機器視覺是(shi)通(tong)過(guo)計(ji)算(suan)(suan)機(ji)(ji)來(lai)模(mo)擬人(ren)類視(shi)覺(jue)功(gong)能，以(yi)讓(rang)機(ji)(ji)器獲得(de)相關視(shi)覺(jue)信(xin)息和加以(yi)理解。可(ke)分(fen)(fen)為“視(shi)”和“覺(jue)”兩部(bu)分(fen)(fen)原理，“視(shi)”是(shi)將外界信(xin)息通(tong)過(guo)成(cheng)像來(lai)顯示成(cheng)數字信(xin)號(hao)反饋給(gei)計(ji)算(suan)(suan)機(ji)(ji)，需要(yao)依靠一整套的硬(ying)件解決(jue)方(fang)案(an)，包括(kuo)光源、相機(ji)(ji)、圖像采集卡、視(shi)覺(jue)傳感器等(deng)；“覺(jue)”則是(shi)計(ji)算(suan)(suan)機(ji)(ji)對(dui)數字信(xin)號(hao)進行處理和分(fen)(fen)析，主要(yao)是(shi)軟件算(suan)(suan)法(fa)。

機器視覺在工業上應用領域廣闊，核心功能包括：測量、檢測、識別、定位等。產業鏈可以分為上游部件級市場、中游系統集成/整機裝備市場和下游應用市場。機器視覺上游有光源、鏡頭、工業相機、圖(tu)像采集(ji)卡、圖(tu)像處理軟(ruan)件(jian)(jian)等(deng)軟(ruan)硬(ying)件(jian)(jian)提供商，中游(you)有(you)集(ji)成和整機設(she)備(bei)提供商，行(xing)業下游(you)應用較廣，主(zhu)要(yao)下游(you)市場包括電(dian)子(zi)制(zhi)造行(xing)業、汽車、印(yin)刷包裝(zhuang)、煙草、農業、醫藥、紡織和交(jiao)通等(deng)領(ling)域。

機器視覺全球市場主要分布在北美、歐洲、日本、中國等地區，根據統計數據，2014年，全球機器視覺系統及部件市場規模是 36.7 億美元，2015年全球機器視覺系統及部件市場規模是42億美元，2016年全球機器視覺系統及部件市場規模是62億美元，2002-2016年市場年均復合增長率為12%左右。而機器視覺系(xi)(xi)統集成，根據北美市場數(shu)據估算，大(da)約是(shi)視覺系(xi)(xi)統及部件(jian)市場的(de)6倍。

中國機器視覺起步于80年代的技術引進，隨著98年半導體工廠的整線引進，也帶入機器視覺系統，06年以前國內機器視覺產品主要集中在外資制造企業，規模都較小，06年開始，工業機器視覺應用的客戶群開始擴大到印刷、食品等檢測領域，2011年市場開始高速增長，隨著人工成本的增加和制造業的升級需求，加上計算機視覺技術的快速發展，越來越多機器視覺方案滲透到各領域，到2016年我國機器視覺市場規模已(yi)達(da)近70億元(yuan)。

機器視覺中，缺陷檢測功能，是機器視覺應用(yong)得最多的(de)(de)功能(neng)之一(yi)，主(zhu)要(yao)檢測產品(pin)表面(mian)的(de)(de)各種(zhong)信(xin)息。在現(xian)代工業(ye)(ye)自動化(hua)生(sheng)產中，連續大批量(liang)(liang)生(sheng)產中每個制(zhi)程(cheng)都有一(yi)定的(de)(de)次品(pin)率(lv)(lv)，單獨看雖然比率(lv)(lv)很(hen)小，但相乘后卻成為(wei)企業(ye)(ye)難(nan)以提高(gao)良率(lv)(lv)的(de)(de)瓶頸(jing)，并(bing)且在經過完整(zheng)制(zhi)程(cheng)后再剔(ti)(ti)除次品(pin)成本(ben)會(hui)高(gao)很(hen)多（例如，如果錫膏印刷工序存(cun)在定位(wei)偏差(cha)，且該問題直(zhi)到(dao)芯片(pian)貼(tie)裝(zhuang)后的(de)(de)在線(xian)測試(shi)才被發現(xian)，那么返修的(de)(de)成本(ben)將會(hui)是原(yuan)成本(ben)的(de)(de)100倍以上），因此及(ji)時檢測及(ji)次品(pin)剔(ti)(ti)除對質量(liang)(liang)控制(zhi)和成本(ben)控制(zhi)是非(fei)常重(zhong)要(yao)的(de)(de)，也是制(zhi)造業(ye)(ye)進一(yi)步升級的(de)(de)重(zhong)要(yao)基石。

一、在檢測行業，與人類視覺相比，機器視覺優勢明顯

1）精確度高：人類視覺是64灰度級，且對微小目標分辨力弱；機器視覺可(ke)顯著提高灰(hui)度級(ji)，同時可(ke)觀測微米(mi)級(ji)的(de)目標；

2）速(su)度快(kuai)(kuai)(kuai)：人類是無法(fa)看(kan)清(qing)快(kuai)(kuai)(kuai)速(su)運動的目(mu)標的，機器快(kuai)(kuai)(kuai)門時(shi)間則可達(da)微秒級別；

3）穩定性高：機器視覺解決了人類一個非常嚴重的問題，不穩定，人工目檢是勞動非常枯燥和辛苦的行業，無論你設計怎樣的獎懲制度，都會發生比較高的漏檢率。但是機器視覺檢測設備則沒有疲(pi)勞問題(ti)，沒有情緒波動，只要是你在算法中(zhong)寫好的東(dong)西，每一次都(dou)會認真執行。在質控(kong)中(zhong)大大提(ti)升效果可控(kong)性。

4）信息的集成與留存：機器視覺獲得(de)的信息量是全面且可(ke)追溯的，相關信息可(ke)以(yi)很方(fang)便的集(ji)成和留存。

二、 機器視覺技術近年發展迅速

1）圖像采集(ji)技術發(fa)展迅猛

CCD、CMOS等固件越(yue)(yue)來(lai)(lai)越(yue)(yue)成熟，圖(tu)像敏感(gan)器(qi)件尺寸不(bu)斷(duan)縮小(xiao)，像元數量和數據率(lv)不(bu)斷(duan)提(ti)(ti)高，分辨率(lv)和幀(zhen)率(lv)的(de)提(ti)(ti)升速(su)度(du)可以(yi)說日新月異，產品系列(lie)也越(yue)(yue)來(lai)(lai)越(yue)(yue)豐富，在增益、快門和信(xin)(xin)噪(zao)比等參數上不(bu)斷(duan)優化，通過(guo)核心測(ce)試指標（MTF、畸(ji)變、信(xin)(xin)噪(zao)比、光源亮度(du)、均勻性、色(se)溫、系統成像能力綜合評估(gu)等）來(lai)(lai)對光源、鏡頭和相機進行綜合選(xuan)擇(ze)，使得很多以(yi)前成像上的(de)難點問(wen)題得以(yi)不(bu)斷(duan)突(tu)破。

2）圖像處理和模式識(shi)別發展迅(xun)速

圖像處(chu)理(li)上，隨(sui)著圖像高精度的(de)邊緣信息(xi)的(de)提取，很多原(yuan)本(ben)混合在(zai)背景噪聲中難(nan)以(yi)直(zhi)接(jie)檢(jian)測的(de)低(di)對比度瑕(xia)疵開始得到分辨。

模(mo)式(shi)識別(bie)(bie)上(shang)(shang)，本身可以(yi)看(kan)作一(yi)個標記過程，在(zai)一(yi)定(ding)量(liang)度或觀(guan)測的(de)(de)(de)基(ji)礎上(shang)(shang)，把(ba)待識模(mo)式(shi)劃分(fen)(fen)(fen)到(dao)各自的(de)(de)(de)模(mo)式(shi)中去(qu)。圖像(xiang)識別(bie)(bie)中運用得較多(duo)的(de)(de)(de)主(zhu)要是(shi)決(jue)策(ce)理(li)論和(he)結構(gou)方(fang)法(fa)。決(jue)策(ce)理(li)論方(fang)法(fa)的(de)(de)(de)基(ji)礎是(shi)決(jue)策(ce)函數(shu)，利用它對(dui)模(mo)式(shi)向量(liang)進行分(fen)(fen)(fen)類識別(bie)(bie)，是(shi)以(yi)定(ding)時描述（如(ru)統(tong)計紋理(li)）為基(ji)礎的(de)(de)(de)；結構(gou)方(fang)法(fa)的(de)(de)(de)核心(xin)是(shi)將物體分(fen)(fen)(fen)解成了(le)模(mo)式(shi)或模(mo)式(shi)基(ji)元(yuan)，而不(bu)同(tong)的(de)(de)(de)物體結構(gou)有不(bu)同(tong)的(de)(de)(de)基(ji)元(yuan)串（或稱字(zi)符(fu)串），通過對(dui)未知物體利用給定(ding)的(de)(de)(de)模(mo)式(shi)基(ji)元(yuan)求出編碼邊界，得到(dao)字(zi)符(fu)串，再(zai)根據字(zi)符(fu)串判斷(duan)它的(de)(de)(de)屬類。在(zai)特(te)征生成上(shang)(shang)，很多(duo)新算法(fa)不(bu)斷(duan)出現，包(bao)括基(ji)于小波(bo)、小波(bo)包(bao)、分(fen)(fen)(fen)形的(de)(de)(de)特(te)征，以(yi)及獨二分(fen)(fen)(fen)量(liang)分(fen)(fen)(fen)析；還(huan)有關子支持向量(liang)機，變(bian)形模(mo)板匹配(pei)，線(xian)(xian)性(xing)以(yi)及非線(xian)(xian)性(xing)分(fen)(fen)(fen)類器的(de)(de)(de)設(she)計等都(dou)在(zai)不(bu)斷(duan)延(yan)展。

3）深度學習(xi)帶來(lai)的突破

傳統的機器學習在特征提取上主要依靠人來分析和建立邏輯，而深度學習則通過多層感知機模擬大腦工作，構建深度神經網絡（如卷積神經網絡等）來學習簡單特征、建立復雜特征、學習映射并輸出，訓練過程中所有層級都會被不斷優化。在具體的應用上，例如自動ROI區域分割；標點定位（通過防真視覺可靈活檢測未知瑕疵）；從重噪聲圖像重檢測無法描述或量化的瑕疵如橘皮瑕疵；分辨玻璃蓋板檢測中的真假瑕疵等。隨著越來越多的基于深度學習的機器視覺軟件推向市場（包括瑞士的vidi，韓國的SUALAB，香港的應科院等），深度學習給機器視覺的(de)賦能會越(yue)來越(yue)明(ming)顯。

4）3d視覺的發展

3D視(shi)覺(jue)還(huan)處于起步(bu)階段(duan)，許(xu)多(duo)應(ying)用(yong)程(cheng)序都在使用(yong)3D表面重構(gou)，包括導(dao)航、工業(ye)檢測(ce)、逆(ni)向(xiang)工程(cheng)、測(ce)繪、物(wu)體識別、測(ce)量(liang)與分級等，但(dan)精(jing)度問題限制(zhi)了3D視(shi)覺(jue)在很多(duo)場景的應(ying)用(yong)，目前工程(cheng)上最(zui)先鋪開的應(ying)用(yong)是(shi)物(wu)流里的標準件體積(ji)測(ce)量(liang)，相(xiang)信(xin)未來這塊潛力(li)巨(ju)大。

三、要全面替代人工目檢，機器視覺還有諸多難點有待攻破

1）光源與成像：機器視覺中優質的成像是第一步，由于不同材料物體表面反光、折射等問題都會影響被測物體特征的提取，因此光源與成像可以說是機器視覺檢(jian)測要(yao)攻克的第一個難關(guan)。比如現在(zai)玻璃、反光(guang)表面的劃痕(hen)檢(jian)測等(deng)，很多(duo)時候問題都卡在(zai)不同(tong)缺陷的集(ji)成成像上。

2）重噪音(yin)中低(di)對比度圖像中的(de)特征(zheng)提取(qu)：在(zai)重噪音(yin)環境下(xia)，真假瑕疵的(de)鑒別很多(duo)時候(hou)較難，這(zhe)(zhe)也是很多(duo)場景(jing)始終存在(zai)一(yi)定誤檢率的(de)原因，但這(zhe)(zhe)塊通(tong)過成像和邊緣特征(zheng)提取(qu)的(de)快(kuai)速發(fa)展(zhan)，已經在(zai)不斷取(qu)得各種突破。

3）對非預期缺陷的識別：在應用中，往往是給定一些具體的缺陷模式，使用機器視覺來識別它們到底有沒有發生。但經常遇到的情況是，許多明顯的缺陷，因為之前沒有發生過，或者發生的模式過分多樣，而被漏檢。如果換做是人，雖然在操作流程文件中沒讓他去檢測這個缺陷，但是他會注意到，從而有較大幾率抓住它，而機器視覺在這點上的“智慧”目前還(huan)較難突破。

四、機器視覺產業鏈情況

1）上游部件級市場

主要包括光源、鏡頭、工業相機、圖像采集卡、圖像處理軟件等提供商，近幾年智能相機、工業相機、光源和板卡都保持了不低于20%的增速。根據中國機器視覺產業聯盟（CMVU）調查統計，現在已進入中國的國際機器視覺品牌已近200多家（如康耐視、達爾薩、堡盟等為代表的核心部件制造商，以基恩士、歐姆龍、松下、邦納、NI等為代表的則同時涉足機器視覺核心部件和系統集成），中國自有的機器視覺品牌也已有100多家（如海康、華睿、盟拓光電、神州視覺、深圳燦銳、上海方誠、上海波創電氣等），機器視覺各類產品代理商超過300家（如深圳鴻富視覺、微視新紀元、三寶興業、凌云光、陽光視覺等）。很多國內機器視覺的(de)部(bu)件市(shi)場都(dou)是從(cong)代(dai)理(li)國(guo)外品牌(pai)開始，很多企業均與國(guo)外的(de)同行有(you)(you)(you)較好的(de)合作(zuo)，且這種合作(zuo)具(ju)有(you)(you)(you)一(yi)定的(de)排(pai)他性，這給潛在(zai)進入者帶來了一(yi)定的(de)門(men)檻，因此(ci)優質產品的(de)代(dai)理(li)商也都(dou)有(you)(you)(you)不錯的(de)市(shi)場競爭力和利潤表(biao)現。同時，以海康(kang)、華睿為代(dai)表(biao)的(de)國(guo)產工業視覺核心部(bu)件正(zheng)在(zai)快速崛起。

2）中游系統集成和整機裝備市場(chang)

國內中游的系統集成和整機裝備商有100多家，他們可以給各行業自動化公司提供綜合的機器視覺方(fang)案，如凌云光、微視(shi)新紀元(yuan)、嘉恒、凌華、陽(yang)光視(shi)覺、鼎信、大恒圖(tu)像等。由于國(guo)內產(chan)品與國(guo)際依然(ran)有不小差(cha)距，很多中游系統集成商(shang)和整機裝備商(shang)又是從(cong)核心零部(bu)件(jian)的(de)貿易做起來的(de)，因此(ci)很多在(zai)視(shi)覺產(chan)品的(de)選擇方(fang)面，依然(ran)更(geng)為青睞國(guo)外品牌。國(guo)內品牌為推廣自(zi)己的(de)軟硬件(jian)產(chan)品，往(wang)往(wang)需(xu)要發展自(zi)己的(de)方(fang)案集成能力(li)，才(cai)能更(geng)好的(de)面對市場競爭。

3）下游應用市場

機器視覺下游，主要是給終端用戶提供非標自動化綜合解決方案的公司，行業屬性非常強，核心競爭力是對行業和生產的綜合理解和多類技術整合。由于行業自動化的更迭有一定周期性，深受行業整體升級速度、出貨量和利潤狀況影響，因此近兩年來看，拉動機器視覺應用普(pu)及最主要的還是在電子(zi)制(zhi)造(zao)業，其(qi)次是汽車(che)和制(zhi)藥。

i. 半導體和電子生產行業：從國內機器視覺工業上的(de)應用分布(bu)來(lai)看，46％都集中在電(dian)子及半導體(ti)制造行業，包括晶圓加工制造的(de)分類(lei)切割、PCB檢(jian)測（底片、內／外(wai)層板(ban)、成品外(wai)觀終檢(jian)等）、SMT貼裝檢(jian)測、LCD全流(liu)程的(de)AOI缺(que)陷檢(jian)測、各種3c組件的(de)表面缺(que)陷檢(jian)測、3c產品外(wai)觀檢(jian)測等

ii. 汽車：車身裝配檢測、零件的幾(ji)何尺寸和(he)誤差測量(liang)、表面和(he)內(nei)部缺(que)陷(xian)檢測、間隙檢測等

iii. 印(yin)刷(shua)(shua)、包(bao)(bao)裝(zhuang)檢測：煙草外殼(ke)印(yin)刷(shua)(shua)、食品(pin)的包(bao)(bao)裝(zhuang)和(he)(he)印(yin)刷(shua)(shua)、藥品(pin)的鋁塑板包(bao)(bao)裝(zhuang)和(he)(he)印(yin)刷(shua)(shua)等

iv. 農業(ye)：對農產品的(de)分(fen)級(ji)、檢驗和分(fen)類

v. 紡(fang)織：對(dui)異纖、云織、經疵(ci)、緯疵(ci)等(deng)瑕疵(ci)檢(jian)測、織物表面絨毛鑒定、紗線結構(gou)分析等(deng)等(deng)。

5

   機器視覺系統未來發展趨勢

1）嵌入(ru)式解(jie)決方案發展迅猛，智能相(xiang)機性能與成本(ben)優勢突(tu)出，嵌入(ru)式PC會越來越強大

2）模(mo)塊(kuai)化的通用(yong)型軟件平臺和人工智能軟件平臺將降低開發人員技術要求和縮短開發周期