工業機器視覺收集(ji)的各種生(sheng)產(chan)數據(ju)是智(zhi)能化生(sheng)產(chan)的基礎(chu)，這(zhe)些數據(ju)通過工業(ye)以太(tai)網(wang)等傳至工業(ye)服(fu)務器，由MES/DCS軟件系(xi)統進行數據(ju)處理分(fen)析，并與企業(ye)資源管理軟件（如ERP）聯動，提供最優化的生(sheng)產(chan)方案(an)或者定制化生(sheng)產(chan)，柔性制造、智(zhi)能智(zhi)造才有可能。

從機器視覺到工業機器視覺

機器視覺這個概念的歷史盡管很短，但機器視覺設備的出現并不短。可以說，照相機的誕生就意味著機器視覺的萌芽，包括無聲電影也可以歸為機器視覺。如今到處可見的各種攝像頭，以及人們須臾不離手的手機都是機器視覺產品。現代物流更使得我們生活中的絕大部分商品都用到了機器視覺，如(ru)快遞(di)商品與超市商品的(de)二維碼就是最突出的(de)例子。

從起源來說，機器視覺就是(shi)以(yi)機器(qi)代替人眼的視覺(jue)作(zuo)用。

從發展來說，機器視覺所具備的能力已經超越人眼，僅就尺寸的精確度以及位置的準確度來說，機器視覺更(geng)具有優勢(shi)，而且能力仍在增長中。

從技術上來說，機器視覺作為一項綜合技術，集成了多種技術，如圖像處理、機械工程技術、控制、電光源照明、光學成像、傳感器、模擬與數字視頻技術、計算機軟硬件技術（圖像增強和分析算法、圖像卡、I/O卡等）。一個典型的機器視覺應用系統包括圖(tu)像(xiang)捕捉、光源系統、圖(tu)像(xiang)數(shu)字化(hua)模塊(kuai)、數(shu)字圖(tu)像(xiang)處理模塊(kuai)、智能判斷決策(ce)模塊(kuai)和機(ji)械(xie)控制執行模塊(kuai)。

從系統上來說，機器視覺是一套圖像處理系統。它由圖像攝取裝置將被攝取目標轉換成圖像信號（即機器視覺產(chan)品(pin)），再將(jiang)圖像信號(hao)(hao)，結合特定需(xu)求(qiu)，根據(ju)像素分布和亮度、顏(yan)色(se)等(deng)形(xing)態信息，轉變成(cheng)數(shu)字化信號(hao)(hao)。如(ru)(ru)(ru)果(guo)僅以獲(huo)取(qu)數(shu)據(ju)為目的(de)，至此已經完成(cheng)，但是(shi)如(ru)(ru)(ru)果(guo)要(yao)根據(ju)獲(huo)取(qu)數(shu)據(ju)調動設備執行(xing)任務，則(ze)需(xu)要(yao)對數(shu)字信號(hao)(hao)進(jin)行(xing)運(yun)算，針(zhen)對目標特征進(jin)行(xing)對比(bi)，如(ru)(ru)(ru)涂裝中的(de)色(se)差(cha)，指令(ling)設備繼續工作，或者(zhe)轉入(ru)另一道工序。

簡單來說，機器視覺在工業上的應用，就是工業機器視覺。最常見的就是，以機器視覺代替人眼進行測量和判斷，更高級一些的可以輔助決策或自行決策。其特點就是利用機器視覺的特性，提高生產的靈活性和自動化程度。一些不適于人工作業的危險工況環境或者人工難以滿足要求的場景，都是機器視覺發揮特長的場合。當然，大批量枯燥的重復勞動，如分揀等，也是機器視覺的應用領域。可以說工業機器視覺的(de)(de)快速部署，正是提(ti)高生產效率和(he)自動(dong)化程度(du)的(de)(de)推進力量。

工業機器視覺的軟硬件及技術

工業機器視覺主要有光源、鏡頭、工業相機、圖(tu)像采集卡、圖(tu)像處理(li)系(xi)統(tong)，算法與(yu)軟件平臺，以及其(qi)他外部設備組(zu)成。

工業機器視覺硬件

工業光源。光源是機器視覺中基(ji)礎的部件之(zhi)一(yi)。發揮著照亮目標(biao)、突出特(te)征，便于圖像處理的作用(yong)。同時，要具(ju)備(bei)克服環境光干(gan)擾、保證圖像穩定(ding)性的能(neng)(neng)力(li)，以及作為(wei)測量或作為(wei)參(can)照物的工具(ju)性能(neng)(neng)。特(te)殊情況下(xia)，對(dui)物體特(te)定(ding)部位予以亮度增(zeng)強。 

相比于普通的照明光源，它的照度、均勻性和穩定性指標更高。基本上要將被測物與背景做出明顯區分，保證工業鏡頭能獲(huo)得高品質、高對比度的圖(tu)像。

工業鏡頭。工業鏡頭與普通(tong)的(de)(de)照相機鏡頭相比(bi)，同樣在分(fen)辨率、對比(bi)度、景深以及像差(cha)等(deng)指標上，有著(zhu)更(geng)高的(de)(de)要(yao)求(qiu)。需(xu)要(yao)更(geng)小的(de)(de)光學畸(ji)變、足(zu)夠高的(de)(de)光學分(fen)辨率、豐富的(de)(de)光譜響(xiang)應(ying)選擇(ze)等(deng)，以滿足(zu)不同生產環(huan)境的(de)(de)應(ying)用需(xu)求(qiu)。

工業相機。它具有高(gao)的圖像穩定性、高(gao)傳(chuan)輸能力和(he)高(gao)抗(kang)干擾能力等(deng)。其功能是將光信號(hao)轉變成為可(ke)解(jie)釋的電(dian)信號(hao)，再將電(dian)信號(hao)模數轉換并交(jiao)由處理器進(jin)行(xing)分析和(he)識別(bie)。

圖1工業機器視覺產業鏈

目前常用的工業相機，按照芯片類型(xing)，基本上分為兩種，一種是CCD（Charge Coupled Device），一種是CMOS（Complementary Metal Oxide Semiconductor）相機。

就工業相機來說，按(an)照(zhao)不同(tong)的(de)(de)(de)特(te)性，有不同(tong)的(de)(de)(de)分(fen)(fen)(fen)類方法(fa)。不同(tong)的(de)(de)(de)分(fen)(fen)(fen)類方法(fa)，一般對應著不同(tong)的(de)(de)(de)應用特(te)點。如(ru)按(an)照(zhao)傳感器的(de)(de)(de)結(jie)構(gou)特(te)性分(fen)(fen)(fen)為(wei)(wei)(wei)線(xian)陣相(xiang)(xiang)機(ji)(ji)(ji)、面陣相(xiang)(xiang)機(ji)(ji)(ji)；按(an)照(zhao)掃(sao)描方式分(fen)(fen)(fen)為(wei)(wei)(wei)隔行掃(sao)描相(xiang)(xiang)機(ji)(ji)(ji)、逐行掃(sao)描相(xiang)(xiang)機(ji)(ji)(ji)；按(an)照(zhao)分(fen)(fen)(fen)辨(bian)率大小分(fen)(fen)(fen)為(wei)(wei)(wei)普通(tong)分(fen)(fen)(fen)辨(bian)率相(xiang)(xiang)機(ji)(ji)(ji)、高(gao)分(fen)(fen)(fen)辨(bian)率相(xiang)(xiang)機(ji)(ji)(ji)；按(an)照(zhao)輸(shu)出信號方式分(fen)(fen)(fen)為(wei)(wei)(wei)模擬相(xiang)(xiang)機(ji)(ji)(ji)、數(shu)字相(xiang)(xiang)機(ji)(ji)(ji)；按(an)照(zhao)輸(shu)出色彩分(fen)(fen)(fen)為(wei)(wei)(wei)單色（黑(hei)白）相(xiang)(xiang)機(ji)(ji)(ji)、彩色相(xiang)(xiang)機(ji)(ji)(ji)；按(an)照(zhao)輸(shu)出信號速度分(fen)(fen)(fen)為(wei)(wei)(wei)普通(tong)速度相(xiang)(xiang)機(ji)(ji)(ji)、高(gao)速相(xiang)(xiang)機(ji)(ji)(ji)；按(an)照(zhao)響應頻(pin)率范圍分(fen)(fen)(fen)為(wei)(wei)(wei)可(ke)見光(guang)（普通(tong)）相(xiang)(xiang)機(ji)(ji)(ji)、紅外相(xiang)(xiang)機(ji)(ji)(ji)、紫外相(xiang)(xiang)機(ji)(ji)(ji)等。

通常來說，工業相機在(zai)(zai)性能上(shang)更(geng)為穩定可靠(kao)；在(zai)(zai)使用上(shang)要(yao)(yao)便于安裝，且不易損壞；在(zai)(zai)工作強度上(shang)，要(yao)(yao)連(lian)續(xu)工作更(geng)長(chang)時間(jian)；在(zai)(zai)工作環境上(shang)，要(yao)(yao)適應更(geng)惡劣的(de)環境；在(zai)(zai)反應速度上(shang)要(yao)(yao)更(geng)快，便于抓拍高速運動中的(de)物體(ti)。

在圖像(xiang)傳感器的掃(sao)描方式(shi)上是(shi)逐(zhu)行的，隔(ge)行掃(sao)描是(shi)不適用的。

在幀率上，工業相機每秒可以拍攝(she)十幅(fu)到幾百幅(fu)圖片，遠遠高(gao)于普通(tong)相機的2~3幅(fu)。

在數據輸出上，工業相機不僅輸出的(de)(de)是裸數據（raw data），而(er)且其光譜(pu)范圍(wei)也往(wang)往(wang)比較寬，這是要適合高(gao)質量的(de)(de)圖像處(chu)理算法。普通相機(ji)的(de)(de)圖像與(yu)光譜(pu)范圍(wei)能適合人眼裸視就可(ke)以了。

圖(tu)像(xiang)(xiang)采(cai)(cai)集(ji)(ji)卡(ka)(ka)。圖(tu)像(xiang)(xiang)采(cai)(cai)集(ji)(ji)卡(ka)(ka)一(yi)般(ban)分為(wei)兩種，一(yi)種是(shi)(shi)(shi)模擬(ni)采(cai)(cai)集(ji)(ji)卡(ka)(ka)，一(yi)種是(shi)(shi)(shi)數(shu)(shu)(shu)(shu)字采(cai)(cai)集(ji)(ji)卡(ka)(ka)。模擬(ni)采(cai)(cai)集(ji)(ji)卡(ka)(ka)是(shi)(shi)(shi)將(jiang)模擬(ni)視頻信(xin)號轉化(hua)成數(shu)(shu)(shu)(shu)字信(xin)號，也就是(shi)(shi)(shi)將(jiang)模擬(ni)相(xiang)機(ji)(ji)輸出的(de)(de)圖(tu)像(xiang)(xiang)數(shu)(shu)(shu)(shu)據進行采(cai)(cai)樣、量化(hua)并轉化(hua)成電(dian)腦可辨(bian)別(bie)的(de)(de)數(shu)(shu)(shu)(shu)字數(shu)(shu)(shu)(shu)據，再進行數(shu)(shu)(shu)(shu)字處(chu)理(li)。而數(shu)(shu)(shu)(shu)字采(cai)(cai)集(ji)(ji)卡(ka)(ka)則將(jiang)相(xiang)機(ji)(ji)端(duan)的(de)(de)數(shu)(shu)(shu)(shu)字圖(tu)像(xiang)(xiang)信(xin)號由不同的(de)(de)格式協(xie)議(yi)(yi)，轉化(hua)成PCIE格式并被主機(ji)(ji)解讀、存(cun)儲和處(chu)理(li)。在可見的(de)(de)未(wei)來，會有(you)一(yi)種將(jiang)采(cai)(cai)集(ji)(ji)與預處(chu)理(li)能力(li)集(ji)(ji)于一(yi)身的(de)(de)數(shu)(shu)(shu)(shu)字采(cai)(cai)集(ji)(ji)卡(ka)(ka)，合乎數(shu)(shu)(shu)(shu)據帶寬增(zeng)(zeng)高、預處(chu)理(li)能力(li)增(zeng)(zeng)大、采(cai)(cai)集(ji)(ji)傳輸可靠性(xing)增(zeng)(zeng)強、工業視覺標(biao)準接口發展及協(xie)議(yi)(yi)國際標(biao)準化(hua)加速(su)等發展趨勢。

工業機器視覺軟件

圖像處理(li)系(xi)統。通常情況下，原始(shi)圖像很難直(zhi)接使用(yong)，一般都需要(yao)對原始(shi)圖像進行處理(li)，也即二次(ci)加工(gong)。突出所(suo)需特征(zheng)，減(jian)少(shao)不(bu)需要(yao)的(de)特征(zheng)，為(wei)進一步的(de)決策做準備。

圖像處(chu)理(li)系統的主要技術或者處(chu)理(li)方式(shi)有多種。

主要的有二值化處理、灰(hui)度處理、圖像增強(qiang)、圖像濾波等。

通常，數字圖像(xiang)像(xiang)素被(bei)分為256個灰度級別。如(ru)果將圖像(xiang)只(zhi)以黑（0）和(he)白（255）兩(liang)種像(xiang)素處理，得到的(de)就(jiu)是二值化圖像(xiang)。結果，相應地(di)圖像(xiang)就(jiu)被(bei)分成(cheng)了(le)需(xu)要(yao)使(shi)(shi)用的(de)和(he)不需(xu)要(yao)使(shi)(shi)用的(de)兩(liang)部分。

這種處(chu)理方式，操作更簡單，運算和存儲的數據量也更小，系統(tong)速度(du)可(ke)以得到更好優化(hua)。

灰度處理就是將RGB三種顏色(se)的分(fen)量相同(tong)的彩(cai)色(se)圖用同(tong)一個(ge)數(shu)值(zhi)表示(shi)，即(ji)將彩(cai)色(se)圖像變為(wei)灰度圖像，像二值(zhi)化一樣，減(jian)少圖像數(shu)據運(yun)算量和存儲量。

圖像(xiang)增強是(shi)將傳送和轉換過程中(zhong)因受(shou)干(gan)擾而衰減(jian)的(de)圖像(xiang)，進(jin)行特征突出處(chu)理或抑制無用特征，立足(zu)于實(shi)用。

圖像(xiang)(xiang)(xiang)濾波(bo)的(de)目的(de)是將圖像(xiang)(xiang)(xiang)成形、傳(chuan)輸、記錄(lu)過程中因受雜波(bo)（噪聲）干(gan)擾產生的(de)圖像(xiang)(xiang)(xiang)亮(liang)點(dian)與(yu)暗斑過濾掉(diao)，提高(gao)圖像(xiang)(xiang)(xiang)質量，提升可用性(xing)。

圖(tu)像(xiang)(xiang)銳化實(shi)際上是(shi)一種邊(bian)緣增(zeng)強，也即劃定圖(tu)像(xiang)(xiang)的(de)清(qing)晰邊(bian)界，突出圖(tu)像(xiang)(xiang)的(de)地物邊(bian)緣、補償圖(tu)像(xiang)(xiang)的(de)輪廓。同圖(tu)像(xiang)(xiang)增(zeng)強一樣(yang)使得圖(tu)像(xiang)(xiang)更清(qing)晰，只是(shi)作用的(de)區域(yu)有所不同。

圖像的(de)(de)腐蝕和膨脹，簡(jian)單說就(jiu)是將(jiang)目標圖像縮小或放大。通常(chang)，兩種方法是配合使用(yong)的(de)(de)。

算(suan)法與算(suan)法開(kai)發平臺。算(suan)法一(yi)直在不斷進化中。第一(yi)代(dai)算(suan)法主要是(shi)進行模式識別的圖像處理，注重如何改善圖像質量(liang)。

第二代算(suan)法(fa)已經(jing)可以(yi)進行模式識別的圖(tu)像(xiang)分析，并利(li)用特征提(ti)取工具等多種(zhong)分析方法(fa)識別目標圖(tu)像(xiang)。

第三代(dai)算(suan)法已進化到圖像理解(jie)深度學習，形(xing)成了統一的的圖像處(chu)理工具(ju)，具(ju)備分類、分割、檢測和識別功能，應(ying)用空間得以拓展(zhan)。

第四代(dai)算(suan)法可以稱之(zhi)為云端(duan)智(zhi)能(neng)計算(suan)。在(zai)第三代(dai)算(suan)法的基礎上(shang)，利用知識圖(tu)譜的大數(shu)據挖掘技術智(zhi)能(neng)尋找工藝規(gui)則，建立生(sheng)產(chan)專家庫。同(tong)時(shi)(shi)，通(tong)過數(shu)字孿生(sheng)在(zai)賽博空間進行運營推理，將(jiang)實際應用中(zhong)發現的問(wen)題進行及時(shi)(shi)反饋，用于(yu)優化和指導工業生(sheng)產(chan)。

算(suan)(suan)法開發平(ping)臺(tai)是基(ji)于(yu)(yu)圖像算(suan)(suan)子的視(shi)覺開發軟件集合(he)。如基(ji)于(yu)(yu)算(suan)(suan)法組(zu)件的視(shi)覺軟件平(ping)臺(tai)、基(ji)于(yu)(yu)組(zu)態(tai)思想的視(shi)覺開發平(ping)臺(tai)、基(ji)于(yu)(yu)云(yun)端(duan)計(ji)算(suan)(suan)的視(shi)覺平(ping)臺(tai)等(deng)。它(ta)通過(guo)運行(xing)云(yun)平(ping)臺(tai)協議，可(ke)以進行(xing)工(gong)廠(chang)邊緣計(ji)算(suan)(suan)，由5G或專網上傳生產端(duan)數據(ju)，經過(guo)大(da)數據(ju)處理，實(shi)現工(gong)廠(chang)智能化管理。

信息處(chu)理(li)(li)平(ping)(ping)(ping)(ping)臺(tai)。主要(yao)包括(kuo)DSP處(chu)理(li)(li)平(ping)(ping)(ping)(ping)臺(tai)、x86處(chu)理(li)(li)平(ping)(ping)(ping)(ping)臺(tai)、AI處(chu)理(li)(li)平(ping)(ping)(ping)(ping)臺(tai)與云(yun)處(chu)理(li)(li)平(ping)(ping)(ping)(ping)臺(tai)等。

機器視覺軟件。總體上，軟件架構要匹配算力平臺，兩者密切相關。具體說，機器視覺軟件類似人的“大腦”，通過圖像處理算法完成對目標物的識別、定位、測量、檢測等功能。機器視覺軟(ruan)件(jian)分為(wei)底層算法和二(er)次開發的(de)(de)軟(ruan)件(jian)包兩類。前者是包含大(da)量處理算法的(de)(de)工具庫(ku)，用(yong)(yong)(yong)以(yi)(yi)開發特定應(ying)用(yong)(yong)(yong)，主要(yao)使用(yong)(yong)(yong)者為(wei)集成(cheng)商與(yu)設備商。后者是封裝好的(de)(de)、用(yong)(yong)(yong)以(yi)(yi)實現某些功(gong)能的(de)(de)應(ying)用(yong)(yong)(yong)軟(ruan)件(jian)，主要(yao)供最終用(yong)(yong)(yong)戶使用(yong)(yong)(yong)。

機器視覺的功能

工業機器視覺可以實現四種基(ji)本功能，即識別(bie)、測(ce)量(liang)、定位和檢測(ce)。

識別主(zhu)要完成甄(zhen)別目標(biao)物(wu)體的物(wu)理特征，包括外形(xing)、顏色、字(zi)(zi)符、條(tiao)碼(ma)等表面特征。衡(heng)量識別精度的主(zhu)要指標(biao)是準確度和速識度。主(zhu)要應(ying)用于物(wu)料(liao)、工序與工位等的溯源，方法是讀取零部件上的字(zi)(zi)母、數字(zi)(zi)、字(zi)(zi)符（如條(tiao)形(xing)碼(ma)、二維碼(ma)等）。

測量(liang)是通過以獲取的圖像(xiang)像(xiang)素信息(xi)標(biao)定為(wei)度量(liang)單(dan)位，精確(que)計算出目標(biao)物體的幾何尺寸，主要應用于高精度及復雜形態測量(liang)。

定位(wei)是指獲取目標物體的空間位(wei)置信息，有二(er)維或(huo)三維信息之別，主要是完成輔(fu)(fu)助(zhu)操作，常(chang)用于(yu)元(yuan)件對位(wei)，輔(fu)(fu)助(zhu)機器人(ren)完成裝配、拾取等。

檢測(ce)是對目標物體的表面狀態(tai)進行檢測(ce)，從而判斷產品是否存在(zai)質量缺陷(xian)，如零部件(jian)外觀缺陷(xian)、污染物附(fu)著(zhu)、功能(neng)性瑕疵等。

工業機器視覺主要應用消費電子行業

消費電(dian)子(zi)行業的產品主要(yao)包括平板電(dian)腦、筆記本(ben)、臺式機(ji)、傳統手機(ji)（淘汰中）、智(zhi)能手機(ji)、電(dian)視和相機(ji)等7大類。

其(qi)中(zhong)，智能手(shou)機憑借越來越多的(de)消(xiao)費(fei)應用，市(shi)場(chang)占比逐步攀升，目(mu)前已接近50%。

工業機器視覺主要應(ying)用在(zai)主板、零(ling)部件(jian)組裝、整機組裝這三大(da)生產(chan)環節(jie)。 

隨著消費電子產品越來越精密化，在元器件尺寸越來越小的同時，質量標準也在同步提高。因此，對于工業機器視覺的需求不斷放大。以5G智能手機為例，產品升級與技術升級，相應地需要機器視覺工具進行升(sheng)級(ji)。 

在主(zhu)板和零部件(jian)組裝(zhuang)上，仍(reng)以2D視覺為主(zhu)，3D視覺為輔。

在整機組裝上，仍以人力為主。機器視覺主要做外觀檢(jian)測，最多的是做玻璃檢(jian)測。

在缺陷檢測上，是機器視覺應用最(zui)廣的地方。其高(gao)精度(du)、高(gao)速度(du)的檢(jian)測(ce)能力，可很好完成對劃痕、破損、斑點(dian)、色差等的檢(jian)測(ce)。

半導體行業

半導體行業是工業機器視覺應(ying)用(yong)最(zui)早，且(qie)較為成熟(shu)的領域，這也(ye)和半導體行業迭代升級快(kuai)速有關，其高端(duan)市場基本(ben)被海(hai)外廠商占據。 

從另一方面說，這也和半導體器件精度非常高，人工檢測已不能發揮應有作用有關。如半導體的外觀缺陷、尺寸、數量、平整度、距離、定位、校準、焊點質量、彎曲度等檢測，尤其芯片制作中的檢測、定位、切割和封裝都需要工業機器視覺來主導。以切割為例，要求定位迅速準確。如果定位出錯，整個芯片就會報廢。整個切割過程也需要機器視覺系統進行全程定位引導。切割完成后則由機器視覺識別出非缺陷(xian)產品進入貼片流程(cheng)。

圖2中國機器視覺行業發展歷程

之所以說是主導，即使是傳統的半導體封測設備，精度普遍要達到微米（0.001mm）到亞微米（1.0μm）之間，速度大約在每秒40~50平方厘米，誤報率5%~10%，2D機器視覺已完(wan)全(quan)被3D取代，更何況(kuang)人眼。

先進封裝更因小尺寸、輕薄化、高引腳、高速度，大幅縮減芯片尺寸。3D機器視覺在其中發(fa)揮著巨大作用，3D視(shi)覺檢測設備市場正處在高速增長中。

汽車行業

如今的汽車行業已實現高度自動化，工業機器視覺發揮著生產高效、質量保障、安全可靠的巨大作用。

機器視覺已貫穿整個汽(qi)車制造(zao)過程(cheng)，包括從初始原料質檢到汽(qi)車零(ling)部(bu)件100％在線測量，再對(dui)焊接、涂膠(jiao)、沖孔等(deng)工藝過程(cheng)進行(xing)把(ba)控，最后對(dui)車身總(zong)成、整車質量進行(xing)把(ba)關。

機器視覺檢測系統可(ke)以(yi)完成(cheng)工(gong)藝檢(jian)(jian)測、自(zi)動化跟蹤、追溯與(yu)控制(zhi)等，包括通過(guo)(guo)光(guang)學字符識(shi)別（OCR）技(ji)術(shu)獲取(qu)車身零件(jian)編碼以(yi)保(bao)證(zheng)(zheng)零件(jian)在(zai)整個制(zhi)造過(guo)(guo)程(cheng)中的(de)可(ke)追溯性(xing)，通過(guo)(guo)識(shi)別零件(jian)的(de)存(cun)在(zai)或缺(que)失以(yi)保(bao)證(zheng)(zheng)部件(jian)裝配的(de)完整性(xing)，以(yi)及通過(guo)(guo)視覺技(ji)術(shu)識(shi)別產品表面(mian)缺(que)陷(xian)或加工(gong)工(gong)具(ju)是否存(cun)在(zai)缺(que)陷(xian)以(yi)保(bao)證(zheng)(zheng)生產質量。如汽車總裝和零部件(jian)檢(jian)(jian)測、焊接質量檢(jian)(jian)測、電(dian)器性(xing)能檢(jian)(jian)測、發動機檢(jian)(jian)測等。

另外(wai)，視覺(jue)引(yin)導(dao)技術(shu)則(ze)引(yin)導(dao)機(ji)器人(ren)進行最佳匹配(pei)安裝、精確制孔、焊縫引(yin)導(dao)及跟(gen)蹤、噴涂引(yin)導(dao)、風(feng)擋(dang)玻璃裝載引(yin)導(dao)等。這是汽車(che)行業(ye)的主要應用領域(yu)，也是目前國內(nei)公司創新(xin)的主要領域(yu)。

而隨著新能源和智能汽車的電子零部件占比提升，工業機器視覺的作用越來越重要。

發展趨勢

數據顯示，2018年工業機器視覺技術市場規模已達 44.4億美元，預計(ji)2023年將(jiang)達122.9 億美元，年復合增長率高達21%。

目前，機器視覺正由傳統工業視覺向深度學習工業視覺轉變，未來工業機器視覺的應用領域越來越寬廣。基于此，可將工業機器視覺看做AI的重要分支。

傳統(tong)工業視覺用一個不恰當的(de)比喻來說(shuo)，類似于“擺拍”，基(ji)本上(shang)是(shi)完(wan)成(cheng)規定(ding)動作(zuo)。具體說(shuo)，目(mu)(mu)標(biao)物及(ji)其背(bei)景、光源、采集光學(xue)器材的(de)參數(shu)(shu)等都是(shi)給(gei)定(ding)的(de)，目(mu)(mu)標(biao)感知(zhi)區域也(ye)是(shi)劃(hua)定(ding)的(de)，數(shu)(shu)字(zi)圖像是(shi)按(an)照要求進(jin)行處理的(de)，提取什么(me)信息數(shu)(shu)據是(shi)約定(ding)好的(de)，輸(shu)出給(gei)哪臺設(she)備也(ye)是(shi)設(she)計好的(de)。也(ye)就是(shi)說(shuo)是(shi)按(an)照視覺工程(cheng)師的(de)一系列設(she)定(ding)去完(wan)成(cheng)規定(ding)動作(zuo)，很難適應隨(sui)機(ji)(ji)性強、特征復雜的(de)工作(zuo)任務。如果隨(sui)機(ji)(ji)出現(xian)了超過機(ji)(ji)器邏輯之外(wai)的(de)復雜外(wai)觀缺陷檢測，也(ye)就無能為力。很明顯，它沒有主動的(de)行為能力，也(ye)就是(shi)不具備AI的(de)深(shen)度(du)學(xue)習(xi)能力。

未來的工業機器視覺會與AI相結合，解(jie)決圖像視(shi)頻場景多(duo)(duo)樣、物體種類繁多(duo)(duo)，以(yi)及非受控條(tiao)件下，目標物受光照、姿(zi)態、遮(zhe)擋(dang)等多(duo)(duo)變量(liang)影響等問題，要獨立面對數據量(liang)巨(ju)大(da)、特征復雜、部分應用需實時自主處理等深度(du)場景。

從(cong)現(xian)狀來看(kan)，仍然(ran)存在以(yi)下(xia)制約因素。

一是端側算力成本越來越高。這和工業機器視覺的深度學習能力成正比，就像高級技工的工資高于學徒工一樣，工業機器視覺對算(suan)力(li)(li)硬件性能的要求越來越高(gao)，直(zhi)接導致算(suan)力(li)(li)成(cheng)本(ben)價格上升(sheng)。另(ling)外，一臺獨立算(suan)力(li)(li)設備很(hen)難復(fu)用與共享(xiang)，也(ye)是成(cheng)本(ben)升(sheng)高(gao)的重要因素。

二是單點系統維護成本過高。主要是設備調試、軟件運維、監控分析必須在工作場地完成所造成的。工業機器視覺在工(gong)廠的(de)大規模應用，推高了(le)維護成(cheng)本。

三是數據孤島。圖像數據的處理也需要在工廠完成，有效數據難以被多個系統共享，導致系統功能更新緩慢，難以適應于移動應用場景。同時，工廠車間的有線互聯網建設成本過高、容量不足，無法滿足工業相機數據上行的數據容量需(xu)求。

四是通用性、智能性欠佳。在通用性上，一些集成應用專用性較強，一臺設備可能只適用于一種機器視覺設備或單一行業，研發成本高企。在智能性上，當庫存量較多時或者移動速度較快時，機器視覺工(gong)作的(de)準(zhun)確率明顯(xian)下降，設定的(de)場景超過了它能(neng)接受(shou)的(de)數值，更適合小規(gui)模、品類少和工(gong)位分揀(jian)與(yu)檢測，對于復雜堆疊物體則有(you)心無(wu)力(li)(li)。這(zhe)與(yu)其缺乏深(shen)度學習能(neng)力(li)(li)有(you)關。因此，大規(gui)模工(gong)業應用尚待時(shi)日。

實際上，解決以上所有痛點是未來的發展方向。通用機器視覺，以及工業機器視覺的應用場景的不(bu)斷(duan)豐(feng)富(fu)，將解決(jue)成(cheng)本(ben)難題，不(bu)僅降低總成(cheng)本(ben)，而(er)且24小時不(bu)間斷(duan)工作，使得(de)成(cheng)本(ben)大(da)(da)大(da)(da)降低。一(yi)旦可規模代替產線檢(jian)測人員、操作人員等，就具備了成(cheng)本(ben)優(you)勢。 

更重要的是，工業機器視覺與其他自動化設備相結合，可以支撐更大規模的工業自動化應用，包括工業機器人、數控機床、自動化集成設備等。智能制造不可能離開工業機器視覺的大數據支撐。工業機器視覺收集(ji)的(de)各種(zhong)生(sheng)(sheng)產(chan)數據(ju)是(shi)智(zhi)能化生(sheng)(sheng)產(chan)的(de)基礎，這些(xie)數據(ju)通過(guo)工業以太網等傳至工業服務器，由MES/DCS軟(ruan)件系統進行數據(ju)處理分析，并與企業資源管理軟(ruan)件（如(ru)ERP）聯動，提供(gong)最優(you)化的(de)生(sheng)(sheng)產(chan)方案或者(zhe)定制化生(sheng)(sheng)產(chan)，柔(rou)性制造、智(zhi)能智(zhi)造才有可能。