机器视觉 - 旅程通向何方
生活的各个领域都在发生变化，这已经不是什么新认识。所有经 济领域自然也是如此，甚至是机器视觉。这个相对年轻的行业 有哪些挑战？哪些领域的需求会上升，哪些领域的需求可能会下降？未来 12 个月，机器视觉有哪些主要的发展趋势？MVTec Software GmbH 营销和业务开发总监 Maximilian Lückenhaus 博士提供了一些预测。
Lückenhaus 博士，经济整体正面临着各种危机、短缺和不确定性。这对机器视觉行业有何影响？
Maximilian Lückenhaus 博士：目前， 整体经济形势自然是受到了过去两三年 间种种挑战的影响，从 COVID-19 疫 情到乌克兰战争。它们不仅给人类带来了痛苦，也对全球供应链、能源市场 和总体价格水平产生了深远影响。这些危机带来的教训之一是企业需要增强应变能力。在这方面，自动化起着关键作用。企业也在努力健全自己的供应链， 有时这意味着需要将产能转移回本土。 就这一点而言，提高自动化程度也很有必要。然而，技术人员的持续短缺正在阻挡这一趋势。毕竟，即使是自动化的流程链，也需要高素质的专家为工作流程提供专业知识作为补充。针对这些挑战，机器视觉给出了有力的回答。
具体是怎样的回答？
经营环境对我们行业未来经济发展的影响远胜以往。更重要的是，之前提到的种种风险和地缘政治危机正在影响我们客户行业的投资项目，例如生产基地的灵活搬迁。为此，机器视觉组件必须能够支持不同的用户语言和不同的本地行业标准。这是第一点。第二点则涉及到机器视觉领域的发展。这些主要是由技术驱动。深度学习是这方面最热门的主题。对于机器视觉公司来说，这首先意味着为客户提供更紧密的支持，例如在应用中。同时，也意味着他们需要在技术方面发挥领导作用。仅仅掌握深度学习是不够的；公司还需要牢牢掌握各种传统方法，并且要尽可能让二者都易于使用。 毕竟，除了自动化本身， 让技术变得易于使用也是机器视觉对技能短缺等挑战的重要回应。
您认为深度学习对于机器视觉的重要性会如何发展？
如果能以行业兼容的方式实现，作为一 种补充和发展传统机器视觉方法的手段，深度学习将会变得越来越重要。根据分析公司 Gartner 最近的一项研究， 深度学习目前正处于整合阶段。换句话说，炒作正在降温，企业谈论这一话题的态度更趋现实。
这方面的一个恰当例子是人工智能加速 器越来越多的使用。深度学习对计算能力的要求很高，因此需要高性能的硬件组件。深度学习加速器是一种体积 小、能耗低但功能强大的芯片，旨在大 幅提高深度学习过程的速度。由于加速器的结构紧凑，现在工业 PC 等体积较 小的计算设备也能使用深度学习算法。 关于如何在越来越多的应用中以有意义且适当的方式运用深度学习，这是一个例子。
