Machine Vision Gets Smarter

Several emerging technologies promise to further change machine vision capabilities over the next three to five years.

Machine vision systems are experiencing a significant transformation. Advances in artificial intelligence (AI), deep learning, and 3D imaging are improving inspection capabilities and making these systems more accessible. What once required extensive programming and vision expertise can now be accomplished through AI-powered systems.

“There has never been a time when this was more real,” says James Witherspoon, director of systems engineering at Zebra Technologies. “AI, deep learning, and 3D imaging are allowing companies to solve challenging quality inspections that could not be done before, and allowing them to simplify traditional inspections.”

Beyond the AI Hype

Still, AI is not a universal solution.

“There is still a lot of hype, and the uninitiated might get the impression that AI can do pretty much anything, which is certainly not the case,” says Marc Fimeri, managing director at Adept Turnkey. “However, when an application lends itself to AI and deep learning it is a very useful tool to create applications that would otherwise be impossible or at the very least extremely difficult with conventional algorithmic programming.”

David Dechow, industrial factory solutions architect at Motion Automation Intelligence, notes that machine learning and deep learning are the most relevant for machine vision applications.

“Early on, a common value proposition for deep learning (DL) was that it could do everything that ‘traditional’ machine vision could not, and that it was going to replace all machine vision technology,” Dechow says. “The first claim may be true in some isolated cases, but despite the original hype, ultimately DL technology has limitations and now has been better positioned as a part of the larger machine vision algorithm toolset.”

Deep learning excels in two key areas, Dechow says. First, vendors have developed models for specific inspection tasks, such as scratch detection and optical character recognition, that require little or no training. Second, deep learning simplifies extremely basic inspection applications through ease of use, even though traditional machine vision tools could accomplish the same tasks.

スマート化するマシンビジョン

新技術の登場で、マシンビジョンの能力は今後3～5年でさらに高まる見込み

マシンビジョンシステムは大きな変革期を迎えている。人工知能（AI）、ディープラーニング（深層学習）、3Dイメージングの進歩が検査能力の向上につながり、マシンビジョンシステムの普及を後押ししている。かつては大規模なプログラミングやマシンビジョンの専門知識が必要だったことも、今ではAIを搭載したシステムで実現できる。

「その実現性はかつてないほど高い」と、Zebra Technologies社のシステムエンジニアリング部門責任者、ジェームズ・ウィザースプーン氏は言う。「AI、ディープラーニング、3Dイメージングによって、これまで難しかった複雑な品質検査が可能になり、また、従来の検査も簡素化できるようになってきた」

AIへの過剰な期待の先にあるもの

それでもAIは万能ではない。

Adept Turnkey社のマーク・フィメリ社長は言う。「AIについては過度に期待をあおる宣伝がまだ多く、専門知識のない人はAIが何でもできるような印象を持つかもしれないが、もちろんそれは間違いだ。しかし、AIやディープラーニングに適した用途であれば、AIは非常に有用なツールとなり、従来のアルゴリズムによるプログラミングでは不可能か、少なくとも極めて困難な課題を解決してくれる」

Motion Automation Intelligence社の産業工場ソリューションアーキテクト、デビッド・デチャウ氏は、マシンビジョンを活用する際に最も有効なのがマシンラーニングとディープラーニングだと指摘する。

「ディープラーニングについて当初よく聞かれた触れ込みは、『従来の』マシンビジョンではできなかったことをすべて実現でき、あらゆるマシンビジョン技術に取って代わるようになる、ということだった。この初期の主張は、一部の例外的ケースには当てはまるかもしれない。しかし、当初の過剰な期待に反して、結局のところディープラーニング技術には限界があり、現在では、マシンビジョンのためのより広範なアルゴリズムツール群の一部という位置づけに落ち着いている」とデチャウ氏は言う。

デチャウ氏によると、ディープラーニングを効果的に活用できる分野は2つある。第一は、傷の検出やOCR（光学文字認識）など、特定の検査作業だ。これらに特化して開発されたディープラーニングモデルであれば、導入にあたり学習はほとんど、あるいはまったく必要ない。第二は、極めて基本的な検査システムの簡素化だ。これについては、従来のマシンビジョンシステムでも実現可能だが、ディープラーニングを活用すれば使いやすさが向上する。

【限定公開】テクニカルライティング講座資料を無料公開中

※原文記事を機械翻訳＋人手校正（ポストエディット）にて作成しております。