| 0 |
|
Машинний зір (Machine Vision, MV) використовує технологію, яка дозволяє промисловим машинам "бачити" і аналізувати завдання і приймати швидкі рішення на основі того, що сприймає система. MV швидко стає однією з найбільш центральних технологій в автоматизації. З огляду на те, що зараз ця технологія зливається з машинним навчанням (ML), щоб очолити перехід до Індустрії 4.0, можливості відкриваються величезні, особливо на периферії. Згідно з прогнозами глобальної технологічної аналітичної компанії ABI Research, до 2027 року загальний обсяг поставок систем камер досягне 197 мільйонів, а виручка - 35 мільярдів доларів.
«Перехід від машин, які можуть автоматизувати прості завдання, до автономних машин, які можуть "бачити", щоб оптимізувати елементи протягом тривалих періодів, буде стимулювати нові рівні промислових інновацій. Це інновація, яку ML пропонує для MV. Тобто ML може доповнити класичні алгоритми машинного зору, використовуючи діапазон і охоплення моделей нейронних мереж, таким чином розширюючи можливості машинного зору далеко за межі візуального огляду і контролю якості, що є класичним для «старого доброго комп'ютерного зору», пояснює Девід Лобіна (David Lobina), аналітик з питань штучного інтелекту і машинного навчання в ABI Research.
З усіх тенденцій на ринку ML, на периферії обчислень має найбільш захоплюючі застосування і переваги - а саме, в тих пристроях, які є частиною вбудованих систем і Інтернету речей. Розумне виробництво - це, мабуть, найпростіший випадок, коли розумні камери, вбудовані датчики і потужні комп'ютери можуть привнести аналіз відмивання грошей на кожен крок технологічного процесу. Розумний машинний зір працює на заводах, складах і транспортних центрах, допомагаючи і підтримуючи людей, виконуючи більш рутинні завдання, дозволяючи працівникам використовувати свій досвід, щоб зосередитися на найважливіших аспектах. Ринок також дозрів для розвитку у сфері "розумних" міст, "розумної" охорони здоров'я і "розумного" транспорту. Причому ATOS (в містах), Arcturus (в охороні здоров'я) і Netradyne (в транспорті) є одними з ключових вендорів в цих секторах.
Як і в інших випадках застосування периферійного ML, найкращим способом розвитку технології є поєднання апаратних і програмних рішень та використання інформаційно багатих даних. Досягти плідних результатів можна лише за допомогою комплексного підходу до поєднання всіх цих факторів. Постачальники усвідомлюють, що вони повинні надавати конкурентоспроможний продукт. У випадках, пов'язаних з конфіденційними або приватними даними, такими як охорона здоров'я, повний пакет повинен містити апаратне забезпечення (камери, чіпи і т.д.), програмне забезпечення і відмінний спосіб аналізу даних. Підхід "повного пакету", можливо, не є найпоширенішим прикладом на ринку. Тим не менш, постачальники повинні все більше усвідомлювати, як їх пропозиції можуть поєднуватися з іншими рішеннями, часто вимагаючи апаратно-діагностичного програмного забезпечення та аналізу даних. «Це дуже важливий момент у випадку з розумними містами, охороною здоров'я і транспортом, особливо з огляду на те, чого може досягти машинний зір у всіх цих сферах. Що стосується периферійної обробки даних, постачальники програмного і апаратного забезпечення, а також постачальники послуг почнуть розглядати цей сектор більш широко», - підсумовує Лобіна.
Стратегія охолодження ЦОД для епохи AI
| 0 |
|
