機器視覺是(shì)通過計算機來(lái)模拟人(rén)類視覺功能，以(yǐ)讓機器獲得相關視覺信息和(hé / huò)加以(yǐ)理解。可分爲(wéi / wèi)“視”和(hé / huò)“覺”兩部分原理。

“視”是(shì)将外界信息通過成像來(lái)顯示成數字信号反饋給計算機，需要(yào / yāo)依靠一(yī / yì ／yí)整套的(de)硬件解決方案，包括光源、相機、圖像采集卡、視覺傳感器等。“覺”則是(shì)計算機對數字信号進行處理和(hé / huò)分析，主要(yào / yāo)是(shì)軟件算法。

機器視覺在(zài)工業上(shàng)應用領域廣闊，核心功能包括：測量、檢測、識别、定位等。

産業鏈可以(yǐ)分爲(wéi / wèi)上(shàng)遊部件級市場、中遊系統集成/整機裝備市場和(hé / huò)下遊應用市場。

機器視覺上(shàng)遊有光源、鏡頭、工業相機、圖像采集卡、圖像處理軟件等軟硬件提供商，中遊有集成和(hé / huò)整機設備提供商，行業下遊應用較廣，主要(yào / yāo)下遊市場包括電子(zǐ)制造行業、汽車、印刷包裝、煙草、農業、醫藥、紡織和(hé / huò)交通等領域。

機器視覺全球市場主要(yào / yāo)分布在(zài)北美、歐洲、日本、中國(guó)等地(dì / de)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(shì) 36.7 億美元，2015年全球機器視覺系統及部件市場規模是(shì)42億美元，2016年全球機器視覺系統及部件市場規模是(shì)62億美元，2002-2016年市場年均複合增長率爲(wéi / wèi)12%左右。而(ér)機器視覺系統集成，根據北美市場數據估算，大(dà)約是(shì)視覺系統及部件市場的(de)6倍。

中國(guó)機器視覺起步于(yú)80年代的(de)技術引進，随着98年半導體工廠的(de)整線引進，也(yě)帶入機器視覺系統，06年以(yǐ)前國(guó)内機器視覺産品主要(yào / yāo)集中在(zài)外資制造企業，規模都較小，06年開始，工業機器視覺應用的(de)客戶群開始擴大(dà)到(dào)印刷、食品等檢測領域，2011年市場開始高速增長，随着人(rén)工成本的(de)增加和(hé / huò)制造業的(de)升級需求，加上(shàng)計算機視覺技術的(de)快速發展，越來(lái)越多機器視覺方案滲透到(dào)各領域，到(dào)2016年我國(guó)機器視覺市場規模已達近70億元。

機器視覺中，缺陷檢測功能，是(shì)機器視覺應用得最多的(de)功能之(zhī)一(yī / yì ／yí)，主要(yào / yāo)檢測産品表面的(de)各種信息。在(zài)現代工業自動化生産中，連續大(dà)批量生産中每個(gè)制程都有一(yī / yì ／yí)定的(de)次品率，單獨看雖然比率很小，但相乘後卻成爲(wéi / wèi)企業難以(yǐ)提高良率的(de)瓶頸，并且在(zài)經過完整制程後再剔除次品成本會高很多（例如，如果錫膏印刷工序存在(zài)定位偏差，且該問題直到(dào)芯片貼裝後的(de)在(zài)線測試才被發現，那麽返修的(de)成本将會是(shì)原成本的(de)100倍以(yǐ)上(shàng)），因此及時(shí)檢測及次品剔除對質量控制和(hé / huò)成本控制是(shì)非常重要(yào / yāo)的(de)，也(yě)是(shì)制造業進一(yī / yì ／yí)步升級的(de)重要(yào / yāo)基石。

1.在(zài)檢測行業，與人(rén)類視覺相比，機器視覺優勢明顯

1）精确度高：人(rén)類視覺是(shì)64灰度級，且對微小目标分辨力弱；機器視覺可顯著提高灰度級，同時(shí)可觀測微米級的(de)目标；

2）速度快：人(rén)類是(shì)無法看清快速運動的(de)目标的(de)，機器快門時(shí)間則可達微秒級别；

3）穩定性高：機器視覺解決了(le／liǎo)人(rén)類一(yī / yì ／yí)個(gè)非常嚴重的(de)問題，不(bù)穩定，人(rén)工目檢是(shì)勞動非常枯燥和(hé / huò)辛苦的(de)行業，無論你設計怎樣的(de)獎懲制度，都會發生比較高的(de)漏檢率。但是(shì)機器視覺檢測設備則沒有疲勞問題，沒有情緒波動，隻要(yào / yāo)是(shì)你在(zài)算法中寫好的(de)東西，每一(yī / yì ／yí)次都會認真執行。在(zài)質控中大(dà)大(dà)提升效果可控性。

4）信息的(de)集成與留存：機器視覺獲得的(de)信息量是(shì)全面且可追溯的(de)，相關信息可以(yǐ)很方便的(de)集成和(hé / huò)留存。

2.機器視覺技術近年發展迅速

1）圖像采集技術發展迅猛

CCD、CMOS等固件越來(lái)越成熟，圖像敏感器件尺寸不(bù)斷縮小，像元數量和(hé / huò)數據率不(bù)斷提高，分辨率和(hé / huò)幀率的(de)提升速度可以(yǐ)說(shuō)日新月異，産品系列也(yě)越來(lái)越豐富，在(zài)增益、快門和(hé / huò)信噪比等參數上(shàng)不(bù)斷優化，通過核心測試指标（MTF、畸變、信噪比、光源亮度、均勻性、色溫、系統成像能力綜合評估等）來(lái)對光源、鏡頭和(hé / huò)相機進行綜合選擇，使得很多以(yǐ)前成像上(shàng)的(de)難點問題得以(yǐ)不(bù)斷突破。

2）圖像處理和(hé / huò)模式識别發展迅速

圖像處理上(shàng)，随着圖像高精度的(de)邊緣信息的(de)提取，很多原本混合在(zài)背景噪聲中難以(yǐ)直接檢測的(de)低對比度瑕疵開始得到(dào)分辨。

模式識别上(shàng)，本身可以(yǐ)看作一(yī / yì ／yí)個(gè)标記過程，在(zài)一(yī / yì ／yí)定量度或觀測的(de)基礎上(shàng)，把待識模式劃分到(dào)各自的(de)模式中去。圖像識别中運用得較多的(de)主要(yào / yāo)是(shì)決策理論和(hé / huò)結構方法。決策理論方法的(de)基礎是(shì)決策函數，利用它對模式向量進行分類識别，是(shì)以(yǐ)定時(shí)描述（如統計紋理）爲(wéi / wèi)基礎的(de)；結構方法的(de)核心是(shì)将物體分解成了(le／liǎo)模式或模式基元，而(ér)不(bù)同的(de)物體結構有不(bù)同的(de)基元串（或稱字符串），通過對未知物體利用給定的(de)模式基元求出(chū)編碼邊界，得到(dào)字符串，再根據字符串判斷它的(de)屬類。在(zài)特征生成上(shàng)，很多新算法不(bù)斷出(chū)現，包括基于(yú)小波、小波包、分形的(de)特征，以(yǐ)及獨二分量分析；還有關子(zǐ)支持向量機，變形模闆匹配，線性以(yǐ)及非線性分類器的(de)設計等都在(zài)不(bù)斷延展。

3）深度學習帶來(lái)的(de)突破

傳統的(de)機器學習在(zài)特征提取上(shàng)主要(yào / yāo)依靠人(rén)來(lái)分析和(hé / huò)建立邏輯，而(ér)深度學習則通過多層感知機模拟大(dà)腦工作，構建深度神經網絡（如卷積神經網絡等）來(lái)學習簡單特征、建立複雜特征、學習映射并輸出(chū)，訓練過程中所有層級都會被不(bù)斷優化。在(zài)具體的(de)應用上(shàng)，例如自動ROI區域分割；标點定位（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(de)瑕疵如橘皮瑕疵；分辨玻璃蓋闆檢測中的(de)真假瑕疵等。随着越來(lái)越多的(de)基于(yú)深度學習的(de)機器視覺軟件推向市場（包括瑞士的(de)vidi，韓國(guó)的(de)SUALAB，香港的(de)應科院等），深度學習給機器視覺的(de)賦能會越來(lái)越明顯。

4）3d視覺的(de)發展

3D視覺還處于(yú)起步階段，許多應用程序都在(zài)使用3D表面重構，包括導航、工業檢測、逆向工程、測繪、物體識别、測量與分級等，但精度問題限制了(le／liǎo)3D視覺在(zài)很多場景的(de)應用，目前工程上(shàng)最先鋪開的(de)應用是(shì)物流裏的(de)标準件體積測量，相信未來(lái)這(zhè)塊潛力巨大(dà)。

3.要(yào / yāo)全面替代人(rén)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(de)成像是(shì)第一(yī / yì ／yí)步，由于(yú)不(bù)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(de)提取，因此光源與成像可以(yǐ)說(shuō)是(shì)機器視覺檢測要(yào / yāo)攻克的(de)第一(yī / yì ／yí)個(gè)難關。比如現在(zài)玻璃、反光表面的(de)劃痕檢測等，很多時(shí)候問題都卡在(zài)不(bù)同缺陷的(de)集成成像上(shàng)。

2）重噪音中低對比度圖像中的(de)特征提取：在(zài)重噪音環境下，真假瑕疵的(de)鑒别很多時(shí)候較難，這(zhè)也(yě)是(shì)很多場景始終存在(zài)一(yī / yì ／yí)定誤檢率的(de)原因，但這(zhè)塊通過成像和(hé / huò)邊緣特征提取的(de)快速發展，已經在(zài)不(bù)斷取得各種突破。

3）對非預期缺陷的(de)識别：在(zài)應用中，往往是(shì)給定一(yī / yì ／yí)些具體的(de)缺陷模式，使用機器視覺來(lái)識别它們到(dào)底有沒有發生。但經常遇到(dào)的(de)情況是(shì)，許多明顯的(de)缺陷，因爲(wéi / wèi)之(zhī)前沒有發生過，或者發生的(de)模式過分多樣，而(ér)被漏檢。如果換做是(shì)人(rén)，雖然在(zài)操作流程文件中沒讓他(tā)去檢測這(zhè)個(gè)缺陷，但是(shì)他(tā)會注意到(dào)，從而(ér)有較大(dà)幾率抓住它，而(ér)機器視覺在(zài)這(zhè)點上(shàng)的(de)“智慧”目前還較難突破。

4.機器視覺産業鏈情況

1）上(shàng)遊部件級市場

主要(yào / yāo)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(hé / huò)闆卡都保持了(le／liǎo)不(bù)低于(yú)20%的(de)增速。根據中國(guó)機器視覺産業聯盟（CMVU）調查統計，現在(zài)已進入中國(guó)的(de)國(guó)際機器視覺品牌已近200多家（如康耐視、達爾薩、堡盟等爲(wéi / wèi)代表的(de)核心部件制造商，以(yǐ)基恩士、歐姆龍、松下、邦納、NI等爲(wéi / wèi)代表的(de)則同時(shí)涉足機器視覺核心部件和(hé / huò)系統集成），中國(guó)自有的(de)機器視覺品牌也(yě)已有100多家（如海康、華睿、盟拓光電、神州視覺、深圳燦銳、上(shàng)海方誠、上(shàng)海波創電氣等），機器視覺各類産品代理商超過300家（如深圳鴻富視覺、微視新紀元、三寶興業、淩雲光、陽光視覺等）。很多國(guó)内機器視覺的(de)部件市場都是(shì)從代理國(guó)外品牌開始，很多企業均與國(guó)外的(de)同行有較好的(de)合作，且這(zhè)種合作具有一(yī / yì ／yí)定的(de)排他(tā)性，這(zhè)給潛在(zài)進入者帶來(lái)了(le／liǎo)一(yī / yì ／yí)定的(de)門檻，因此優質産品的(de)代理商也(yě)都有不(bù)錯的(de)市場競争力和(hé / huò)利潤表現。同時(shí)，以(yǐ)海康、華睿爲(wéi / wèi)代表的(de)國(guó)産工業視覺核心部件正在(zài)快速崛起。

2）中遊系統集成和(hé / huò)整機裝備市場

國(guó)内中遊的(de)系統集成和(hé / huò)整機裝備商有100多家，他(tā)們可以(yǐ)給各行業自動化公司提供綜合的(de)機器視覺方案，如淩雲光、微視新紀元、嘉恒、淩華、陽光視覺、鼎信、大(dà)恒圖像等。由于(yú)國(guó)内産品與國(guó)際依然有不(bù)小差距，很多中遊系統集成商和(hé / huò)整機裝備商又是(shì)從核心零部件的(de)貿易做起來(lái)的(de)，因此很多在(zài)視覺産品的(de)選擇方面，依然更爲(wéi / wèi)青睐國(guó)外品牌。國(guó)内品牌爲(wéi / wèi)推廣自己的(de)軟硬件産品，往往需要(yào / yāo)發展自己的(de)方案集成能力，才能更好的(de)面對市場競争。

3）下遊應用市場

機器視覺下遊，主要(yào / yāo)是(shì)給終端用戶提供非标自動化綜合解決方案的(de)公司，行業屬性非常強，核心競争力是(shì)對行業和(hé / huò)生産的(de)綜合理解和(hé / huò)多類技術整合。由于(yú)行業自動化的(de)更叠有一(yī / yì ／yí)定周期性，深受行業整體升級速度、出(chū)貨量和(hé / huò)利潤狀況影響，因此近兩年來(lái)看，拉動機器視覺應用普及最主要(yào / yāo)的(de)還是(shì)在(zài)電子(zǐ)制造業，其次是(shì)汽車和(hé / huò)制藥。

i. 半導體和(hé / huò)電子(zǐ)生産行業：從國(guó)内機器視覺工業上(shàng)的(de)應用分布來(lái)看，46％都集中在(zài)電子(zǐ)及半導體制造行業，包括晶圓加工制造的(de)分類切割、PCB檢測（底片、内／外層闆、成品外觀終檢等）、SMT貼裝檢測、LCD全流程的(de)AOI缺陷檢測、各種3c組件的(de)表面缺陷檢測、3c産品外觀檢測等

ii. 汽車：車身裝配檢測、零件的(de)幾何尺寸和(hé / huò)誤差測量、表面和(hé / huò)内部缺陷檢測、間隙檢測等

iii. 印刷、包裝檢測：煙草外殼印刷、食品的(de)包裝和(hé / huò)印刷、藥品的(de)鋁塑闆包裝和(hé / huò)印刷等

iv. 農業：對農産品的(de)分級、檢驗和(hé / huò)分類

v. 紡織：對異纖、雲織、經疵、緯疵等瑕疵檢測、織物表面絨毛鑒定、紗線結構分析等等。

5.機器視覺系統未來(lái)發展趨勢

1）嵌入式解決方案發展迅猛，智能相機性能與成本優勢突出(chū)，嵌入式PC會越來(lái)越強大(dà)

2）模塊化的(de)通用型軟件平台和(hé / huò)人(rén)工智能軟件平台将降低開發人(rén)員技術要(yào / yāo)求和(hé / huò)縮短開發周期

3）3d視覺将走向更多應用場景