本文介绍了机器视觉在工业范畴的开展历程，经过其与人类视觉比照，凸显出机器视觉的优势。但不可否认的是，机器要做到彻底代替人眼，仍有瓶颈需求打破。此外，经过对机器视觉的工业链情况进行剖析，对职业进行整理，有助于关注该范畴的人士对机器视觉的未来趋势作出预判。

机器视觉在工业检测中的运用历史与开展

机器视觉在工业上运用范畴宽广，中心功用包含：丈量、检测、辨认、定位等。工业链能够分为上游部件级商场、中游体系集成/整机配备商场和下流运用商场。机器视觉上游有光源、镜头、工业相机、图画采集卡、图画处理软件等软硬件提供商，中游有集成和整机设备提供商，职业下流运用较广，首要下流商场包含电子制作职业、轿车、印刷包装、烟草、农业、医药、纺织和交通等范畴。

机器视觉全球商场首要散布在北美、欧洲、日本、我国等地区，依据计算数据，2014年，全球机器视觉体系及部件商场规模是36.7亿美元，2015年全球机器视觉体系及部件商场规模是42亿美元，2016年全球机器视觉体系及部件商场规模是62亿美元，2002-2016年商场年均复合增长率为12%左右。而机器视觉体系集成，依据北美商场数据预算，大约是视觉体系及部件商场的6倍。

我国机器视觉起步于80年代的技能引进，跟着98年半导体工厂的整线引进，也带入机器视觉体系，06年曾经国内机器视觉产品首要会集在外资制作企业，规模都较小，06年开端，工业机器视觉运用的客户群开端扩大到印刷、食物等检测范畴，2011年商场开端高速增长，跟着人工本钱的添加和制作业的晋级需求，加上计算机视觉技能的快速开展，越来越多机器视觉方案渗透到各范畴，到2016年我国机器视觉商场规模已达近70亿元。

机器视觉中，缺点检测功用，是机器视觉运用得最多的功用之一，首要检测产品外表的各种信息。在现代工业主动化出产中，连续大批量出产中每个制程都有必定的次品率，单独看尽管比率很小，但相乘后却成为企业难以进步良率的瓶颈，并且在经过完好制程后再除掉次品本钱会高许多(例如，假如锡膏印刷工序存在定位误差，且该问题直到芯片贴装后的在线测试才被发现，那么返修的本钱将会是本来钱的100倍以上)，因而及时检测及次品除掉对质量操控和本钱操控是十分重要的，也是制作业进一步晋级的重要基石。

在检测职业，与人类视觉比较，机器视觉优势明显

1、精确度高：人类视觉是64灰度级，且对细小目标分辨力弱；机器视觉可显著进步灰度级，一起可观测微米级的目标；

2、速度快：人类是无法看清快速运动的目标的，机器快门时间则可达微秒级别；

3、稳定性高：机器视觉解决了人类一个十分严重的问题，不稳定，人工目检是劳作十分单调和辛苦的职业，不管你规划怎样的奖惩制度，都会产生比较高的漏检率。但是机器视觉检测设备则没有疲惫问题，没有情绪动摇，只要是你在算法中写好的东西，每一次都会认真执行。在质控中大大提升作用可控性。

4、信息的集成与留存：机器视觉获得的信息量是全面且可追溯的，相关信息能够很方便的集成和留存。

机器视觉技能近年开展迅速

1、图画采集技能开展迅猛

CCD、CMOS等固件越来越老练，图画敏感器件尺度不断缩小，像元数量和数据率不断进步，分辨率和帧率的提升速度能够说一日千里，产品系列也越来越丰厚，在增益、快门和信噪比等参数上不断优化，经过中心测试目标(MTF、畸变、信噪比、光源亮度、均匀性、色温、体系成像才能归纳评估等)来对光源、镜头和相机进行归纳挑选，使得许多曾经成像上的难点问题得以不断打破。

2、图画处理和形式辨认开展迅速

图画处理上，跟着图画高精度的边际信息的提取，许多本来混合在背景噪声中难以直接检测的低比照度瑕疵开端得到分辨。

形式辨认上，本身能够看作一个标记过程，在必定量度或观测的根底上，把待识形式划分到各自的形式中去。图画辨认中运用得较多的首要是决议计划理论和结构方法。决议计划理论方法的根底是决议计划函数，运用它对形式向量进行分类辨认，是以定时描绘(如计算纹路)为根底的；结构方法的中心是将物体分解成了形式或形式基元，而不同的物体结构有不同的基元串(或称字符串)，经过对不知道物体运用给定的形式基元求出编码鸿沟，得到字符串，再依据字符串判别它的属类。在特征生成上，许多新算法不断出现，包含基于小波、小波包、分形的特征，以及独二分量剖析；还有关子支持向量机，变形模板匹配，线性以及非线性分类器的规划等都在不断延展。

3、深度学习带来的打破

传统的机器学习在特征提取上首要依靠人来剖析和树立逻辑，而深度学习则经过多层感知机模仿大脑作业，构建深度神经网络(如卷积神经网络等)来学习简略特征、树立复杂特征、学习映射并输出，练习过程中一切层级都会被不断优化。在具体的运用上，例如主动ROI区域切开；标点定位(经过防真视觉可灵活检测不知道瑕疵)；从重噪声图画重检测无法描绘或量化的瑕疵如橘皮瑕疵；分辨玻璃盖板检测中的真假瑕疵等。跟着越来越多的基于深度学习的机器视觉软件推向商场(包含瑞士的vidi，韩国的SUALAB，香港的应科院等)，深度学习给机器视觉的赋能会越来越明显。

4、3d视觉的开展

3D视觉还处于起步阶段，许多运用程序都在运用3D外表重构，包含导航、工业检测、逆向工程、测绘、物体辨认、丈量与分级等，但精度问题约束了3D视觉在许多场景的运用，目前工程上最先铺开的运用是物流里的标准件体积丈量，相信未来这块潜力巨大。

要全免代替人工目检，机器视觉还有许多难点有待攻破：

1、光源与成像：机器视觉中优质的成像是第一步，因为不同资料物体外表反光、折射等问题都会影响被测物体特征的提取，因而光源与成像能够说是机器视觉检测要霸占的第一个难关。比方现在玻璃、反光外表的划痕检测等，许多时候问题都卡在不同缺点的集成成像上。

2、重噪音中低比照度图画中的特征提取：在重噪音环境下，真假瑕疵的鉴别许多时候较难，这也是许多场景一直存在必定误检率的原因，但这块经过成像和边际特征提取的快速开展，已经在不断获得各种打破。

3、对非预期缺点的辨认：在运用中，往往是给定一些具体的缺点形式，运用机器视觉来辨认它们到底有没有产生。但经常遇到的情况是，许多明显的缺点，因为之前没有产生过，或许产生的形式过火多样，而被漏检。假如换做是人，尽管在操作流程文件中没让他去检测这个缺点，但是他会注意到，从而有较大几率捉住它，而机器视觉在这点上的“才智”目前还较难打破。

机器视觉工业链情况

1、上游部件级商场

首要包含光源、镜头、工业相机、图画采集卡、图画处理软件等提供商，近几年智能相机、工业相机、光源和板卡都坚持了不低于20%的增速。依据我国机器视觉工业联盟(CMVU)调查计算，现在已进入我国的世界机器视觉品牌已近200多家(如康耐视、达尔萨、堡盟等为代表的中心部件制作商，以基恩士、欧姆龙、松下、邦纳、NI等为代表的则一起涉足机器视觉中心部件和体系集成)，我国自有的机器视觉品牌也已有100多家(如海康、华睿、盟拓光电、神州视觉、深圳灿锐、上海方诚、上海波创电气等)，机器视觉各类产品署理商超越300家(如深圳鸿富视觉、微视新纪元、三宝兴业、凌云光、阳光视觉等)。许多国内机器视觉的部件商场都是从署理国外品牌开端，许多企业均与国外的同行有较好的协作，且这种协作具有必定的排他性，这给潜在进入者带来了必定的门槛，因而优质产品的署理商也都有不错的商场竞争力和利润表现。一起，以海康、华睿为代表的国产工业视觉中心部件正在快速兴起。

2、中游体系集成和整机配备商场

国内中游的体系集成和整机配备商有100多家，他们能够给各职业主动化公司提供归纳的机器视觉方案，如凌云光、微视新纪元、嘉恒、凌华、阳光视觉、鼎信、大恒图画等。因为国内产品与世界仍然有不小差距，许多中游体系集成商和整机配备商又是从中心零部件的贸易做起来的，因而许多在视觉产品的挑选方面，仍然更为喜爱国外品牌。国内品牌为推行自己的软硬件产品，往往需求开展自己的方案集成才能，才能更好的面临商场竞争。

3、下流运用商场

机器视觉下流，首要是给终端用户提供非标主动化归纳解决方案的公司，职业特点十分强，中心竞争力是对职业和出产的归纳了解和多类技能整合。因为职业主动化的更迭有必定周期性，深受职业整体晋级速度、出货量和利润情况影响，因而近两年来看，拉动机器视觉运用遍及最首要的还是在电子制作业，其次是轿车和制药。

（1）半导体和电子出产职业：从国内机器视觉工业上的运用散布来看，46%都会集在电子及半导体制作职业，包含晶圆加工制作的分类切开、PCB检测(底片、内/外层板、成品外观终检等)、SMT贴装检测、LCD全流程的AOI缺点检测、各种3c组件的外表缺点检测、3c产品外观检测等

（2）轿车：车身安装检测、零件的几许尺度和误差丈量、外表和内部缺点检测、空隙检测等

（3）印刷、包装检测：烟草外壳印刷、食物的包装和印刷、药品的铝塑板包装和印刷等

（4）农业：对农产品的分级、检验和分类

（5）纺织：对异纤、云织、经疵、纬疵等瑕疵检测、织物外表绒毛鉴定、纱线结构剖析等等。

机器视觉体系未来开展趋势

1、嵌入式解决方案开展迅猛，智能相机性能与本钱优势杰出，嵌入式PC会越来越强大

2、模块化的通用型软件渠道和人工智能软件渠道将降低开发人员技能要求和缩短开发周期

3、3d视觉将走向更多运用场景