?機器視覺起源于上世紀50年代 —— Gilson提出了“光流”這一概念，并基于相關統(tǒng)計模型發(fā)展了逐像素的計算模式，標志著2D影像統(tǒng)計模式的發(fā)展。

相對于人類視覺而言，機器視覺在量化程度、灰度分辨力、空間分辨力和觀測速 度等方面存在顯著優(yōu)勢。其利用相機、鏡頭、光源和光源控制系統(tǒng)采集目標物體 數(shù)據(jù)，借助視覺控制系統(tǒng)、智能視覺軟件和數(shù)據(jù)算法庫進行圖形分析和處理，軟 硬系統(tǒng)相輔相成，為下游自動化、智能化制造行業(yè)賦予視覺能力。

隨著深度學習、3D視覺技術、高精度成像技術和機器視覺互聯(lián)互通技術的發(fā)展，機器視覺性能優(yōu)勢進一步提升，應用領域也向多個維度延伸。

?

國內(nèi)機器視覺起步晚，目前處于快速成長期。國內(nèi)機器視覺源于上世紀80年代的第一批技術引進。自1998年眾多電子和半導體工廠落戶廣東和上海開始，機器視覺生產(chǎn)線和高級設備被引入我國，誕生了國際機器視覺廠商的代理商和系統(tǒng)集成商。
隨著全球制造中心向我國轉移，目前中國已是繼美國、日本之后的第三大機器視 覺領域應用市場。據(jù)中國視覺產(chǎn)業(yè)聯(lián)盟，2018年我國機器視覺行業(yè)銷售額達到83億元，較2013年翻了3倍，年復合增長率達33.54%。

機器視覺基本架構

機器視覺（Machine Vision）是指通過光學裝置和非接觸傳感器自動接收并處理 真實物體的圖像，分析后獲取所需信息或用于控制機器運動的裝置。通俗地說， 機器視覺就是用機器代替人眼。機器視覺模擬眼睛進行圖像采集，經(jīng)過圖像識別 和處理提取信息，最終通過執(zhí)行裝置完成操作。

五大模塊構筑機器視覺系統(tǒng)：按照信號的流動順序，機器視覺系統(tǒng)主要包括光學 成像、圖像傳感器、圖像處理、IO和顯示等五大模塊。

· 

光學成像模塊設計合理的光源和光路，通過鏡頭將物方空間信息投影到像方，從而獲取目標物體的物理信息；

· 

· 

圖像傳感器模塊負責信息的光電信號轉換，目前主流的圖像傳感器分為CCD與CMOS兩類；

· 

· 

圖像處理模塊基于以CPU為中心的電路系統(tǒng)或信息處理芯片，搭配完整的圖像處理方案和數(shù)據(jù)算法庫，提取信息的關鍵參數(shù)；

· 

· 

IO模塊輸出機器視覺系統(tǒng)的結果和數(shù)據(jù)；

· 

· 

顯示模塊方便用戶直觀監(jiān)測系統(tǒng)的運行過程， 實現(xiàn)圖像的可視化。

· 

機器視覺的主要應用領域

現(xiàn)在，發(fā)展迅猛的自動化技術在我國掀起了熱潮，我們對機器視覺的認識加深，每個人對它的看法發(fā)生了巨變。機器視覺系統(tǒng)讓大批量、持續(xù)生產(chǎn)的自動化程度提高了，大大提高了為工業(yè)生產(chǎn)效率和產(chǎn)品精度，同時獲取信息與自動處理的能力變得極其快，為工業(yè)生產(chǎn)的信息集成提供了有效途徑。機器視覺技術不斷成熟和進步，應用范圍變得越來越寬泛。

1.工業(yè)檢測

近幾十年來，在工業(yè)檢測中利用視覺系統(tǒng)的非接觸、速度快、精度合適、現(xiàn)場抗干擾能力強等突出的優(yōu)點，使機器視覺技術得到了廣泛的應用，取得了巨大的經(jīng)濟與社會效益。
機器視覺系統(tǒng)的特點是提高生產(chǎn)的柔性和自動化程度。運用在一些危險工作環(huán)境或人工視覺難以滿足要求的場合；此外，在大批量工業(yè)生產(chǎn)過程中，機器視覺檢測可以大大提高生產(chǎn)效率和生產(chǎn)的自動化程度。
自動視覺識別檢測目前已經(jīng)用于產(chǎn)品外形和表面缺陷檢驗，如木材加工檢測、金屬表面視覺檢測、二極管基片檢查、印刷電路板缺陷檢查、焊縫缺陷自動識別等。這些檢測識別系統(tǒng)屬于二維機器視覺，技術已經(jīng)較為成熟，其基本流程是用一個攝像機獲取圖像，對所獲取的圖像進行處理及模式識別，檢測出所需的內(nèi)容。

2.汽車制造行業(yè)

汽車制造質量原先主要依靠三坐標測量完成，效率低、時間長、數(shù)據(jù)量嚴重不足， 且只能離線測量。機器視覺引入非接觸測量技術，逐步發(fā)展成固定式在線測量站 與機器人柔性在線測量站等在線測量系統(tǒng)，可嚴格監(jiān)控車身尺寸波動，提供數(shù)據(jù)支持。
除傳統(tǒng)三坐標測量、激光在線測量外，藍光掃描測量、表面缺陷測量等視覺測量 方法可進行更加精細地測量，對車身基本特征尺寸、車體裝配效果、缺陷等提供 高精度監(jiān)控。多種監(jiān)控測量手段互相結合，確保生產(chǎn)零件零缺陷、整車制造高質量。
機器視覺檢測系統(tǒng)可以對產(chǎn)品進行制造工藝檢測、自動化跟蹤、追溯與控制等， 包括通過光學字符識別（OCR）技術獲取車身零件編碼以保證零件在整個制造過程中的可追溯性，通過識別零件的存在或缺失以保證部件裝配的完整性，以及通過視覺技術識別產(chǎn)品表面缺陷或加工工具是否存在缺陷以保證生產(chǎn)質量。

3.消費電子行業(yè)

消費電子行業(yè)元器件尺寸小、質量標準高，適合用機器視覺系統(tǒng)檢測，也促進機器視覺技術進步。同時，消費電子產(chǎn)品生命周期短、需求量大，拉動機器視覺市場需求。
機器視覺在消費電子領域，以PCB/FPC AOI檢測、零部件及整機外觀檢測、裝配引導等應用為主，并呈現(xiàn)出越來越多的新的應用場景。

PCB缺陷檢測主要是焊點缺陷檢測和元器件檢測兩大部分。傳統(tǒng)的人工目視檢測法易漏檢、速度慢、時間長、成本高，已不能滿足生產(chǎn)需要，機器視覺PCB檢測系統(tǒng)具有重要的現(xiàn)實意義。
在電路板從印刷裝置中移下，或在清洗劑中清洗后，以及返修完成返回生產(chǎn)線中，機器視覺提供的在線視覺技術可以在實施印刷操作后直接發(fā)現(xiàn)存在的缺陷情況，保證了操作者在加上PCB以前能夠及時處理有關問題。另外，發(fā)現(xiàn)缺陷時可以有效防止有缺陷的電路板送達生產(chǎn)線后端，從而避免出現(xiàn)返修或廢棄現(xiàn)象。操作者能夠及時得到反饋，明確處于操作中的印刷工藝操作是否良好，達到預防缺陷產(chǎn)生的目的，對生產(chǎn)效率和良率的提升至關重要。

4.圖像識別

圖像識別，簡單講就是使用機器視覺處理、分析和理解圖像，識別各種各樣的的對象和目標，功能非常強大，圖片識別應用熱度在視覺與圖像領域中排名第三。
最典型的圖像識別應該就是識別二維碼了。二維碼和條形碼是我們生活中極為常見的條碼。在商品的生產(chǎn)中，廠家把很多的數(shù)據(jù)儲存在小小的二維碼中，通過這種方式對產(chǎn)品進行管理和追溯，隨著機器視覺圖像識別應用變得越來越廣泛，各種材質表面的條碼變得非常容易被識別讀取、檢測，從而提高現(xiàn)代化的水平、生產(chǎn)效率大大的提高、生產(chǎn)成本降低。
圖像識別大多商用場景還屬于藍海，潛力有待開發(fā)，同時，圖片數(shù)據(jù)大多被大型互聯(lián)網(wǎng)企業(yè)所掌握，創(chuàng)業(yè)公司數(shù)據(jù)資源稀少。人臉識別也屬于圖像識別的一個應用場景，做人臉識別的大多數(shù)企業(yè)同時也在提供圖像識別服務，但是銷售效果不佳，主要贏利點還在于人臉識別。

5.物體分揀

在機器視覺應用環(huán)節(jié)中，物體分揀應用是建立在識別、檢測之后的一個環(huán)節(jié)，通過機器視覺系統(tǒng)將圖像進行處理，結合機械臂的使用實現(xiàn)產(chǎn)品分揀。
舉個例子，在過去的產(chǎn)線上，是用人工的方法將物料安放到注塑機里，再進行下一步工序?，F(xiàn)在則是使用自動化設備分料，其中使用機器視覺系統(tǒng)進行產(chǎn)品圖像抓取、圖像分析、輸出結果，再通過機器人把對應的物料放到固定的位置上，從而實現(xiàn)工業(yè)生產(chǎn)的智能化、現(xiàn)代化、自動化。

6.視頻/監(jiān)控分析

人工智能技術可以對結構化的人、車、物等視頻內(nèi)容信息進行快速檢索、查詢。這項應用使得讓公安系統(tǒng)在繁雜的監(jiān)控視頻中搜尋到罪犯的有了可能。在大量人群流動的交通樞紐，該技術也被廣泛用于人群分析、防控預警等。
　　視頻/監(jiān)控領域盈利空間廣闊，商業(yè)模式多種多樣，既可以提供行業(yè)整體解決方案，也可以銷售集成硬件設備。將技術應用于視頻及監(jiān)控領域在人工智能公司中正在形成一種趨勢，這項技術應用將率先在安防、交通甚至零售等行業(yè)掀起應用熱潮。

7.文字識別

計算機文字識別，俗稱光學字符識別，它是利用光學技術和計算機技術把印在或寫在紙上的文字讀取出來，并轉換成一種計算機能夠接受、人又可以理解的格式。這是實現(xiàn)文字高速錄入的一項關鍵技術。

8.食品包裝與制藥行業(yè)應用

機器視覺在食品包裝領域適用范圍廣泛，可用于檢測瓶子的分類和液位測量、標 簽、蓋子、盒子的檢查，以及瓶的形狀、尺寸、密封性和完整性。被檢查的包裝 形狀不限包裝盒、包裝箱、金屬箱、管狀、泡狀、盤狀、廣口瓶、細口瓶、罐裝 和桶裝等。食品包裝是食品質量的重要保障，可以保護食品在流通過程中免受污染，提高品質，避免發(fā)生安全事故。

制藥企業(yè)的生產(chǎn)過程中，藥品關系到人的生命健康，即使是微小的缺陷存在，一 旦藥品流通到市場后也會對患者造成無法彌補的損失，甚至導致醫(yī)療事故的發(fā)生。機器視覺在藥品包裝、質量檢測及控制等多個方面有廣大作為，助力醫(yī)藥行業(yè)加 快現(xiàn)代化、智能化進程。目前，在數(shù)粒、打碼、泡罩版缺粒、藥品殘缺和斷片、 加裝說明書、編碼識別等檢測環(huán)節(jié)，機器視覺檢測內(nèi)容豐富、穩(wěn)定、精確，滿足醫(yī)藥行業(yè)包裝線經(jīng)常變包裝產(chǎn)品的需求。　　

9.無人駕駛

隨著汽車的普及，汽車已經(jīng)成為人工智能技術非常大的應用投放方向，但就目前來說，想要完全實現(xiàn)自動駕駛/無人駕駛，距離技術成熟還有一段路要走。不過利用人工智能技術，汽車的駕駛輔助的功能及應用越來越多，這些應用多半是基于計算機視覺和圖像處理技術來實現(xiàn)。　　

10.圖像及視頻編輯

目前市場上也出現(xiàn)了很多運用及機器學習算法對圖像進行處理，可以實現(xiàn)對圖片的自動修復、美化、變換效果等操作。并且越來越受到用戶青睞。
機器視覺在應用場景上逐漸突破工業(yè)檢測，其應用邊界逐步向智能生活領域拓展。由于機器視覺在智能生活、智能制造兩個領域具有不同的技術特點和應用進展，所以機器視覺于這兩個領域的行業(yè)發(fā)展趨勢也不盡相同。

應用場景不斷豐富

全球機器視覺正處于快速成長期。據(jù)markets and markets預測，全球機器視覺市場規(guī)模至2025年有望達到147美元；GGII數(shù)據(jù)顯示，2019年我國機器視覺市場規(guī)模65.5億元（不包含計算機視覺市場），同比增長21.8%。2014-2019年復合增長率為28.4%，并預測到2023年中國機器視覺市場規(guī)模將達到155.6億元。
目前主流的機器視覺技術仍采用傳統(tǒng)方式，即首先將數(shù)據(jù)表示為一組特征，分析特征或輸入模型后，輸出得到預測結果，在結構化場景下定量檢測具有高速、高準確率、可重復性等優(yōu)勢。但隨著機器視覺的應用領域擴大，傳統(tǒng)方式顯示出通用性低、難以復制、對使用人員要求高等缺點。
深度學習對原始數(shù)據(jù)通過多步特征轉換，得到更高層次、更加抽象的特征表示，并輸入 預測函數(shù)得到最終結果。深度學習可以將機器視覺的效率和魯棒性與人類視覺 的靈活性相結合，完成復雜環(huán)境下的檢測，特別是涉及偏差和未知缺陷的情形， 極大地拓展了機器視覺的應用場景。
傳統(tǒng)的2D機器視覺技術在三個自由度（x、y和旋轉）上定位目標物體，并基于灰度或彩色圖像對比度提供圖像處理分析結果，無法獲取目標物體的三維信息， 也易受光照條件變化、物體運動等影響。3D機器視覺技術可以在六個自由度（x、 y、z、旋轉、俯仰和橫擺）上定位目標物體，提供豐富的三維信息，使機器能夠 感知物理環(huán)境的變化并作出相應調(diào)整，提高了應用中的靈活性和實用性。
機器視覺功能很少作為孤立的系統(tǒng)，而是以整個自動化系統(tǒng)或者設備的有機組成部分之一出現(xiàn)，也往往在配合邏輯控制、運動控制、數(shù)據(jù)采集、通信網(wǎng)絡以及企業(yè)數(shù)據(jù)庫管理等其它功能時，才能真正發(fā)揮出其優(yōu)勢。
構建機器視覺系統(tǒng)，除了完成從光源調(diào)配到圖像處理軟件開發(fā)系列過程外，更是面臨著與上述種種復雜的自動化系統(tǒng)功能集成所帶來的挑戰(zhàn)。單一的視覺開發(fā)軟硬件方案，往往使得自動化系統(tǒng)整體的開發(fā)周期、成本和不確定性風險都要由制造方或者集成商來承擔。機器視覺與自動化系統(tǒng)集成的困難，很大程度上阻礙了其在相對保守的工業(yè)自動化領域的應用。
行業(yè)內(nèi)企業(yè)、協(xié)會和產(chǎn)業(yè)聯(lián)盟不斷合作，制定數(shù)據(jù)接口、通訊協(xié)議等基礎共性標準，旨在打通視覺和各信息系統(tǒng)的通道，實現(xiàn)系統(tǒng)間的互聯(lián)互通，是工業(yè)發(fā)展的必然趨勢。

文章來源：https://mp.weixin.qq.com/s/rtEtKVY74Uc851VV5aA6Ew

如有侵權，請聯(lián)系刪除。