Machine Vision

Machine Vision, eller maskinseende, är teknik som gör det möjligt för datorer och maskiner att tolka visuell information från kameror och sensorer. I stället för att en människa granskar en bild eller videoström manuellt, analyserar ett system bilden automatiskt och fattar beslut baserat på det som upptäcks.

Machine Vision används ofta inom industri, logistik, säkerhet och automation för att identifiera objekt, upptäcka avvikelser, mäta kvalitet eller styra maskiner.

Det kan exempelvis handla om att kontrollera att en produkt är korrekt monterad, läsa av en registreringsskylt, upptäcka skador på utrustning eller hjälpa ett autonomt fordon att förstå sin omgivning.

Ett Machine Vision-system består vanligtvis av tre huvuddelar:

I enklare system kan analysen bygga på tydliga regler, exempelvis om ett objekt har rätt form, färg eller placering. I mer avancerade system används ofta AI och maskininlärning för att identifiera komplexa mönster som är svåra att beskriva med fasta regler.

Machine Vision används när visuella kontroller behöver göras snabbt, konsekvent och med hög precision.

Vanliga användningsområden är:

Exempelvis kan ett Machine Vision-system upptäcka om en produkt är felmonterad, om ett emballage saknar märkning eller om en person befinner sig i ett riskområde nära en maskin.

Begreppen Machine Vision och Computer Vision används ibland omväxlande, men de har delvis olika fokus.

Computer Vision är det bredare teknikområdet som handlar om att få datorer att tolka och förstå visuell information från bilder och video. Det kan användas i allt från medicinsk bildanalys och självkörande bilar till ansiktsigenkänning, konsumentappar och AI-baserad bildtolkning.

Machine Vision är mer tillämpat och används ofta för industriella och verksamhetsnära system där bildanalys kopplas till en konkret process, exempelvis kvalitetskontroll, robotstyrning, objektidentifiering eller avvikelsedetektering.

En vanlig kameraövervakningslösning visar eller spelar in vad som händer. Ett Machine Vision-system tolkar bilden och använder resultatet för att skapa en åtgärd, ett larm eller ett beslut i ett annat system.

• En övervakningskamera visar att en truck kör genom en port.
• Ett Computer Vision-system kan analysera bilden och identifiera att objektet är ett fordon.
• Ett Machine Vision-system kan läsa av truckens ID, kontrollera lasten, verifiera körvägen och automatiskt registrera händelsen i logistiksystemet.

Machine Vision genererar ofta stora mängder data, särskilt när flera kameror används samtidigt eller när videoströmmar analyseras i hög upplösning.

Beroende på tillämpning kan analysen ske:

• direkt i kameran
• i en lokal server eller MEC-miljö
• i ett centralt system eller moln
• i kombination mellan flera nivåer

När Machine Vision används för realtidsbeslut, automation eller säkerhetskritiska funktioner blir kommunikationen mellan kamera, analysplattform och styrsystem avgörande.

Ett tillförlitligt nätverk är viktigt för att säkerställa att bilddata:

• överförs med tillräcklig kapacitet
• når analysfunktionen med låg fördröjning
• hanteras säkert
• kan prioriteras vid behov
• finns tillgänglig även i krävande miljöer

I industriella miljöer kan detta vara avgörande för att systemet ska kunna fatta rätt beslut i rätt tid.