Mercado de reconhecimento de imagem AI

Mercado deReconhecimento de imagem AI Resumo:

De acordo com a Transpire Insight, o tamanho do Mercado deRe provas de imagem AI é estimado em US$ 3,27 bilhões em 2025 e está previsto para atingir US$ 12,77 bilhões em 2033, crescendo em um CAGR de 18,60% de 2026 a 2033.

O mercado AI Image Recognition permite que as empresas convertam fluxos de câmeras, imagens médicas, imagens de produtos e vídeos industriais em uma linha de decisões de negócios. Essas decisões podem rejeitar partes defeituosas, sinalizar comportamentos suspeitos, autenticar identidades ou priorizar achados de radiologia. Nos últimos três a cinco anos, o mercado de reconhecimento de imagem mudou-se dos classificadores de imagem de ponta única à base de nuvem para sistemas de visão multimodal baseados em bordas que analisam imagens e vídeos próximos de suas fontes. Uma mudança estrutural chave é a proliferação de aceleradores de IA construídos com propósito e dispositivos de pequena borda que podem minimizar a latência, os custos de largura de banda e a exposição de dados visuais sensíveis. Os drivers estratégicos desta mudança são a escassez de mão-de-obra e o alto custo dos erros na fabricação, logística, varejo e saúde. À medida que as empresas automatizam os fluxos de trabalho de inspeção e vigilância, o reconhecimento de IA substitui a revisão manual repetitiva por monitoramento visual contínuo, aumento da produtividade, aumento da rastreabilidade e criação de novas receitas baseadas em serviços para software, hardware e integração. Além disso, o aumento da regulação dos sistemas biométricos está gerando demanda por implantações auditáveis e controladas pelo homem.

Mercado deReconhecimento de imagem AI Tamanho & Forecast:

• Tamanho do mercado 2025: USD 3.27 Billion
• Valor de mercado esperado (2033): USD 12.77 bilhões
• Previsão CAGR (2026-2033): 18,60%
• Região líder em 2025: América do Norte
• Região de crescimento mais rápida: Ásia Pacífico
• Perfil da empresa-chave: NVIDIA, Intel, Google, Microsoft, IBM, Amazon Web Services, Qualcomm, Sony, NEC, Cognex, Keyence, Basler, Teledyne Technologies, Zebra Technologies, SenseTime.

Key Mercado deReconhecimento de imagem AI Insights:

O mercado está se movendo de uma solução de reconhecimento autônomo para pilhas de inteligência visual de ponta a ponta, onde a velocidade de uma resposta, controle de dados e integração do fluxo de trabalho se tornam os principais fatores que impulsionam o valor de um contrato. Os fornecedores estão indo além da precisão genérica de detecção de objetos para se diferenciar com hardware especializado, modelos multimodais e implementação pronta para conformidade.

• A NVIDIA continua a se concentrar em hardware com 45.12% do mercado, pois estende a computação de borda a nuvem acelerada para cargas de trabalho de visão em tempo real de múltiplas câmeras.
• Software, 21.00%, está indo com o fluxo de trabalho, com o Google e a Microsoft adicionando recursos de visão para suas suítes de IA na nuvem, promovendo o uptake baseado em API.
• Serviços, 10.00%, tornam-se relevantes como IBM e Cognex auxiliam empresas em modelos de ajuste fino, adicionando câmeras e verificando resultados no chão.
• Os aceleradores de IA, 7.00%, beneficiam da estratégia eficiente de inferência on-device da Qualcomm, reduzindo a latência no uso móvel, automotivo e smart-camera.
• Câmeras, 6.00%, estão se tornando endpoints inteligentes, com o emparelhamento da Sony de sensores avançados e processamento de borda para alcançar melhor qualidade de visão da máquina.
• Dispositivos de borda, 5.00%, suportam análises locais, pois a Zebra fortalece os fluxos de trabalho de armazém e varejo habilitados para visão onde a conectividade é variável.
• A infraestrutura de nuvem, 4.00%, permite a formação central e atualizações de modelos; AWS dimensiona serviços de visão gerenciados para empresas além dos pilotos.
• Outros, 1.88%, são ferramentas especializadas de óptica e integração, com Basler e Teledyne com foco em imagem de precisão para aplicações industriais e científicas.
• Os requisitos da EU GPAI estão impulsionando a governança para se tornar um critério de compra, com crescentes demandas por controles de documentação, transparência e ciclo de vida.

Quais são os principais drivers, restrições e oportunidades no Mercado deReconhecimento de imagem AI?

Driver:

O driver de crescimento primário é a necessidade financeira de inspecionar mais imagens e vídeo do que as equipes humanas podem rever consistentemente. Os fabricantes agora implantam visão da máquina para detectar defeitos de superfície, componentes ausentes e erros de embalagem em tempo real; os varejistas usam a análise da câmera para disponibilidade de prateleira, gerenciamento de filas e prevenção de perdas. Esta mudança foi acelerada por restrições de trabalho, pressão de realização de e-commerce e o volume crescente de dados visuais gerados por câmeras conectadas. Quando os modelos de reconhecimento são incorporados em linhas de produção ou operações de armazenamento, os clientes ganham decisões mais rápidas, retrabalho mais baixo, menos estoques e controle de encolhimento mensurável, suportando gastos em câmeras, aceleradores, licenças de software, capacidade de nuvem e serviços de integração. As implantações de varejo combinam cada vez mais análises de prateleiras, auditorias visuais, conformidade com planograma e busca visual em vez de tratar o reconhecimento de imagem como um piloto autônomo.

Restrição:

A precisão permanece desigual fora de configurações controladas. Má iluminação, oclusão, variação de ângulo de câmera, dados de treinamento não representativos e limites de computação de dispositivos de borda podem levantar alertas falsos ou deteções perdidas. O problema persiste porque a coleta de dados visuais rotulados, legalmente usáveis, específicos de domínio é cara, enquanto cada site pode exigir a retificação e validação de modelos. As aplicações biométricas enfrentam uma barreira de confiança adicional: Os testes contínuos da NIST continuam documentando a variação demográfica nas taxas de erro de reconhecimento facial em algoritmos.

Oportunidade:

A próxima piscina de valor no mercado de reconhecimento de imagem AI surgirá da visão de borda de preservação de privacidade e modelos multimodais específicos da indústria. A IA no dispositivo permite que fábricas, hospitais e operadores da cidade inteligente analisem dados visuais localmente, transmitindo apenas alertas ou metadados anonimizados para plataformas de nuvem. Isso reduz a latência, custos de largura de banda e riscos de exposição de dados. Os centros de fabricação Ásia-Pacífico oferecem forte demanda por automação de inspeção acessível, enquanto os mercados europeus regulamentados favorecem implantações compatíveis e transparentes. Os fornecedores que combinam interfaces de linguagem local, ferramentas de governança e modelos de baixa latência garantirão contratos empresariais de maior valor.

Que impacto tem a Inteligência Artificial no Mercado deReconhecimento da imagem AI?

Um aplicativo de reconhecimento de imagem muda de padrão baseado em regra, correspondendo a um sistema de decisão visual adaptativo. O uso de redes neurais profundas e convolucionais permite detecção de defeitos, classificação de imagem, detecção de objetos, reconhecimento de padrões em cenas desordenadas e correlação de evidências visuais com texto, registros de manutenção, catálogos de produtos ou história clínica por meio de modelos transformadores ou multimodais. Em ambientes industriais, AI pode comparar continuamente produtos com padrões visuais normais aceitáveis e rejeitar produtos antes de atingir a jusante.

No setor de saúde, ferramentas de análise de imagem podem priorizar exames com achados anormais para que os médicos possam alocar seu tempo de revisão limitado a casos urgentes. Em logística e varejo, os modelos podem ser treinados para prever congestão, prateleiras vazias, tempo de moradia e eventos anômalos de vídeo ao vivo. Os benefícios incluem inspeções mais rápidas, menos verificações manuais, maior consistência na documentação e sinais de manutenção preditiva baseados em mudanças visuais sutis. Os desafios incluem recursos necessários para conjuntos de dados rotulados, câmeras, hardware de processamento de borda, monitoramento de modelos, segurança cibernética e fluxos de trabalho; problemas de precisão quando as condições do mundo real caem fora do domínio de dados de treinamento, supervisão humana, reciclagem e auditorias para aplicações biométricas e relacionadas à segurança.

Em setembro de 2026, a Ambarella fez parceria com a Capgemini para acelerar o desenvolvimento e implantação de soluções de Edge e Physical AI em logística, varejo, automação industrial e saúde.

http://www.vision-systems.com/nextgen/video/55407288/focus-on-vision-advancements-in-ai-september-23-2026

Key Mercado deReconhecimento de imagem AI Trends:

O mercado está mudando de ferramentas de reconhecimento autônomo para plataformas de inteligência visual dentro do fluxo de trabalho operacional onde baixa latência, auditabilidade e precisão de domínio são mais importantes do que os escores de referência genéricos. Processamento de bordas e AI multimodal estão alterando o processo de compra: as empresas estão à procura de câmeras mais sistemas AI, não apenas licenças de modelo.

• Pilotos de visão em nuvem estão se tornando híbridos, com empresas mantendo o controle do modelo na nuvem, mas executando inferência em tempo real na borda.
• A inspeção industrial está evoluindo de um conjunto de regras para detecção de anomalias de aprendizagem profunda, onde os sistemas podem detectar defeitos que não foram encontrados anteriormente.
• A categoria de componentes estratégicos dos aceleradores de IA está emergindo devido à necessidade de menor consumo de energia e inferência mais rápida para análise multi-câmara em tempo real.
• A adoção do varejo progrediu além do footfall para incluir detecção de gap de prateleira, validação de planograma, pesquisa visual e análise de prevenção de perda.
• Embora as preocupações de viés e privacidade ainda sejam um problema significativo, o reconhecimento facial está se movendo além de aplicações de vigilância generalizadas para verificação de identidade autorizada e auditável.
• Perguntas contextuais estão sendo feitas em vez de apenas rótulos de objetos, já que modelos multimodais estão sendo usados para amarrar imagens a dados de texto e sensor.
• A IA está sendo incorporada em fluxos de trabalho de fornecedores de imagem médica com a intenção de torná-los mais úteis para triagem clínica, pontuação de risco e outros fluxos de trabalho, não como uma ferramenta de diagnóstico.
• Enquanto a quantidade de esforço necessário para preparar imagens para dados permanece alta, AI genética contribuirá para diminuir esta carga através da criação de dados sintéticos e da assistência à rotulagem.
• À medida que a governança da IA se torna uma exigência para os compradores, eles estão procurando por opções de monitoramento, explicabilidade e sobreposição humana.
• À medida que a robótica e os sistemas autônomos crescem, a inferência de visão local está se tornando mais importante, com a necessidade de respostas oportunas que não podem afetar a segurança ou a produtividade se a nuvem for lenta para responder.

Mercado deReconhecimento da imagem AI Segmentation

Componente:

A Hardware detém 45.12% do mercado, refletindo o papel essencial de câmeras, processadores, servidores e sistemas embarcados na captura e análise de dados visuais. O software responde por 21.00%, suportado pela demanda recorrente por modelos de reconhecimento, painéis de análise, APIs e plataformas de gerenciamento de modelos. Os serviços representam 10,00%, já que as empresas exigem integração, anotação de dados, redesenho de fluxo de trabalho e validação contínua de modelos. Os aceleradores de IA possuem 7.00%, as câmeras representam 6.00%, os dispositivos de borda representam 5.00%, a infraestrutura de nuvem contribui com 4,00% e outros componentes compreendem 1,88%. O hardware permanecerá comercialmente importante, mas o software e os serviços devem ganhar valor estratégico à medida que a escala de implementações de compras de equipamentos para operações de inteligência visual gerenciadas.

Tecnologia:

A Deep Learning continua a ser fundamental para o reconhecimento de imagem, enquanto a Machine Learning e o suporte à Computer Vision estabeleceram pipelines de reconhecimento em aplicações empresariais. As CNN continuam a fornecer uma extração eficiente de recursos para tarefas visuais de alto volume, especialmente quando a velocidade de processamento importa. Transformador Os modelos estão ganhando relevância porque capturam relacionamentos contextuais mais amplos dentro das imagens. A IA Gerativa está expandindo a interpretação de conteúdo visual, enquanto a IA Multimodal conecta imagens com texto e outros dados, permitindo raciocínio baseado em imagens, compreensão de documentos e mais fluxos de trabalho de reconhecimento de conhecimento de contexto.

Aplicação:

A Classificação de imagem e a Detecção de Objetos permanecem cargas de trabalho essenciais porque suportam identificação, contagem e monitoramento automatizados em todas as indústrias. O reconhecimento facial continua se expandindo em ambientes de segurança controlados, enquanto a inspeção industrial melhora a detecção de defeitos e a consistência de produção. Imagem médica está usando modelos visuais para apoiar o rastreamento e a priorização clínica, enquanto os Sistemas Autônomos requerem percepção ambiental contínua. Segurança e Vigilância combina cada vez mais detecção com análise de eventos. A adoção futura favorecerá as aplicações em que as saídas de imagem acionem diretamente decisões operacionais, reduzindo o tempo de intervenção e resposta manual.

Implantação:

As configurações no local e híbridas permanecem importantes para as organizações que exigem maior controle sobre imagens sensíveis, infraestrutura e latência. A implantação em nuvem oferece computação escalável e gerenciamento centralizado de modelos, enquanto o Private Cloud suporta ambientes corporativos controlados. A Nuvem Pública permite um acesso mais rápido aos serviços de visão sem um amplo investimento em infraestrutura. Multi-Cloud melhora a flexibilidade e reduz a dependência de um provedor, enquanto a implantação da Edge suporta processamento em tempo real perto de câmeras e dispositivos. As arquiteturas futuras irão equilibrar cada vez mais os custos de inferência, privacidade, conectividade, latência e atualizações contínuas do modelo.

Usuário final:

O Retail & E-Commerce usa o reconhecimento de imagem para a descoberta de produtos, monitoramento de prateleiras, verificação de checkout e análise de clientes. A saúde aplica modelos visuais para análise de imagem médica e priorização do fluxo de trabalho clínico, enquanto a Automotive utiliza tecnologias de percepção para assistência ao condutor e funções autônomas. A fabricação depende da inspeção automatizada e do monitoramento da qualidade, e a segurança usa o reconhecimento para detecção de eventos. Media & Entertainment aplica pesquisa visual e análise de conteúdo, enquanto a Agricultura usa imagens para monitoramento de culturas. Os modelos específicos do setor melhorarão cada vez mais a precisão e a relevância comercial.

Quais são os Casos de Uso Chave Conduzindo o Mercado deReconhecimento de imagem AI?

A inspeção de fabricação é o principal caso de uso associado ao modelo de negócios centrado no hardware. Câmeras, aceleradores de IA e dispositivos de borda executam inspeção em tempo real de componentes, soldas, etiquetas, embalagens e qualidade de superfície, ajudando os fabricantes a identificar problemas antes do produto deixar a linha de fabricação.

As aplicações que podem ser construídas incluem análises de prateleiras de varejo, pesquisa visual, verificação de autocontrole, detecção de eventos de segurança, triagem de exames de saúde e aplicações de percepção automotiva-tudo através de detecção de objetos e classificação de imagem que oferecem valor de negócios, como menos rejeição, menos encolhimento, melhor disponibilidade de produtos no prateleira e triagem clínica acelerada.

Os casos de uso futuro incluem assistentes de manutenção multimodal que combinam imagens de equipamentos e análise manual de serviços, agricultura de precisão usando fotografia de drones para identificar o estresse da colheita e robótica de borda que podem identificar e classificar objetos localmente.

Quais regiões estão conduzindo o Mercado deReconhecimento de imagem AI Crescimento?

A América do Norte mantém uma liderança forte, com 27,35% do mercado. Impulsionado por infraestrutura de nuvem hiperescala, descobertas de semicondutores e aquisição de automação empresarial precoce, a América do Norte tem uma concentração de alta penetração de demanda em varejo, logística, saúde, defesa e fabricação avançada, onde a tomada de decisões visuais é uma despesa operacional diretamente mensurável. A Índia, aproveitando vantagens de escala, a presença de gigantes líderes do setor, como NVIDIA, Microsoft, Google, Amazon Web Services e Intel, e um grande ecossistema para chips, desenvolvimento de modelos, implantação de nuvem e uso empresarial, é um líder que vem com grande potencial comercial.

Em setembro de 2026, a NVIDIA concordou oficialmente em adquirir a principal plataforma de repositório de IA de código aberto, Hugging Face, por aproximadamente US$ 12,93 bilhões. Esta aquisição monumental preenche a lacuna entre hardware e implantação de modelos comunitários, dando à NVIDIA um caminho direto para mais de 18 milhões de desenvolvedores e 200.000 organizações empresariais utilizando arquiteturas de IA de peso aberto em quadros de nuvem.

https://blogs.nvidia.com/blog/nvidia-to-acquire-hugging-face/

A Europa é um importante mercado regional em 24.00% de participação, mas o seu perfil de crescimento é diferente do do crescimento da plataforma visto na América do Norte. A adoção da tecnologia da Europa é impulsionada pela fabricação automotiva, automação industrial, imagem médica e casos de uso de controle de qualidade em vez de casos de uso de consumo em escala de nuvem. A segurança regulatória fornece garantia, e a Lei de IA da UE aumentou a exigência de documentação técnica, transparência e capacidades de governança para implantações de IA. Os fornecedores de modelos de IA de uso geral estão sob as obrigações relevantes da UE desde agosto de 2025, cimentando a IA visual focada em conformidade como uma oportunidade regional promissora.

Em janeiro de 2026, a Siemens expandiu sua parceria de longa data com a NVIDIA para desenvolver o Sistema Operacional de IA Industrial para revolucionar como os clientes projetam, projetam e operam sistemas físicos.

http://press.siemens.com/global/en/pressrelease/siemens-unveils-technologies-accelerate-industrial-ai-revolution-ces-2026

Ásia-Pacífico, com 26.00% do mercado, é a região de crescimento mais rápido com uma CAGR projetada 15,61%. Sua aceleração reflete o investimento de fabricação inteligente expandido, a produção de eletrônica crescente, programas de cidade inteligente e alto volume e-commerce operações. China, Japão, Coreia do Sul, Índia e Sudeste Asiático estão vendo um uso crescente de reconhecimento de imagem em inspeção de fábrica, pagamentos digitais, análise de tráfego, agricultura e realização de varejo. A oportunidade futura está em dispositivos de borda de baixo custo e modelos treinados localmente que servem ambientes operacionais multilíngues, de alta densidade e de conectividade variáveis. A América Latina contribui com 12.00%, enquanto o Oriente Médio e a África representam 10,65%, com modernização de vigilância, digitalização logística e projetos de infraestrutura inteligente que fornecem caminhos de crescimento seletivo.

Em setembro de 2026, a IIEST, Shibpur fez parceria com a TCS para lançar um centro de excelência de última geração em inteligência artificial. A colaboração promove a pesquisa aplicada em domínios-chave, incluindo visão computacional e processamento de imagens, para fortalecer os laços entre o ensino superior e o setor de tecnologia.

http://ddindia.co.in/2026/09/iiest-shibpur-partners-with-tcs-to-launch-state-of-the-art-centre-of-excellence-in-ai/

Quem são os Key Players no Mercado deReconhecimento de imagem AI, e como eles competem?

A competição inclui plataformas de computação, inteligência artificial em nuvem, software empresarial e fornecedores de visão de nicho. A diferenciação é cada vez mais baseada na eficiência de inferência, capacidades multimodais, flexibilidade de implantação e integração vertical. A NVIDIA e a Intel se concentram na amplitude da infraestrutura, enquanto o Google, Microsoft, IBM e AWS priorizam os ecossistemas de inteligência artificial gerenciados e corporativos. A Qualcomm tem como objetivo a inferência eficiente em termos de energia na borda; a Sony tem como objetivo diferenciar os sensores.

A NVIDIA aproveita a computação acelerada e seus ecossistemas de software para suportar cargas de trabalho de visão de alta potência. A Intel enfatiza infraestrutura de inferência escalável e parcerias com a indústria. O Google e a Microsoft estendem a IA visual de serviços de nuvem para fluxos de trabalho e endpoints do usuário final. A IBM visa a AI híbrida governada. A AWS enfatiza serviços baseados em nuvem que reduzem o atrito de implantação. A Qualcomm enfatiza a inferência eficiente no poder na borda. A Sony enfatiza a diferenciação baseada no sensor. NEC e Sense Time se concentram em inteligência visual especializada. A Cognex, a Keyence, a Basler, a Teledyne Technologies e a Zebra Technologies são especializados nos fluxos de trabalho de inspeção, detecção, câmeras e automação industriais e dependem de soluções verticais, parceiros de integração e da base de clientes para o crescimento. A experiência sectorial continua a ser um ponto chave da diferenciação.

Os principais jogadores são:

• NVIDIA
• Inteligente
• Google - Serviço técnico para computadores
• Microsoft Microsoft
• IBM
• Amazon Web Services
• Qualcomm
• Sony
• NCE
• Cognex
• Chaveiro
• Basler
• Tecnologias de Teledyne
• Tecnologias da Zebra
• Tempo de sentido

Desenvolvimento recente Notícias

• Em setembro de 2026, Elsevier e LG AI Research anunciaram uma parceria estratégica para incorporar capacidades de visão AI específicas de química em fluxos de trabalho de curadoria de literatura. Esta colaboração implementa o reconhecimento de imagem avançado para detectar e extrair dados de substâncias visuais de patentes e revistas científicas em escala sem precedentes para a plataforma de descoberta Reaxys.http://www.bio-itworld.com/news/2026/09/23/elsevier-lg-ai-research-integrate-chemistry-specific-ai-vision
• Em setembro de 2026, Cognex concordou em adquirir o RealSense por cerca de US$ 500 milhões em dinheiro. Esta transação adiciona avançado hardware de percepção robótica de detecção de profundidade 3D e autônoma para o portfólio de máquinas industriais da Cognex, acelerando implantações de IA de borda através de pisos de fábrica.http://iottechnews.com/news/cognex-realsense-acquisition-factory-edge-ai/
• Em setembro de 2026, a Ambarella fez uma parceria com a Ultralytics para capacitar modelos de visão de computador da Ultralytics YOLO em dispositivos de borda alimentados por CVflow Ambarella. A colaboração simplifica a implantação de detecção de objetos em tempo real, classificação de imagem, segmentação e cargas de trabalho de visão relacionadas em hardware AI de baixa potência.http://www.globenewswire.com/news-release/2026/09/15/3362191/23306/en/ambarella-and-ultralytics-collaborate-to-bring-ultralytics-yolo-models-to-cvflow-powered-edge-devices.html

Quais insights estratégicos definem o futuro do Mercado deReconhecimento de imagem AI?

O mercado está se movendo para a inteligência visual de consciência de privacidade, borda-primeira. Os consumidores procuram a integração do sistema onde os dados da câmera se transformam em uma resposta operacional rápida, não uma necessidade de digerir montanhas de dados de vídeo. Centros de risco na deriva do modelo, como mudanças na iluminação, design, colocação de câmera ou pop. Os demográficos podem lurk undetected-drifting precisão deixa os fabricantes vulneráveis a alarmes falsos e defeitos perdidos. A maior oportunidade envolve IA multimodal vertical, que combina imagens com texto, dados de sensores, registros de manutenção e diretrizes operacionais. Um modelo de fábrica que identifica um defeito, em seguida, liga-o a configurações da máquina e relatórios de serviço anteriores, oferece muito mais valor do que o reconhecimento sozinho. Um foco estratégico em conjuntos de dados específicos de domínio, monitoramento de modelos, inferência de borda e controles de sobreposição humana auditáveis será crítico. Os fornecedores devem posicioná-los como soluções baseadas em resultados, por exemplo, menos resíduos, processamento de reclamações mais rápido ou menos estoques de varejo e não como APIs de reconhecimento de uso geral. A directiva da União Europeia relativa à transparência e à documentação sublinha o caso comercial das plataformas de IA governadas e auditáveis.

Segmentações-chave são:

Componente

• Hardware
• Software
• Serviços
• Aceleração de IA
• Câmeras
• Dispositivos de borda
• Infra-estruturas
• Outros

Tecnologia

• Aprendizagem profunda
• Aprendizado de máquina
• Visão de computador
• CNN
• Modelos do transformador
• AI genética
• IA multimodal
• Outros

Aplicação

• Classificação de imagem
• Detecção de objetos
• Reconhecimento facial
• Inspeção industrial
• Imagem médica
• Sistemas Autónomos
• Segurança e Vigilância
• Outros

Distribuição

• Sobre a Premise
• Nuvem
• Híbrido
• Borda
• Nuvem privada
• Nuvem pública
• Multi-Cloud
• Outros

Usuário final

• Varejo e Comércio Eletrônico
• Saúde
• Automóvel
• Produção
• Segurança
• Mídia e Entretenimento
• Agricultura
• Outros

Por análise regional

América do Norte

• EUA
• Canadá
• México

Europa

• Alemanha
• Reino Unido
• França
• Itália
• Espanha
• Rússia
• Resto da Europa

Ásia Pacífico

• China
• Japão
• Índia
• Coreia do Sul
• Austrália
• Resto da Ásia Pacífico

América do Sul

• Brasil
• Argentina
• Resto da América do Sul

Oriente Médio e África

• Emirados Árabes
• Arábia Saudita
• Catar
• África do Sul
• Resto do Oriente Médio e África