【編者按】文章詳細闡述了機器視覺的應用占比及未來應用潛力，機器視覺技術不斷革新，以及更多先進制造行業對高精度、高效率、高靈活性制造工藝的需求，仍會加速機器視覺進一步的拓展應用。

工業機器視覺系統結構

工業機器視覺系統構架主要分為硬件設備和軟件算法兩部分，其中硬件設備主要包括光源系統、鏡頭、攝像機、圖像采集卡和視覺處理器；軟件包中核心算法主要包括傳統的數字圖像處理算法和基于深度學習的圖像處理算法。

工業機器視覺系統產業及市場規模

2017年全球機器視覺市場規模達到40億美元，2017～2025年復合增長率預計達到8.5%左右。機器視覺系統提供方主要集中于歐美地區，龍頭企業主要包括：康耐視、基恩士、ISRA等。但隨著食品、包裝、工業、消費電子等制造產業逐步在中國制造，中國境內對機器視覺系統的需求量日益增長，未來5年年復合增長率將達到10.4%。

機器視覺技術在工業制造環節中的應用優勢

1. 可實現可靠性更高的產品質量檢測及實時監控，有效的避免了人工檢測過程中的主觀性和個體差異；

2. 檢測精度可達到亞微米級別，突破了人眼的物理限制，在全生命產品周期內對產品進行外形、標簽、完整度等方面的缺陷檢測；

3. 數字圖像處理和計算機視覺算法不斷優化，在軟件系統層面上提供更廣泛及高效的檢測功能，補充機器視覺硬件系統的檢測能力；

4. 避免檢測人員與被檢測物件直接接觸，防止物件被人為損壞，避免了檢測系統機械部件的消耗程度以及維護成本；防止物件免受污染；

5. 使用機器視覺技術的機器人或者機械臂可以根據機器視覺系統提供的位置和方向信息，對工件進行智能抓取，廣泛應用于食品，醫療制藥和包裝等行業，拓展了生產制造的柔性；

6. 減少人在現場操作的時間，有效的避免了操作人員的聽力損害、身體機能下降等情況，保證了操作人員人身。

機器視覺技術在九大工業制造行業中的應用案例

機器視覺技術在工業制造中應用的局限性

1.受到環境光源的約束：不同的光源將造成不同的成像質量和效果，直接干擾檢測算法的檢測，可能造成產品的誤判；單一的視覺引導技術不能保證路徑中障礙物檢測的精度，決策控制層往往需要融合多種傳感器采集的信息。

2. 受到硬件設備性能的限制：攝像頭的鏡頭畸變矯正、標定差異性、視角范圍有限；安裝條件及場地限制，對傳感器融合方案的要求；每個像素的暗電流不同，對光子響應不一致，會造成攝像機中空間及模式噪聲；CCD線陣相機的參數設置的局限性。

3. 受到端上計算資源的限制：工業產品大規模復雜的模型架構需要依賴強大計算能力，當設備終端上內存難以滿足時需要采用模型云端離線訓練再部署到設備終端；圖像數據傳輸時仍需要對特定的任務目標進行模型的參數調整、優化，會產生額外的工程開銷，且實時性較差。

4. 受到檢測對象多樣性的限制：物體表面缺陷種類繁多、缺陷產生機理不明、缺陷描述不充分；機器視覺系統難以從數據中提取特征。

5. 受到成本和收益經濟性的限制：視覺傳感器等工業相機核心零部件和底層視覺軟件的開發需較大投入成本。

工業機器視覺系統的10大未來發展趨勢

技術

1.工業相機中的視覺傳感器在結構設計上不斷優化。

2.嵌入式視覺系統的應用增加工業現場編程效率。

3.設備端深度學習模型不斷獲得壓縮與加速。

4.設備端上計算能力的提升。

5.計算機視覺與機器人技術結合增加機器人視覺自適應能力。

應用

1.可對3D打印產品瑕疵問題進行微米水平無損檢測。

2.視覺信息提升智能機床加工過程中的自主感知能力。

3.智能視覺設備的應用提升工廠員工操作效率及安全。

4.讓工業機器人從實際工作中學習基于視覺的運動技能及操作策略。

5.在細胞學研究工作中進行細胞顯微鏡圖像質量的自動評估。