Các cảm biến mới và sự tích hợp nhiều hơn của trí tuệ nhân tạo không chỉ cải thiện khả năng nhạy của camera mà còn giúp chúng dễ triển khai và vận hành hơn.

Khi hệ thống thị giác Camera được  cải thiện nhờ những tiến bộ trong công nghệ chip, phần mềm dễ sử dụng hơn và chi phí thấp hơn, IoT Analytics(nhà cung cấp thông tin chi tiết về thị trường và thông tin kinh doanh) đã xem xét ba phát triển công nghệ cụ thể mà họ cho là có tác động lớn nhất đến Machine VIsion và ứng dụng ngày nay. Theo IoT Analytics, người dùng Machine VIsion nên lưu ý những xu hướng này vì chúng là động lực chính đằng sau sức mạnh ngày càng tăng của hệ thống thị giác máy và khả năng mang lại lợi tức đầu tư đã được chứng minh.

Công nghệ tiên tiến #1: Camera tiên tiến

Với nhiều camera, Cảm biến thị giác có độ phân giải hơn 45 megapixel, những camera này có thể chụp các đối tượng ở tốc độ cực cao mà không bị biến dạng. Một tiến bộ khác cung cấp năng lượng cho các khả năng thị giác máy mới là các cảm biến thị giác dựa trên sự kiện.

Theo IoT Analytics, các cảm biến này xử lý hình ảnh tương tự như cách dây thần kinh thị giác trong mắt người xử lý thông tin. Cụ thể hơn, các cảm biến tầm nhìn dựa trên sự kiện này phát hiện những thay đổi về độ sáng của từng pixel. Theo Sony, nhà cung cấp cảm biến thị giác máy, khả năng này cho phép sử dụng thị giác máy trong môi trường tối hơn nhiều so với các cảm biến thị giác dựa trên khung hình truyền thống, trong đó một hình ảnh hoàn chỉnh được xuất ra theo các khoảng thời gian được xác định bởi tốc độ khung hình. Sony Semiconductor Solutions Corporation gần đây đã phát hành hai loại cảm biến hình ảnh dựa trên sự kiện xếp chồng lên nhau được thiết kế để sử dụng trong công nghiệp. Cảm biến IMX636 và IMX637 có mức tiêu thụ điện năng thấp và cung cấp đầu ra dữ liệu tốc độ cao, độ trễ thấp, độ phân giải cao theo thời gian. Theo công ty, những cảm biến này cũng đã cung cấp  kích thước pixel nhỏ nhất trong ngành là 4,86μm. 

Tiến bộ công nghệ #2: Trí tuệ nhân tạo

Việc kết hợp trí tuệ nhân tạo (AI) vào các ứng dụng thị giác máy là một trong những động lực chính của Machine VIsion công nghiệp trong vài năm qua.

Trong khi thị giác máy dựa trên quy tắc tỏ ra hữu ích trong việc xác định các đặc điểm có thể định lượng, rõ ràng và rất cụ thể để trả lời các câu hỏi có hoặc không (ví dụ: hiện diện hay vắng mặt), thì thị giác máy dựa trên AI “có thể cung cấp kết quả chính xác cho các đặc điểm không định lượng được, phân biệt các khiếm khuyết trong nhiều cài đặt nền và ánh sáng khác nhau, đồng thời hoạt động linh hoạt với các biến thể về hình thức sản phẩm và các loại lỗi (ví dụ: vết lõm hoặc đổi màu)”, theo IoT Analytics.

Có thể thấy một ví dụ về điều này trong công việc đang được thực hiện bởi Neurala, một công ty công nghệ AI và Flir System, nhà cung cấp Camera và cảm biến hình ảnh nổi tiếng, để cung cấp một hệ thống hình ảnh công nghiệp dựa trên AI. 

Theo Flir và Neurala, hệ thống hình ảnh mới này cho phép người dùng “tạo nhanh các mô hình học sâu bằng cách sử dụng Brain Builder của Neurala trên nền tảng VIA với ít dữ liệu và không cần chuyên môn về AI. Những mô hình này có thể được tải trực tiếp lên Camera Flir Firefly DL bằng bộ công cụ phát triển phần mềm Flir Spinnaker miễn phí.”

Bởi vì các mô hình có thể được triển khai trực tiếp trên Camera Flir Firefly DL, các công ty tuyên bố rằng một điểm kiểm tra tự động, thông minh có thể được đặt thực tế ở bất kỳ đâu trong dây chuyền và nhanh chóng được cấu hình lại cho các ứng dụng mới.

Tiến bộ công nghệ #3: Đào tạo tự động

Khoản tạm ứng này có thể được bao gồm trong khoản tạm ứng số 2 ở trên, vì nó cũng là kết quả của trí tuệ nhân tạo. Tuy nhiên, nó xứng đáng có một danh mục riêng vì nó không chỉ cải thiện khả năng của Camera mà còn cả trải nghiệm cho người dùng. Trong trường hợp này, chúng ta đang nói về việc kết hợp AI học sâu vào thị giác máy để “huấn luyện” Camera nhanh hơn bao giờ hết.

 Cách đây không lâu, việc đào tạo camera thị giác máy để phát hiện lỗi trong một bộ phận hoặc sản phẩm yêu cầu hệ thống thị giác phải được cung cấp hàng trăm hình ảnh của cả sản phẩm chấp nhận được và sản phẩm có lỗi để có thể xác định sự khác biệt một cách hiệu quả. Các chip mới, chẳng hạn như dòng Neon-2000-JNX của  Adlink Tecknology với  mô-đun Nvidia Jetson Xavier NX tích hợp, có thể xử lý hình ảnh và chạy các thuật toán thị giác máy tính dựa trên AI. Điều này đã giảm thời gian đào tạo hệ thống thị giác từ hàng tuần xuống hàng giờ.

Thay vì để hệ thống thị giác máy dựa vào các quy tắc do chuyên gia tạo ra, phần mềm thị giác máy do AI cung cấp có thể tự tìm hiểu khía cạnh nào là quan trọng và tạo ra các quy tắc xác định sự kết hợp của các tính năng xác định chất lượng sản phẩm.

Anatoli Gorchet, đồng sáng lập và giám đốc công nghệ tại Neurala cho biết: “Với các thuật toán học mạng thần kinh, người dùng không còn cần phải tạo thủ công một mô hình thị giác máy cho mọi tình huống sản xuất. “Họ chỉ cần thu thập dữ liệu thích hợp—cho dù đó là trái cây, bộ phận máy bay hay van thông gió—và huấn luyện mô hình với dữ liệu đó.”