Nuevos horizontes para la tecnología de visión por computador

Recomendados:  Subvenciones para la modernización de tu ayuntamiento: aspectos clave Webinar Transformación digital y modernización de las administraciones de las entidades locales Leer

Tradicionalmente, la visión por computador, o visión artificial, se ha utilizado en campos como la seguridad, la supervisión de activos o el control de calidad de productos en las fábricas. Pero a raíz de la pandemia se han buscado nuevos usos en combinación con las últimas innovaciones en reconocimiento de imágenes, inteligencia artificial, aprendizaje automático y profundo. Por ejemplo, para la monitorización de multitudes o la detección automatizada de personas potencialmente enfermas.

A raíz de esto se han ido desarrollando casos de uso innovadores más allá de la sanidad, en áreas como el mantenimiento predictivo, la inspección automatizada de alta precisión, la selección automatizada o los sistemas automáticos de clasificación de mercancías. Según el último informe elaborado por ABI Research, el mercado de visión artificial seguirá progresando este año hasta alcanzar un valor de 21.400 millones de dólares. Y prevén que para el año 2027 continuará creciendo a una CAGR del 11%, hasta unos 36.000 millones de dólares.

En este tiempo se convertirá en una tecnología habilitadora de la digitalización y la automatización en industrias como la automoción, la fabricación, la atención sanitaria, el comercio minorista, los edificios inteligentes y las Smart Cities. Lian Jye Su, analista principal de ABI Research, comenta que “se espera que estos casos de uso innovadores impulsen el crecimiento futuro de la industria. Un habilitador clave de estos casos de uso de innovación es el aprendizaje automático (ML), en particular la tecnología de aprendizaje profundo (DL) en la visión artificial”.

Sus investigaciones revelan que actualmente la mayoría de proveedores de tecnología ofrecen soluciones flexibles, escalables y altamente eficientes basadas en Deep Learning, y las empresas que las utilizan están comenzando a percibir los beneficios de esta innovación. Su añade que “cuando se combina con factores como la disminución del costo de los componentes y la ingeniería, el aumento de la facilidad de integración con soluciones de terceros, el aumento de los juegos de herramientas y el software de código abierto, la barrera para adoptar una solución de visión artificial efectiva se ha reducido significativamente para muchas empresas”.

De cara a los próximos años, los expertos pronostican que la computación distribuida irá ganando presencia en las implementaciones de aprendizaje automático para visión artificial, y grandes firmas como Nvidia, Qualcomm, Xilinx y NXP ya están lanzando procesadores que permiten ejecutar modelos de ML en las propias cámaras o en las puertas de enlace y servidores locales a los que estas se conectan. Esto permitirá llevar el procesamiento de imágenes para aplicaciones de visión artificial a las instalaciones a tiempo real, en lugar de depender de servicios en la nube, que se ven ralentizados por la latencia en las comunicaciones.

Para habilitar estas capacidades estos proveedores están desarrollando soluciones que abarcan desde los procesadores de machine learning a entornos de desarrollo de ML y mejoras de seguridad integradas que facilitan el desarrollo y la implementación de modelos de ML capaces de integrarse más fácilmente con los flujos de trabajo existentes. Las previsiones de ABI Research son que en los próximos cinco años aumentará la competitividad en este ámbito, gracias a la aparición de nuevos jugadores centrados en la visión por computador perimetral, como Hailo, Perceive, Syntiant, Mythic, GrAI Matter Labs y DeGirum.

Segmentando el mercado, la categoría de hardware representa actualmente la gran mayoría del mercado, con una participación del 89% en los ingresos, pero se espera que en este tiempo el software y los servicios aumenten ligeramente su cuota, pasando del actual 11% a un 16%. Y creen que la aparición de la visión por computador basada en DL impulsará nuevos modelos de negocio basados en el desarrollo, la implementación y el mantenimiento de modelos de visión artificial basados en DL para verticales específicas.

Ejemplos de ello son la firma Instrumental y Landing AI, que proporciona soluciones de visión artificial para la fabricación, Cipia y Cogniac, centrados en telemática de vídeo y monitorización de conductores, o Arterys y Lunit, dedicados al diagnóstico de pacientes en la industria sanitaria. Su concluye su informe diciendo que “en lugar de confiar completamente en la experiencia interna, las empresas pueden asociarse con estas empresas para desarrollar soluciones específicas juntas. Tales asociaciones son fundamentales para reducir la complejidad en la creación y el mantenimiento de modelos ML personalizados, acelerando el tiempo de comercialización y maximizando el retorno de la inversión”.