一、機器視覺基本概念：
機器視覺簡單來說就是機器具有人眼的測量和判斷能力，在實際使用中，用機器視覺替代人眼來測量和檢測等。機器視覺相當于機器人的眼睛系統(tǒng)，是人工智能的一個分支，現(xiàn)處理快速發(fā)展的階段。
如下圖用3D結構光相機測量物體尺寸。
二、機器視覺系統(tǒng)的組成部分
機器視覺系統(tǒng)是通過專業(yè)打光系統(tǒng)（如3D結構光、紅外照明燈、線激光）提供光源；使用工業(yè)攝像頭等攝像部分將被攝取目標轉換成圖像信號，傳送給專用的圖像處理系統(tǒng)，得到被攝目標的形態(tài)信息。攝像部分根據(jù)像素分布和亮度、顏色等信息，轉變成數(shù)字化信號；圖像系統(tǒng)對這些信號進行各種運算來抽取目標的特征，產(chǎn)生點云等信息。視覺系統(tǒng)可以講檢測到的內(nèi)容，傳輸給相關控制系統(tǒng)，進而讓控制系統(tǒng)根據(jù)判別的結果來控制現(xiàn)場的設備動作。
一個典型的工業(yè)機器視覺系統(tǒng)包括：光源（3D結構光、線激光、各種定制光源）、鏡頭（定焦鏡頭、變倍鏡頭、遠心鏡頭、顯微鏡頭）、 相機（包括CCD相機和COMS相機）、圖像處理單元（或圖像捕獲卡）、圖像處理軟件、監(jiān)視器、通訊 / 輸入輸出單元等。
三、機器視覺特點
機器視覺系統(tǒng)最基本的特點就是提高生產(chǎn)的靈活性和自動化程度。在一些不適于人工作業(yè)的危險工作環(huán)境、人工視覺難以滿足要求的場合，常用機器視覺來替代人工視覺，以實現(xiàn)工業(yè)正常生產(chǎn)。同時，在大批量重復性的工業(yè)生產(chǎn)過程中，用機器視覺可以大大提高生產(chǎn)的效率和自動化程度。（如用3D掃描儀替代二次元，1秒鐘即可以得出使用二次元半小時才能完成的工作；用機器視覺做品質檢驗，可以提升10倍以上的效率）
如下圖使用好優(yōu)投科技的3D結構光相機用于汽車軸承烘烤車間自動抓取，烘烤車間溫度高，軸承又大又重，人工擺放會又累又熱。
下圖的人面部測量，現(xiàn)代醫(yī)學采用了很多智能技術，需要測量人身體不同部位的尺寸，用傳統(tǒng)的測量方法，非常費時且不一定很準確，而使用新式的3D視覺技術，可以控制誤差在0.5mm，非常精準。
在檢測行業(yè)，與人類視覺相比，機器視覺優(yōu)勢明顯
精確度高：人類視覺是64灰度級，且對微小目標分辨力弱；機器視覺可顯著提高灰度級，如康耐視、好優(yōu)投的3D相機都同時可觀測微米級的目標；
2）速度快：人類是無法看清快速運動的目標的，機器快門時間則可達微秒級別；3D結構光測試的，1*1.2米的幅面，每秒可以拍攝60次。
3）穩(wěn)定性高：機器視覺解決了人類一個非常嚴重的問題——不穩(wěn)定。因為人工目檢是勞動非?？菰锖托量嗟男袠I(yè)，無論你設計怎樣的獎懲制度，都會發(fā)生比較高的漏檢率。但是機器視覺檢測設備則沒有疲勞問題，沒有情緒波動，只要是你在算法中寫好的東西，每一次都會認真執(zhí)行。在質控中大大提升效果可控性。
4）信息的集成與留存：機器視覺獲得的信息量是全面且可追溯的，相關信息可以很方便的集成和留存。
（3D結構光相機拍攝軸承，檢測表明不良，精度10um）
四、機器視覺技術近年發(fā)展
1）圖像采集技術發(fā)展迅猛
CCD、CMOS等固件越來越成熟，圖像敏感器件尺寸不斷縮小，像元數(shù)量和數(shù)據(jù)率不斷提高，分辨率和幀率的提升速度可以說日新月異，產(chǎn)品系列也越來越豐富，在增益、快門和信噪比等參數(shù)上不斷優(yōu)化，通過核心測試指標（MTF、畸變、信噪比、光源亮度、均勻性、色溫、系統(tǒng)成像能力綜合評估等）來對光源、鏡頭和相機進行綜合選擇，使得很多以前成像上的難點問題得以不斷突破。
2）圖像處理和模式識別發(fā)展迅速
機器視覺，尤其是3D機器視覺，需要拍攝大量的高清圖像，機器視覺這幾年能得以快速發(fā)展，與圖像處理技術的快速發(fā)展密不可分。圖像處理上，隨著圖像高精度的邊緣信息的提取，很多原本混合在背景噪聲中難以直接檢測的低對比度瑕疵開始得到分辨。
圖像處理需要大量計算，算力模塊提升和算力模塊標準化（如英偉達的Jetson等），為很多小批量、多場景的視覺設備的研發(fā)提供的基礎的硬件支持，讓研發(fā)人員可以快速模塊化開發(fā)和應用。
模式識別上，本身可以看作一個標記過程，在一定量度或觀測的基礎上，把待識模式劃分到各自的模式中去。圖像識別中運用得較多的主要是決策理論和結構方法。決策理論方法的基礎是決策函數(shù)，利用它對模式向量進行分類識別，是以定時描述（如統(tǒng)計紋理）為基礎的；結構方法的核心是將物體分解成了模式或模式基元，而不同的物體結構有不同的基元串（或稱字符串），通過對未知物體利用給定的模式基元求出編碼邊界，得到字符串，再根據(jù)字符串判斷它的屬類。在特征生成上，很多新算法不斷出現(xiàn)，包括基于小波、小波包、分形的特征，以及獨二分量分析；還有關子支持向量機，變形模板匹配，線性以及非線性分類器的設計等都在不斷延展。
3）深度學習帶來的突破
傳統(tǒng)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(jīng)網(wǎng)絡（如卷積神經(jīng)網(wǎng)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(yōu)化。在具體的應用上，例如自動ROI區(qū)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等），深度學習給機器視覺的賦能會越來越明顯。
4）3d視覺的發(fā)展
3D視覺這兩年發(fā)展非常迅速，許多應用程序都在使用3D表面重構，包括導航、工業(yè)檢測、逆向工程、測繪、物體識別、測量與分級等。但3D視覺現(xiàn)在仍處于起步階段，因為一方面現(xiàn)在應用場景實在太多，每個應用場景要測量的物體不同、可以測量條件不同，導致對測量光源、相機及算法均有不同的要求，導致研發(fā)人員還不能快速完成相關技術研發(fā)?，F(xiàn)在整體市場反饋，年復增長率超過39%，相信未來這塊潛力巨大。
五、現(xiàn)在機器視覺還有哪些難點有待攻破
1）光源與成像：機器視覺中優(yōu)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測要攻克的第一個難關。比如現(xiàn)在玻璃、反光表面的劃痕檢測等，很多時候問題都卡在不同缺陷的集成成像上。
2）重噪音中低對比度圖像中的特征提?。涸谥卦胍舡h(huán)境下，真假瑕疵的鑒別很多時候較難，這也是很多場景始終存在一定誤檢率的原因，但這塊通過成像和邊緣特征提取的快速發(fā)展，已經(jīng)在不斷取得各種突破。
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(fā)生。但經(jīng)常遇到的情況是，許多明顯的缺陷，因為之前沒有發(fā)生過，或者發(fā)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”目前還較難突破。
六、機器視覺主要用途
機器視覺常見的應用領域包括視覺檢測、視覺定位、視覺測量及物料分揀。
四個常見應用領域：
1、檢測
檢測是機器視覺工業(yè)領域最主要的應用之一。幾乎所有產(chǎn)品在生產(chǎn)過程中均需要品質保障，這樣均需要質量檢測，而人工檢測會因為檢測人員的個人能力差異、長時間工作疲勞、每個人都有犯錯誤的時候等因素導致存在多種的毛病，導致檢測的一致性、準確性等更是無法保證，檢測速度不穩(wěn)定，影響生產(chǎn)效率。因此，機器視覺檢測設備在圖像檢測方面應用廣泛。
2、定位
視覺定位是通過機器視覺系統(tǒng)，快速準確地找到被測或需要安裝零件位置。如PCB加工時，貼片生產(chǎn)時需要確認貼片位置，自動化插件生產(chǎn)需要確定插件位置；在半導體封裝領域，設備需要按照機器視覺取得的芯片位置信息調(diào)整拾取頭，準確拾取芯片并進行綁定；自動焊接時，需要確認需要焊接的位置等。這些都是視覺定位的應用。
3、測量
機器視覺的測量屬于非接觸式的測量，具有檢測精度高、速度快、成本低、安裝簡便等優(yōu)點?？梢酝瓿晌锲返亩S、三維尺寸在線測量，如物體的長度、圓、角度、線弧等測量。
分揀
大型農(nóng)場的果實采摘、大量快遞包裹物流分揀等都是機器視覺很好的應用場景。物體分揀應用是建立在識別、檢測之后一個環(huán)節(jié)，通過機器視覺系統(tǒng)將物體在空間的位置識別出來，尤其用3D視覺識別，然后實現(xiàn)分揀。在機器視覺工業(yè)應用中常用于食品分揀、流水線不良品剔除、快遞包裹分揀等。
七、機器視覺系統(tǒng)未來發(fā)展趨勢
1）嵌入式解決方案發(fā)展迅猛，智能相機性能與成本優(yōu)勢突出，嵌入式PC會越來越強大
2）模塊化的通用型軟件平臺和人工智能軟件平臺將降低開發(fā)人員技術要求和縮短開發(fā)周期
3）3d視覺將走向更多應用場景，如好優(yōu)投科技先后接到測量保護膜、測量人眼部突變尺寸、測雙開門冰箱安裝尺寸等各式應用。
八、機器視覺現(xiàn)在的行業(yè)應用情況
半導體和電子生產(chǎn)行業(yè)：從國內(nèi)機器視覺工業(yè)上的應用分布來看，46％都集中在電子及半導體制造行業(yè)，包括晶圓加工制造的分類切割、PCB檢測（底片、內(nèi)／外層板、成品外觀終檢等）、SMT貼裝檢測、LCD全流程的AOI缺陷檢測、各種3c組件的表面缺陷檢測、3c產(chǎn)品外觀檢測等
（上圖為3D錫膏測試儀，配好優(yōu)投結構光、索恩達出品）
汽車：車身裝配檢測、零件的幾何尺寸和誤差測量、表面和內(nèi)部缺陷檢測、間隙檢測等
印刷、包裝檢測：煙草外殼印刷、食品的包裝和印刷、藥品的鋁塑板包裝和印刷等
農(nóng)業(yè)：對農(nóng)產(chǎn)品的分級、檢驗和分類
紡織：對異纖、云織、經(jīng)疵、緯疵等瑕疵檢測、織物表面絨毛鑒定、紗線結構分析等等。
九、機器視覺的產(chǎn)業(yè)鏈
機器視覺上游有光源、鏡頭、工業(yè)相機、圖像采集卡、圖像處理軟件等軟硬件提供商，中游有集成和整機設備提供商，行業(yè)下游應用較廣，主要下游市場包括電子制造行業(yè)、汽車、印刷包裝、煙草、農(nóng)業(yè)、醫(yī)藥、紡織和交通等領域。
1）上游部件級市場
主要包括光源、鏡頭、工業(yè)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(yè)相機、光源和板卡都保持了不低于20%的增速。根據(jù)中國機器視覺產(chǎn)業(yè)聯(lián)盟（CMVU）調(diào)查統(tǒng)計，現(xiàn)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(tǒng)集成），中國自有的機器視覺品牌也已有100多家（如?？怠⑷A睿、盟拓光電、神州視覺、深圳燦銳、上海方誠、上海波創(chuàng)電氣、好優(yōu)投等），機器視覺各類產(chǎn)品代理商超過300家（如深圳鴻富視覺、微視新紀元、三寶興業(yè)、凌云光、陽光視覺等）。很多國內(nèi)機器視覺的部件市場都是從代理國外品牌開始，很多企業(yè)均與國外的同行有較好的合作，且這種合作具有一定的排他性，這給潛在進入者帶來了一定的門檻，因此優(yōu)質產(chǎn)品的代理商也都有不錯的市場競爭力和利潤表現(xiàn)。同時，以?？怠⑷A睿、好優(yōu)投為代表的國產(chǎn)工業(yè)視覺核心部件正在快速崛起。
2）中游系統(tǒng)集成和整機裝備市場
國內(nèi)中游的系統(tǒng)集成和整機裝備商有100多家，他們可以給各行業(yè)自動化公司提供綜合的機器視覺方案，如凌云光、微視新紀元、嘉恒、凌華、陽光視覺、鼎信、大恒圖像等。由于國內(nèi)產(chǎn)品與國際依然有不小差距，很多中游系統(tǒng)集成商和整機裝備商又是從核心零部件的貿(mào)易做起來的，因此很多在視覺產(chǎn)品的選擇方面，依然更為青睞國外品牌。國內(nèi)品牌為推廣自己的軟硬件產(chǎn)品，往往需要發(fā)展自己的方案集成能力，才能更好的面對市場競爭。
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(yè)屬性非常強，核心競爭力是對行業(yè)和生產(chǎn)的綜合理解和多類技術整合。由于行業(yè)自動化的更迭有一定周期性，深受行業(yè)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及最主要的還是在電子制造業(yè)，其次是汽車和制藥。
