A partir de 2022, o tamanho do mercado de visão computacional é estimado em US$ 14 bilhões e deverá crescer a uma taxa média de crescimento anual de 19,6% de 2023 a 2030. Embora existam muitas inovações no campo da visão computacional e startups, no entanto, o tamanho do mercado é pequeno em comparação com outras tecnologias de IA. Por exemplo, espera-se que o mercado de IA generativa atinja 1,3 biliões de dólares até 2032.
Novos casos de uso para visão computacional
Agora, onde quer que você vá, é provável que haja câmeras escaneando você e algoritmos de visão computacional fazendo análises em tempo real. Alguns dos casos de uso mais comuns de visão computacional incluem digitalização de documentos, vigilância por vídeo, imagens médicas e detecção de fluxo de tráfego. Os avanços na visão computacional em tempo real impulsionaram casos de uso no varejo, como carros autônomos, lojas sem caixa e gerenciamento de estoque.
Muitos de vocês podem ter experimentado ou lido sobre esses casos de uso comuns, especialmente os principais aplicativos de visão computacional nos mercados automotivo e de consumo. Mas talvez você não saiba muito sobre como a tecnologia de visão computacional é usada na manufatura, construção e outras indústrias.
Estas indústrias são geralmente lentas a investir em tecnologia, mas iniciativas como a Indústria 4.0 na indústria transformadora, a construção digital e a agricultura inteligente estão a ajudar os líderes da indústria a compreender melhor as oportunidades das novas tecnologias.
Beneficie-se da redução de custos desperdiçados na fabricação
A visão computacional oferece oportunidades significativas na fabricação, onde os algoritmos de visão computacional podem atingir 99% de precisão. Este número é especialmente impressionante considerando que apenas 10% das empresas utilizam esta tecnologia. A indústria está passando por uma revolução digital ou continuará atrasada na adoção da tecnologia de visão computacional?
Determinar a qualidade do produto na movimentação de materiais é um caso de uso importante na fabricação, disse Arjun Chandar, CEO da IndustrialML. “Ao aplicar modelos de aprendizado de máquina quadro a quadro usando câmeras com alta taxa de quadros, os defeitos na linha de produção podem ser identificados muito rapidamente.
20% do custo total dos fabricantes em todo o mundo é desperdiçado. Esse custo equivale a US$ 8 trilhões anualmente. A visão computacional pode ajudar os fabricantes a reduzir perdas monitorando equipamentos, peças fabricadas e fatores ambientais.
A tecnologia subjacente para muitos casos de uso de manufatura é convencional, diz Shandar. “A maioria delas usa câmeras 2D, embora tenham altas resoluções, taxas de quadros acima de 20 fps e redes neurais convolucionais (CNNs).”
Para aumentar a precisão, será necessária uma estratégia de enriquecimento de dados. “Para aumentar a capacidade de aprendizagem, como num ambiente de produção típico, o número de boas imagens de produtos deve ser muito maior do que o número de defeitos”, acrescenta Chandar.
Uma maneira de preencher essa lacuna é usar dados sintéticos, uma abordagem usada pelas equipes de DevOps para aumentar a diversidade dos dados de teste.
Jens Beck, parceiro de gerenciamento de dados e inovação da Syntax, afirma que os fabricantes podem começar com etapas básicas de inspeção visual, o que pode levar a maiores oportunidades de automação. “Vemos visão computacional e inteligência artificial combinadas com inspeção visual, como inspecionar marcas de cola em carros”, disse Beck. O valor comercial para nossos clientes não é apenas a opção de aumentar a eficácia geral do equipamento (OEE), automatizando etapas manuais, mas também a capacidade de documentar inspeções e integrar a visão computacional aos sistemas de execução de fabricação (MES) e, em última análise, ao planejamento de recursos empresariais (ERP). . “Existem opções”, explica ele.
Melhore a segurança no chão de fábrica
Além da qualidade e eficiência, a visão computacional pode ajudar a melhorar a segurança dos trabalhadores e reduzir acidentes em fábricas e outros locais de trabalho. De acordo com o Bureau of Labor Statistics dos EUA, houve quase 400.000 lesões e doenças no setor manufatureiro em 2021.
“A visão computacional melhora a segurança dos trabalhadores em instalações conectadas, identificando potenciais perigos e ameaças aos funcionários de forma mais rápida, eficiente e consistente do que a supervisão humana”, disse Yashar Beyzadi, CEO e fundador da Synthesis AI. “Para aumentar a precisão e a confiabilidade da visão computacional, os modelos de aprendizado de máquina precisam ser treinados em grandes quantidades de dados e, em certos casos de uso, os dados não estruturados são frequentemente apresentados aos engenheiros de aprendizado de máquina em seu estado bruto e sem rótulo.”
A utilização de dados sintéticos também é importante para casos de utilização relacionados com a segurança, uma vez que é pouco provável que os fabricantes tenham imagens que destaquem os principais factores de segurança. “Tecnologias como dados sintéticos fornecem dados de alta qualidade e rotulados com precisão, o que economiza tempo e dinheiro e reduz a carga dos engenheiros de aprendizado de máquina ao levar em consideração casos extremos que podem resolver problemas causados por dados imprecisos”, acrescentou Bajadi.
“Os benefícios da visão computacional incluem análises em tempo real, maior eficiência e melhor tomada de decisões”, disse Sunil Kardam, chefe de logística e cadeia de suprimentos da SBU na Gramner. Kardam cita vários outros casos de uso: Foi compartilhado com
- Rastreie a movimentação de materiais, identifique defeitos em produtos e embalagens e reduza o desperdício
- Aplique protocolos monitorando o comportamento não autorizado dos funcionários
- Ele simplifica o processamento de documentos, otimiza o estoque, oferece suporte a reclamações de seguros e oferece suporte ao gerenciamento logístico eficiente.
Cardam diz que a visão computacional depende de câmeras e algoritmos avançados como YOLO, Faster R-CNN e OpenCV. Além disso, disse ele, os modelos de aprendizado de máquina de visão computacional “podem ser processados em dispositivos de ponta ou na nuvem por meio de câmeras inteligentes e APIs baseadas em nuvem, e fornecem funcionalidades poderosas”.
Monitoramento da rede elétrica
A maior parte da fabricação ocorre em ambientes fechados e os engenheiros têm algum controle sobre o ambiente, incluindo onde colocar as câmeras e quando adicionar iluminação. Os casos de uso de visão computacional tornam-se mais complexos ao analisar espaços externos e paisagens usando câmeras montadas, drones, aeronaves e satélites.
Vic Chaudhary, cofundador, CTO e COO da Buzz Solutions, compartilha exemplos do uso de drones. “A visão computacional é usada para monitorar e identificar falhas em subestações, bem como em redes de energia e serviços públicos, garantindo uma rede elétrica confiável e conectada em todos os Estados Unidos”, disse Chaudhry. “A visão computacional depende de milhares de imagens coletadas de várias instalações nos Estados Unidos para identificar com precisão ameaças, defeitos e anomalias.”
Incêndios em linhas de energia são uma preocupação séria. De acordo com o National Interagency Fire Center, mais de 3.200 incêndios florestais foram iniciados por linhas de energia nos Estados Unidos de 1992 a 2020, e o segundo maior incêndio florestal na Califórnia foi causado por linhas de energia muito próximas das árvores. As empresas de serviços públicos estão agora a avaliar a IA como uma oportunidade para melhorar as reparações e reduzir os riscos.
“Como o software utiliza dados e imagens reais de instalações existentes, é altamente preciso e pode identificar uma variedade de ameaças causadas pelo clima, infraestrutura mal conservada e aumento das temperaturas”, disse Chaudhry. “Ele permite uma manutenção rápida e eficiente, ao mesmo tempo que evita cortes generalizados de energia e desastres relacionados à rede.”
Interface cérebro-computador
O CTO da AAVAA, Naeem Comey-Repour, compartilhou as novas fronteiras da visão computacional e dos dispositivos de tecnologia emergentes. “As tecnologias de interface cérebro-computador (BCI) usadas em ambientes industriais complementam alguns casos de uso de visão computacional industrial, especialmente em ambientes perigosos com baixa visibilidade, temperaturas extremas ou disponibilidade limitada de câmeras”, disse Kumeripour. ” Ele disse.
A conclusão de reparos em ambientes perigosos é um exemplo, mas trabalhos de construção, refino de petróleo ou outros trabalhos de campo geralmente exigem o uso de ambas as mãos para inspecionar ou operar máquinas.
“Vamos pensar nos reparos feitos no local da obra”, disse Comey-Rebor. A tecnologia BCI usada em óculos inteligentes fornece um método alternativo de rastreamento ocular sem a necessidade de câmeras externas, para que eles ainda possam funcionar sob condições desafiadoras. Em vez de depender de câmeras, o BCI monitora os movimentos dos olhos interpretando sinais cerebrais e biológicos, como o eletroencefalograma (EOG). “A tecnologia inclui processamento avançado de sinais e algoritmos de aprendizado de máquina para analisar os movimentos oculares capturados por sensores especiais.”
editor@itworld.co.kr
“Pensador. Aspirante a amante do Twitter. Empreendedor. Fã de comida. Comunicador total. Especialista em café. Evangelista da web. Fanático por viagens. Jogador.”