機(jī)器視覺(jué)是通過(guò)計(jì)算機(jī)來(lái)模擬人類視覺(jué)功能，以讓機(jī)器獲得相關(guān)視覺(jué)信息和加以理解?？煞譃?ldquo;視”和“覺(jué)”兩部分原理，“視”是將外界信息通過(guò)成像來(lái)顯示成數(shù)字信號(hào)反饋給計(jì)算機(jī)，需要依靠一整套的硬件解決方案，包括光源、相機(jī)、圖像采集卡、視覺(jué)傳感器等；“覺(jué)”則是計(jì)算機(jī)對(duì)數(shù)字信號(hào)進(jìn)行處理和分析，主要是軟件算法。

機(jī)器視覺(jué)在工業(yè)上應(yīng)用領(lǐng)域廣闊，核心功能包括：測(cè)量、檢測(cè)、識(shí)別、定位等。產(chǎn)業(yè)鏈可以分為上游部件級(jí)市場(chǎng)、中游系統(tǒng)集成/整機(jī)裝備市場(chǎng)和下游應(yīng)用市場(chǎng)。機(jī)器視覺(jué)上游有光源、鏡頭、工業(yè)相機(jī)、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(jī)設(shè)備提供商，行業(yè)下游應(yīng)用較廣，主要下游市場(chǎng)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(lǐng)域。

機(jī)器視覺(jué)全球市場(chǎng)主要分布在北美、歐洲、日本、中國(guó)等地區(qū)，根據(jù)統(tǒng)計(jì)數(shù)據(jù)，2014年，全球機(jī)器視覺(jué)系統(tǒng)及部件市場(chǎng)規(guī)模是 36.7 億美元，2015年全球機(jī)器視覺(jué)系統(tǒng)及部件市場(chǎng)規(guī)模是42億美元，2016年全球機(jī)器視覺(jué)系統(tǒng)及部件市場(chǎng)規(guī)模是62億美元，2002-2016年市場(chǎng)年均復(fù)合增長(zhǎng)率為12%左右。而機(jī)器視覺(jué)系統(tǒng)集成，根據(jù)北美市場(chǎng)數(shù)據(jù)估算，大約是視覺(jué)系統(tǒng)及部件市場(chǎng)的6倍。

中國(guó)機(jī)器視覺(jué)起步于80年代的技術(shù)引進(jìn)，隨著98年半導(dǎo)體工廠的整線引進(jìn)，也帶入機(jī)器視覺(jué)系統(tǒng)，06年以前國(guó)內(nèi)機(jī)器視覺(jué)產(chǎn)品主要集中在外資制造企業(yè)，規(guī)模都較小，06年開(kāi)始，工業(yè)機(jī)器視覺(jué)應(yīng)用的客戶群開(kāi)始擴(kuò)大到印刷、食品等檢測(cè)領(lǐng)域，2011年市場(chǎng)開(kāi)始高速增長(zhǎng)，隨著人工成本的增加和制造業(yè)的升級(jí)需求，加上計(jì)算機(jī)視覺(jué)技術(shù)的快速發(fā)展，越來(lái)越多機(jī)器視覺(jué)方案滲透到各領(lǐng)域，到2016年我國(guó)機(jī)器視覺(jué)市場(chǎng)規(guī)模已達(dá)近70億元。

機(jī)器視覺(jué)中，缺陷檢測(cè)功能，是機(jī)器視覺(jué)應(yīng)用得最多的功能之一，主要檢測(cè)產(chǎn)品表面的各種信息。在現(xiàn)代工業(yè)自動(dòng)化生產(chǎn)中，連續(xù)大批量生產(chǎn)中每個(gè)制程都有一定的次品率，單獨(dú)看雖然比率很小，但相乘后卻成為企業(yè)難以提高良率的瓶頸，并且在經(jīng)過(guò)完整制程后再剔除次品成本會(huì)高很多（例如，如果錫膏印刷工序存在定位偏差，且該問(wèn)題直到芯片貼裝后的在線測(cè)試才被發(fā)現(xiàn)，那么返修的成本將會(huì)是原成本的100倍以上），因此及時(shí)檢測(cè)及次品剔除對(duì)質(zhì)量控制和成本控制是非常重要的，也是制造業(yè)進(jìn)一步升級(jí)的重要基石。

1）精確度高：人類視覺(jué)是64灰度級(jí)，且對(duì)微小目標(biāo)分辨力弱；機(jī)器視覺(jué)可顯著提高灰度級(jí)，同時(shí)可觀測(cè)微米級(jí)的目標(biāo)；

2）速度快：人類是無(wú)法看清快速運(yùn)動(dòng)的目標(biāo)的，機(jī)器快門時(shí)間則可達(dá)微秒級(jí)別；

3）穩(wěn)定性高：機(jī)器視覺(jué)解決了人類一個(gè)非常嚴(yán)重的問(wèn)題，不穩(wěn)定，人工目檢是勞動(dòng)非?？菰锖托量嗟男袠I(yè)，無(wú)論你設(shè)計(jì)怎樣的獎(jiǎng)懲制度，都會(huì)發(fā)生比較高的漏檢率。但是機(jī)器視覺(jué)檢測(cè)設(shè)備則沒(méi)有疲勞問(wèn)題，沒(méi)有情緒波動(dòng)，只要是你在算法中寫(xiě)好的東西，每一次都會(huì)認(rèn)真執(zhí)行。在質(zhì)控中大大提升效果可控性。

4）信息的集成與留存：機(jī)器視覺(jué)獲得的信息量是全面且可追溯的，相關(guān)信息可以很方便的集成和留存。

機(jī)器視覺(jué)技術(shù)近年發(fā)展迅速

1）圖像采集技術(shù)發(fā)展迅猛

CCD、CMOS等固件越來(lái)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(shuō)日新月異，產(chǎn)品系列也越來(lái)越豐富，在增益、快門和信噪比等參數(shù)上不斷優(yōu)化，通過(guò)核心測(cè)試指標(biāo)（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(píng)估等）來(lái)對(duì)光源、鏡頭和相機(jī)進(jìn)行綜合選擇，使得很多以前成像上的難點(diǎn)問(wèn)題得以不斷突破。

2）圖像處理和模式識(shí)別發(fā)展迅速

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(cè)的低對(duì)比度瑕疵開(kāi)始得到分辨。

模式識(shí)別上，本身可以看作一個(gè)標(biāo)記過(guò)程，在一定量度或觀測(cè)的基礎(chǔ)上，把待識(shí)模式劃分到各自的模式中去。圖像識(shí)別中運(yùn)用得較多的主要是決策理論和結(jié)構(gòu)方法。決策理論方法的基礎(chǔ)是決策函數(shù)，利用它對(duì)模式向量進(jìn)行分類識(shí)別，是以定時(shí)描述（如統(tǒng)計(jì)紋理）為基礎(chǔ)的；結(jié)構(gòu)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(jié)構(gòu)有不同的基元串（或稱字符串），通過(guò)對(duì)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(dú)二分量分析；還有關(guān)子支持向量機(jī)，變形模板匹配，線性以及非線性分類器的設(shè)計(jì)等都在不斷延展。

3）深度學(xué)習(xí)帶來(lái)的突破

傳統(tǒng)的機(jī)器學(xué)習(xí)在特征提取上主要依靠人來(lái)分析和建立邏輯，而深度學(xué)習(xí)則通過(guò)多層感知機(jī)模擬大腦工作，構(gòu)建深度神經(jīng)網(wǎng)絡(luò)（如卷積神經(jīng)網(wǎng)絡(luò)等）來(lái)學(xué)習(xí)簡(jiǎn)單特征、建立復(fù)雜特征、學(xué)習(xí)映射并輸出，訓(xùn)練過(guò)程中所有層級(jí)都會(huì)被不斷優(yōu)化。在具體的應(yīng)用上，例如自動(dòng)ROI區(qū)域分割；標(biāo)點(diǎn)定位（通過(guò)防真視覺(jué)可靈活檢測(cè)未知瑕疵）；從重噪聲圖像重檢測(cè)無(wú)法描述或量化的瑕疵如橘皮瑕疵；分辨玻璃蓋板檢測(cè)中的真假瑕疵等。隨著越來(lái)越多的基于深度學(xué)習(xí)的機(jī)器視覺(jué)軟件推向市場(chǎng)（包括瑞士的vidi，韓國(guó)的SUALAB，香港的應(yīng)科院等），深度學(xué)習(xí)給機(jī)器視覺(jué)的賦能會(huì)越來(lái)越明顯。

4）3d視覺(jué)的發(fā)展

3D視覺(jué)還處于起步階段，許多應(yīng)用程序都在使用3D表面重構(gòu)，包括導(dǎo)航、工業(yè)檢測(cè)、逆向工程、測(cè)繪、物體識(shí)別、測(cè)量與分級(jí)等，但精度問(wèn)題限制了3D視覺(jué)在很多場(chǎng)景的應(yīng)用，目前工程上最先鋪開(kāi)的應(yīng)用是物流里的標(biāo)準(zhǔn)件體積測(cè)量，相信未來(lái)這塊潛力巨大。

要全免替代人工目檢，機(jī)器視覺(jué)還有諸多難點(diǎn)有待攻破：

1）光源與成像

機(jī)器視覺(jué)中優(yōu)質(zhì)的成像是第一步，由于不同材料物體表面反光、折射等問(wèn)題都會(huì)影響被測(cè)物體特征的提取，因此光源與成像可以說(shuō)是機(jī)器視覺(jué)檢測(cè)要攻克的第一個(gè)難關(guān)。比如現(xiàn)在玻璃、反光表面的劃痕檢測(cè)等，很多時(shí)候問(wèn)題都卡在不同缺陷的集成成像上。

2）重噪音中低對(duì)比度圖像中的特征提取

在重噪音環(huán)境下，真假瑕疵的鑒別很多時(shí)候較難，這也是很多場(chǎng)景始終存在一定誤檢率的原因，但這塊通過(guò)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(duì)非預(yù)期缺陷的識(shí)別

在應(yīng)用中，往往是給定一些具體的缺陷模式，使用機(jī)器視覺(jué)來(lái)識(shí)別它們到底有沒(méi)有發(fā)生。但經(jīng)常遇到的情況是，許多明顯的缺陷，因?yàn)橹皼](méi)有發(fā)生過(guò)，或者發(fā)生的模式過(guò)分多樣，而被漏檢。如果換做是人，雖然在操作流程文件中沒(méi)讓他去檢測(cè)這個(gè)缺陷，但是他會(huì)注意到，從而有較大幾率抓住它，而機(jī)器視覺(jué)在這點(diǎn)上的“智慧”目前還較難突破。

4.機(jī)器視覺(jué)系統(tǒng)未來(lái)發(fā)展趨勢(shì)

1）嵌入式解決方案發(fā)展迅猛，智能相機(jī)性能與成本優(yōu)勢(shì)突出，嵌入式PC會(huì)越來(lái)越強(qiáng)大

2）模塊化的通用型軟件平臺(tái)和人工智能軟件平臺(tái)將降低開(kāi)發(fā)人員技術(shù)要求和縮短開(kāi)發(fā)周期

3）3d視覺(jué)將走向更多應(yīng)用場(chǎng)景

1/5