随着新冠疫情的爆发，数字化转型似乎一夜之间被多个行业采纳。人工智能和智能工业自动化领域的加速应用将持续到2021年。计算机视觉驱动的视频分析彻底改变了风险缓解和管理、自动监控和安全，并帮助实现了工业环境中的运营效率。计算机视觉与其他技术的融合或进步将是主导2021年的主要技术趋势。
1. 安全:确保公众及工作环境安全
世界各地的工作场所都面临着新冠肺炎带来的挑战，培养安全的组织文化比以往更重要。各地纷纷引入新的安全协议和日常程序，以更好的方法来实现安全计划。技术在促进变革方面发挥着关键作用，视觉智能已经被世界各地许多行业用于实施安全解决方案。视频异常探测器是有效的自动监控、分析、发现异常的手段；毫无疑问，采用这种人工智能和计算机视觉解决方案将在2021年加强。
2. 质量检验:异常检测自动化
生产质量是至关重要的，在快节奏的工业操作条件下，故障在所难免。与传统的人类检测方法相比，基于计算机视觉的检测解决方案已经显示出明显的优势。食品饮料、汽车和钢铁等行业也在利用计算机视觉实现自动化和优化视觉检测。随着今年劳动力的减少和利润率的下降，再加上人工智能和计算机视觉检测技术带来的准确性、灵活性和低成本，2021年会有更多行业领袖寻求利用该技术来实现精良的质量管理。
3.无损检测:热成像分析
热感照相机最初作为监视的夜视工具，是为军事目的所开发，但如今随着价格的下降，它正被应用到更广泛的领域。其中一个应用就是增强无损检测计算机视觉。该解决方案通过使用NDT技术拍摄的放射学图像来检测缺陷并标记感兴趣的区域，该区域很可能出现已定义的缺陷或异常。例如基于自动视觉的检测拓宽了“可见”光谱，并可以检测到金属表面肉眼不可见的缺陷(例如焊接缺陷)。
热成像数据的另一个有趣的应用是了解秘鲁安第斯山脉冰川的表面覆盖物是如何影响融化速率。在过去几十年中，这些冰川的表面覆盖物萎缩了约30%。它对生活在秘鲁安卡什地区的人们的水供应构成了严重的威胁。爱丁堡大学的研究员利用配备了热成像摄像机的无人机获取数据，绘制了南美一些最高冰川的表面图。未来几年，计算机视觉和深度学习技术将有助于此类分析、研究和实验。
4. 实时视觉:边缘计算的兴起
边缘计算是指附加在物理机器上的技术，它允许在收集数据的地方对数据进行处理和分析，而不是在云端或数据中心进行。这对于可能出现网络故障的行业非常有用。边缘计算的进步解决了网络可访问性和延迟问题。对于计算机视觉，这有助于更好地实时响应，并将相关的见解转移到云上进行进一步分析。2021年，边缘端的视频分析软件将为业务需求提供一个可行的选择，以实现更快的计算速度、高数据安全性和实时洞察力。
5. 视觉与协助之手: 利用传感器数据进行三角测量
通过直观的控制界面、强大的边缘计算和高效的闭环信息交换，新的技术进步改善了传感器和视觉数据的集成。例如，视频分析为军事和国防领域的自动监控开辟了新的领域。先进的周界监测系统从多个接触点收集各种形式的数据(传感器数据、视频和无人机图像)，并对它们进行三角定位，以提供实时的洞察。该集成提供多层次的安全系统，具有入侵检测、不明物体检测、车辆检测和用户访问控制等功能。
6. 视觉本身:闭环解决方案
由于模型的准确性和可靠性等问题，在基于计算机视觉的系统上实现闭环一直具有挑战性。在过去的十年里，我们看到了基于视觉的闭环解决方案的巨大发展。一个简单的例子是通过面部识别进行自动用户访问控制。视觉控制技术的成熟可以在自主汽车和无人驾驶汽车的发展中实现。当传统的精确位置或方向数据源（如GPS/IMU）不可用时，视觉系统仅使用视觉反馈即可实时控制车辆运动。到2021年，我们将看到许多为工业用例开发的闭环视觉系统。
7.自动标注与训练
计算机视觉模型的复杂程度取决于它所接受训练的数据的数量和质量。数据标注需要人力，无论是内部来源的还是外包的，手工标注是一项乏味且复杂的任务。它需要专门的劳动力培训和注释工具，还需要跟踪注释的质量和速度，不但延长了项目时间线，增加了成本，还容易出现人为错误。
随着人工智能技术的进步，新的计算机视觉平台正在开发中，它可以帮助人工智能团队进行自动化数据标记。人工智能有助于减少错误，确保更快的数据吞吐量。2021年，我们将见证图像和视频注释的端到端自动解决方案。数十家公司使用人工智能来检测汽车、制药产品包装、石油钻井平台、管道的损坏及异常或监控工作场所的安全等。此类自动化工具和培训工作流程将提高质量，并无缝地为数据管道提供燃料，以更快地激活计算机视觉应用程序。
8. SAAS视频分析解决方案
实现全行业视频分析解决方案的瓶颈通常是硬件升级，这在传统监控系统中成本非常高。我们正在见证视频分析软件的崛起，这些软件可以与现有的基础设施无缝集成，并可以在运行中随时随地提供见解。软件接受超过300种不同参数的训练，以实现灵敏的跟踪，并将误报率降至最低，而无需大量的硬件费用。软件还可以定制、易于扩展、节省成本和时间。到2021年，我们将看到基于计算机视觉的软件的进步，可以随时动态地改变任何相机到AI模型的映射。
9.人工智能的可解释性
从简单的目标检测到事件跟踪，计算机视觉模型有着广泛的应用。模型的准确性已经上升到95%-99%，这给大多数企业负责人留下了深刻印象。然而，在评估模型中的信任时，理解检测或操作背后的原因同样重要。在华盛顿大学的学生们进行的一项实验中，他们训练了一个基于计算机视觉的神经网络，用特定的数据集来区分狗和狼。令人惊讶的是，这个模型没有发现狼和狗之间的区别，为了满足这一要求，出现了解释图像分类或分割的新型人工智能模型。这些计算机视觉和机器学习模型提供了预测背后的推理，而无需对其进行人类解释。在接下来的几年里，我们将看到更多的研究人员提出工具和框架来理解和解释计算机视觉模型的行为和性能。
结论
据Gartner称，2019年全球计算机视觉市场规模为106亿美元，预计2020年至2027年复合年增长率为7.6%。视觉智能将在后冠状病毒时代的工业世界中发挥关键作用。随着过去9个月数字化转型适应的激增，制造业对先进自动化的迫切需求，对视觉导向质量检验系统的需求激增，以及政府对工人安全的有利举措不断增加，我们预计市场将呈指数级增长。
声明：本文版权归原作者所有，转载请注明出处，请勿转至外网或用于商业用途。
