Najważniejszą zmianą na rynku systemów wizyjnych jest pojawienie się skutecznych rozwiązań opartych na tzw. głębokich sieciach neuronowych, które znacząco zwiększają poziom niezawodności w trudnych aplikacjach wizyjnych, a także otwierają zupełne nowe możliwości wdrażania inspekcji wizyjnej.
Dlaczego ktoś miałby zdecydować się na to nowe podejście, zamiast wciąż bazować na systemach tradycyjnych? Po pierwsze, w przypadku zastosowania głębokich sieci neuronowych odchodzi do lamusa manualne tworzenie algorytmów oraz utrzymywanie ich na zasadzie ?kręcenia parametrami?. Zamiast tego, jeśli system wymaga dostosowania do zmian w produkcji, użytkownik dodaje nowe obrazy wzorcowe i dotrenowuje model. Po drugie, integrator systemu nie potrzebuje ścisłej specyfikacji defektu ? użytkownik końcowy może zdefiniować swoje oczekiwania na podstawie reprezentatywnego zbioru przykładów obiektów poprawnych i wadliwych, pozostawiając sieci neuronowej dopracowanie szczegółów. Ma to duże znaczenie w takich zastosowaniach, jak produkcja żywności, tekstyliów, elementów z form wtryskowych czy we wszelkiego rodzaju systemach inspekcji powierzchni, gdzie defektu nie da się określić za pomocą sztywnych reguł.
Jakie są więc ograniczenia? Systemy oparte na głębokich sieciach neuronowych wymagają znacząco wyższej mocy obliczeniowej. Obecnie moc tę zapewniają nam dedykowane karty graficzne, aczkolwiek wciąż w typowych zastosowaniach głębokich sieci neuronowych czas inspekcji jest dłuższy niż w typowych zastosowaniach tradycyjnych systemów wizyjnych. Istnieje też duża grupa zastosowań, w których tradycyjne systemy sprawdzają się wystarczająco dobrze i są wystarczająco łatwe w użyciu ? są to przede wszystkim: systemy pomiarowe, systemy weryfikacji daty i odczytu kodów czy inspekcje polegające na prostej weryfikacji obecności wyraźnie widocznego elementu. W tego typu zastosowaniach głębokie sieci neuronowe byłyby rozwiązaniem niedostosowanym do potrzeb. Dużo lepszym wyborem są w tym wypadku tradycyjne systemy.
Michał Czardybon, główny menedżer w firmie Adaptive Vision
