent videoindholdsanalyse for adskillige kamera-centrerede applikationer, herunder overvågning, augmented reality (AR) og virtual reality (VR) headset og tilbehør.
Nogle billedsensorer bruger global lukkerteknologi til at eliminere bevægelsesartefakter og sløring. Globale lukkere har sat nye standarder inden for kameradesign, hvilket muliggør enestående billedydelse, høj billedensartethed og lav støj. I modsætning til teknologi med rullende lukker giver global lukkerteknologi sensoren mulighed for at scanne hele billedområdet samtidigt, hvilket er afgørende i maskinsynsapplikationer.
Et andet stort skift inden for maskinsyn har været overgangen fra opladnings-coupled device (CCD) billedsensorer til mere omkostningseffektive CMOS-baserede kamerasystemer, som også bruger mindre strøm og tilbyder højere billedhastigheder.
CMOS-billedsensorer har gjort betydelige fremskridt inden for to nøgleområder: billedhastighed og støjniveauer. For indlejrede visionsystemer er CMOS-sensorer gradvist ved at blive en mere omkostningseffektiv, bæredygtig mulighed på grund af deres forbedrede støjegenskaber. Ydermere giver CMOS-billedsensorer et mere detaljeret overblik over et større overfladeareal, hvilket er et kritisk krav i fabriksautomationsmiljøer.
Maskinsyn er en vigtig manifestation af kunstig intelligens (AI)-revolutionen og er skiftet fra akademisk forskning til den kommercielle sektor. For eksempel er machine vision-systemer nu meget brugt i svejseindustrien til automatisk svejseinspektion, til kontrol af nøjagtigheden af svejseudstyrsbaner under svejseprocessen eller til inspektion af kvaliteten af svejsninger efter svejsning.
CMOS-centrerede kameradesign hjælper udviklere med at opfylde behandlingskravene og de lave-effektbegrænsninger i maskinsynsapplikationer. Store ændringer i maskinsyn og billedsensorteknologidesign er alle rettet mod at betjene applikationsområder som bevægelsesanalyse, robotteknologi, sporing, industriel inspektion og metrologi.