La visión embebida impulsa la innovación en todas las industrias

La tecnología de visión embebida está llamada a impregnar prácticamente todos los aspectos de la vida cotidiana. Un panel reciente en Embedded World 2021 exploró su despliegue actual, la integración de IA y la dinámica entre el edge y la nube.

Avances que impulsan la adopción

Los progresos en sensores, procesadores y software están llevando la visión embebida a la agricultura, la fabricación, los vehículos autónomos y el deporte profesional. La pandemia de COVID‑19 aceleró aún más su implementación, con sistemas de visión utilizados para vigilancia pública, controles de salud e inspecciones de seguridad.

Visión embebida habilitada por IA

La inteligencia artificial está transformando el procesamiento de imágenes, ya que los desarrolladores adoptan cada vez más el aprendizaje profundo y las redes neuronales para mejorar la detección y clasificación de objetos. La IA abre nuevas posibilidades, pero los panelistas coincidieron en que debe volverse más fácil de usar.

“La IA ofrece beneficios significativos a los clientes, pero puede resultar torpe”, afirmó Olaf Munkelt, director general de MVTec Software. “Necesitamos simplificar todo el flujo de trabajo de la IA —desde el etiquetado y la inspección de datos hasta la gestión y el despliegue— para que las soluciones de visión embebida aporten valor tangible rápidamente”. Munkelt abogó por un enfoque integrado que agilice cada paso, incluyendo la segmentación semántica, la clasificación y la detección de anomalías.

Fredrik Nilsson, responsable de la unidad de Machine Vision en Sick, hizo eco de este sentimiento. Señaló que el aprendizaje profundo resuelve tareas con las que el procesamiento de imágenes basado en reglas lucha, pero ambos enfoques coexistirán en el futuro previsible. “Las soluciones híbridas —usando aprendizaje profundo para segmentación y algoritmos tradicionales para medición— se convertirán en el estándar”, declaró Nilsson.

Munkelt también destacó la carrera en hardware de aceleración de IA. Las startups están produciendo chips que pueden superar a los proveedores de GPU establecidos entre 10 y 20 veces. La velocidad será crítica a medida que crezcan los volúmenes de imágenes, y la comunidad de visión está explorando activamente estos aceleradores para maximizar el rendimiento.

¿Qué ocurre en el edge? ¿Qué ocurre en la nube?

Amazon Web Services (AWS) esbozó una estrategia dual para la visión embebida. Austin Ashe, responsable de alianzas estratégicas OEM para IoT, explicó que AWS busca reducir la barrera de entrada para recién llegados y extender el valor más allá de los pilotos iniciales. “Aproximadamente el 75 % de las empresas planea pasar de piloto a operación completa en los próximos dos a cinco años”, dijo Ashe, subrayando la necesidad de orquestación entre edge y nube.

Los dispositivos edge gestionan la latencia, el ancho de banda, el coste y la seguridad. AWS puede monitorizar dispositivos —ya sea una sola unidad o una flota— proporcionando alertas en tiempo real y permitiendo actualizaciones over‑the‑air. Este modelo permite a las empresas entrenar un modelo en la nube y luego desplegarlo sin problemas en sus máquinas.

Para organizaciones que carecen de talento en ciencia de datos, Ashe explicó que subir solo diez a doce imágenes de anomalías a la nube puede producir instantáneamente un modelo de detección personalizado, que luego puede iterarse y enviarse al edge.

Durante la conferencia, Basler y AWS demostraron cómo su colaboración cierra la brecha con AWS Panorama —un dispositivo y SDK de machine learning que permite la toma de decisiones visual en tiempo real— y Amazon Lookout for Vision, un servicio que identifica defectos y anomalías en imágenes.

A medida que las aplicaciones exigen menor latencia, Ashe señaló que el edge seguirá siendo primordial, pero las emergentes redes 5G estrecharán la integración entre nube y edge, abriendo nuevas posibilidades de casos de uso.

Complejidad, tamaño y coste

Arndt Dake, CMO de Basler, advirtió que el panorama multiprocesador —CPU, GPU, acelerador de IA, ISP— añade complejidad. “Los clientes deben mapear software en cuatro recursos en lugar de uno”, dijo, enfatizando que la usabilidad y los beneficios demostrables impulsan la adopción.

En cuanto al tamaño de los dispositivos, Dake afirmó que la industria seguirá reduciéndose, con los smartphones como referencia de sistemas de visión compactos y de alto rendimiento.

El coste sigue siendo una barrera. Munkelt señaló que muchas aplicaciones aún no se justifican debido a los altos precios; reducirlos desbloqueará nuevas posibilidades. Nilsson añadió que una mayor facilidad de uso, precios más bajos y dispositivos más pequeños harán la visión embebida accesible a empresas más pequeñas que aún no han adoptado la tecnología.

>> Este artículo se publicó originalmente en nuestro sitio hermano, EE Times Europe.