機器視覺是通過計算機來模拟人類視覺功能(néng)，以讓機器獲得相關視覺信息和加以理(lǐ)解。可(kě)分(fēn)為(wèi)“視”和“覺”兩部分(fēn)原理(lǐ)。

“視”是将外界信息通過成像來顯示成數字信号反饋給計算機，需要依靠一整套的硬件解決方案，包括光源、相機、圖像采集卡、視覺傳感器等。“覺”則是計算機對數字信号進行處理(lǐ)和分(fēn)析，主要是軟件算法。

機器視覺在工(gōng)業上應用(yòng)領域廣闊，核心功能(néng)包括：測量、檢測、識别、定位等。

産(chǎn)業鏈可(kě)以分(fēn)為(wèi)上遊部件級市場、中(zhōng)遊系統集成/整機裝(zhuāng)備市場和下遊應用(yòng)市場。

機器視覺上遊有(yǒu)光源、鏡頭、工(gōng)業相機、圖像采集卡、圖像處理(lǐ)軟件等軟硬件提供商(shāng)，中(zhōng)遊有(yǒu)集成和整機設備提供商(shāng)，行業下遊應用(yòng)較廣，主要下遊市場包括電(diàn)子制造行業、汽車(chē)、印刷包裝(zhuāng)、煙草(cǎo)、農業、醫(yī)藥、紡織和交通等領域。

機器視覺全球市場主要分(fēn)布在北美、歐洲、日本、中(zhōng)國(guó)等地區(qū)，根據統計數據，2014年，全球機器視覺系統及部件市場規模是 36.7 億美元，2015年全球機器視覺系統及部件市場規模是42億美元，2016年全球機器視覺系統及部件市場規模是62億美元，2002-2016年市場年均複合增長(cháng)率為(wèi)12%左右。而機器視覺系統集成，根據北美市場數據估算，大約是視覺系統及部件市場的6倍。

中(zhōng)國(guó)機器視覺起步于80年代的技(jì )術引進，随着98年半導體(tǐ)工(gōng)廠的整線(xiàn)引進，也帶入機器視覺系統，06年以前國(guó)内機器視覺産(chǎn)品主要集中(zhōng)在外資制造企業，規模都較小(xiǎo)，06年開始，工(gōng)業機器視覺應用(yòng)的客戶群開始擴大到印刷、食品等檢測領域，2011年市場開始高速增長(cháng)，随着人工(gōng)成本的增加和制造業的升級需求，加上計算機視覺技(jì )術的快速發展，越來越多(duō)機器視覺方案滲透到各領域，到2016年我國(guó)機器視覺市場規模已達近70億元。

機器視覺中(zhōng)，缺陷檢測功能(néng)，是機器視覺應用(yòng)得最多(duō)的功能(néng)之一，主要檢測産(chǎn)品表面的各種信息。在現代工(gōng)業自動化生産(chǎn)中(zhōng)，連續大批量生産(chǎn)中(zhōng)每個制程都有(yǒu)一定的次品率，單獨看雖然比率很(hěn)小(xiǎo)，但相乘後卻成為(wèi)企業難以提高良率的瓶頸，并且在經過完整制程後再剔除次品成本會高很(hěn)多(duō)（例如，如果錫膏印刷工(gōng)序存在定位偏差，且該問題直到芯片貼裝(zhuāng)後的在線(xiàn)測試才被發現，那麽返修的成本将會是原成本的100倍以上），因此及時檢測及次品剔除對質(zhì)量控制和成本控制是非常重要的，也是制造業進一步升級的重要基石。

1.在檢測行業，與人類視覺相比，機器視覺優勢明顯

1）精(jīng)确度高：人類視覺是64灰度級，且對微小(xiǎo)目标分(fēn)辨力弱；機器視覺可(kě)顯著提高灰度級，同時可(kě)觀測微米級的目标；

2）速度快：人類是無法看清快速運動的目标的，機器快門時間則可(kě)達微秒(miǎo)級别；

3）穩定性高：機器視覺解決了人類一個非常嚴重的問題，不穩定，人工(gōng)目檢是勞動非常枯燥和辛苦的行業，無論你設計怎樣的獎懲制度，都會發生比較高的漏檢率。但是機器視覺檢測設備則沒有(yǒu)疲勞問題，沒有(yǒu)情緒波動，隻要是你在算法中(zhōng)寫好的東西，每一次都會認真執行。在質(zhì)控中(zhōng)大大提升效果可(kě)控性。

4）信息的集成與留存：機器視覺獲得的信息量是全面且可(kě)追溯的，相關信息可(kě)以很(hěn)方便的集成和留存。

2.機器視覺技(jì )術近年發展迅速

1）圖像采集技(jì )術發展迅猛

CCD、CMOS等固件越來越成熟，圖像敏感器件尺寸不斷縮小(xiǎo)，像元數量和數據率不斷提高，分(fēn)辨率和幀率的提升速度可(kě)以說日新(xīn)月異，産(chǎn)品系列也越來越豐富，在增益、快門和信噪比等參數上不斷優化，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(néng)力綜合評估等）來對光源、鏡頭和相機進行綜合選擇，使得很(hěn)多(duō)以前成像上的難點問題得以不斷突破。

2）圖像處理(lǐ)和模式識别發展迅速

圖像處理(lǐ)上，随着圖像高精(jīng)度的邊緣信息的提取，很(hěn)多(duō)原本混合在背景噪聲中(zhōng)難以直接檢測的低對比度瑕疵開始得到分(fēn)辨。

模式識别上，本身可(kě)以看作(zuò)一個标記過程，在一定量度或觀測的基礎上，把待識模式劃分(fēn)到各自的模式中(zhōng)去。圖像識别中(zhōng)運用(yòng)得較多(duō)的主要是決策理(lǐ)論和結構方法。決策理(lǐ)論方法的基礎是決策函數，利用(yòng)它對模式向量進行分(fēn)類識别，是以定時描述（如統計紋理(lǐ)）為(wèi)基礎的；結構方法的核心是将物(wù)體(tǐ)分(fēn)解成了模式或模式基元，而不同的物(wù)體(tǐ)結構有(yǒu)不同的基元串（或稱字符串），通過對未知物(wù)體(tǐ)利用(yòng)給定的模式基元求出編碼邊界，得到字符串，再根據字符串判斷它的屬類。在特征生成上，很(hěn)多(duō)新(xīn)算法不斷出現，包括基于小(xiǎo)波、小(xiǎo)波包、分(fēn)形的特征，以及獨二分(fēn)量分(fēn)析；還有(yǒu)關子支持向量機，變形模闆匹配，線(xiàn)性以及非線(xiàn)性分(fēn)類器的設計等都在不斷延展。

3）深度學(xué)習帶來的突破

傳統的機器學(xué)習在特征提取上主要依靠人來分(fēn)析和建立邏輯，而深度學(xué)習則通過多(duō)層感知機模拟大腦工(gōng)作(zuò)，構建深度神經網絡（如卷積神經網絡等）來學(xué)習簡單特征、建立複雜特征、學(xué)習映射并輸出，訓練過程中(zhōng)所有(yǒu)層級都會被不斷優化。在具(jù)體(tǐ)的應用(yòng)上，例如自動ROI區(qū)域分(fēn)割；标點定位（通過防真視覺可(kě)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瑕疵如橘皮瑕疵；分(fēn)辨玻璃蓋闆檢測中(zhōng)的真假瑕疵等。随着越來越多(duō)的基于深度學(xué)習的機器視覺軟件推向市場（包括瑞士的vidi，韓國(guó)的SUALAB，香港的應科(kē)院等），深度學(xué)習給機器視覺的賦能(néng)會越來越明顯。

4）3d視覺的發展

3D視覺還處于起步階段，許多(duō)應用(yòng)程序都在使用(yòng)3D表面重構，包括導航、工(gōng)業檢測、逆向工(gōng)程、測繪、物(wù)體(tǐ)識别、測量與分(fēn)級等，但精(jīng)度問題限制了3D視覺在很(hěn)多(duō)場景的應用(yòng)，目前工(gōng)程上最先鋪開的應用(yòng)是物(wù)流裏的标準件體(tǐ)積測量，相信未來這塊潛力巨大。

3.要全面替代人工(gōng)目檢，機器視覺還有(yǒu)諸多(duō)難點有(yǒu)待攻破

1）光源與成像：機器視覺中(zhōng)優質(zhì)的成像是第一步，由于不同材料物(wù)體(tǐ)表面反光、折射等問題都會影響被測物(wù)體(tǐ)特征的提取，因此光源與成像可(kě)以說是機器視覺檢測要攻克的第一個難關。比如現在玻璃、反光表面的劃痕檢測等，很(hěn)多(duō)時候問題都卡在不同缺陷的集成成像上。

2）重噪音中(zhōng)低對比度圖像中(zhōng)的特征提取：在重噪音環境下，真假瑕疵的鑒别很(hěn)多(duō)時候較難，這也是很(hěn)多(duō)場景始終存在一定誤檢率的原因，但這塊通過成像和邊緣特征提取的快速發展，已經在不斷取得各種突破。

3）對非預期缺陷的識别：在應用(yòng)中(zhōng)，往往是給定一些具(jù)體(tǐ)的缺陷模式，使用(yòng)機器視覺來識别它們到底有(yǒu)沒有(yǒu)發生。但經常遇到的情況是，許多(duō)明顯的缺陷，因為(wèi)之前沒有(yǒu)發生過，或者發生的模式過分(fēn)多(duō)樣，而被漏檢。如果換做是人，雖然在操作(zuò)流程文(wén)件中(zhōng)沒讓他(tā)去檢測這個缺陷，但是他(tā)會注意到，從而有(yǒu)較大幾率抓住它，而機器視覺在這點上的“智慧”目前還較難突破。

4.機器視覺産(chǎn)業鏈情況

1）上遊部件級市場

主要包括光源、鏡頭、工(gōng)業相機、圖像采集卡、圖像處理(lǐ)軟件等提供商(shāng)，近幾年智能(néng)相機、工(gōng)業相機、光源和闆卡都保持了不低于20%的增速。根據中(zhōng)國(guó)機器視覺産(chǎn)業聯盟（CMVU）調查統計，現在已進入中(zhōng)國(guó)的國(guó)際機器視覺品牌已近200多(duō)家（如康耐視、達爾薩、堡盟等為(wèi)代表的核心部件制造商(shāng)，以基恩士、歐姆龍、松下、邦納、NI等為(wèi)代表的則同時涉足機器視覺核心部件和系統集成），中(zhōng)國(guó)自有(yǒu)的機器視覺品牌也已有(yǒu)100多(duō)家（如海康、華睿、盟拓光電(diàn)、神州視覺、深圳燦銳、上海方誠、上海波創電(diàn)氣等），機器視覺各類産(chǎn)品代理(lǐ)商(shāng)超過300家（如深圳鴻富視覺、微視新(xīn)紀元、三寶興業、淩雲光、陽光視覺等）。很(hěn)多(duō)國(guó)内機器視覺的部件市場都是從代理(lǐ)國(guó)外品牌開始，很(hěn)多(duō)企業均與國(guó)外的同行有(yǒu)較好的合作(zuò)，且這種合作(zuò)具(jù)有(yǒu)一定的排他(tā)性，這給潛在進入者帶來了一定的門檻，因此優質(zhì)産(chǎn)品的代理(lǐ)商(shāng)也都有(yǒu)不錯的市場競争力和利潤表現。同時，以海康、華睿為(wèi)代表的國(guó)産(chǎn)工(gōng)業視覺核心部件正在快速崛起。

2）中(zhōng)遊系統集成和整機裝(zhuāng)備市場

國(guó)内中(zhōng)遊的系統集成和整機裝(zhuāng)備商(shāng)有(yǒu)100多(duō)家，他(tā)們可(kě)以給各行業自動化公(gōng)司提供綜合的機器視覺方案，如淩雲光、微視新(xīn)紀元、嘉恒、淩華、陽光視覺、鼎信、大恒圖像等。由于國(guó)内産(chǎn)品與國(guó)際依然有(yǒu)不小(xiǎo)差距，很(hěn)多(duō)中(zhōng)遊系統集成商(shāng)和整機裝(zhuāng)備商(shāng)又(yòu)是從核心零部件的貿易做起來的，因此很(hěn)多(duō)在視覺産(chǎn)品的選擇方面，依然更為(wèi)青睐國(guó)外品牌。國(guó)内品牌為(wèi)推廣自己的軟硬件産(chǎn)品，往往需要發展自己的方案集成能(néng)力，才能(néng)更好的面對市場競争。

3）下遊應用(yòng)市場

機器視覺下遊，主要是給終端用(yòng)戶提供非标自動化綜合解決方案的公(gōng)司，行業屬性非常強，核心競争力是對行業和生産(chǎn)的綜合理(lǐ)解和多(duō)類技(jì )術整合。由于行業自動化的更叠有(yǒu)一定周期性，深受行業整體(tǐ)升級速度、出貨量和利潤狀況影響，因此近兩年來看，拉動機器視覺應用(yòng)普及最主要的還是在電(diàn)子制造業，其次是汽車(chē)和制藥。

i. 半導體(tǐ)和電(diàn)子生産(chǎn)行業：從國(guó)内機器視覺工(gōng)業上的應用(yòng)分(fēn)布來看，46％都集中(zhōng)在電(diàn)子及半導體(tǐ)制造行業，包括晶圓加工(gōng)制造的分(fēn)類切割、PCB檢測（底片、内／外層闆、成品外觀終檢等）、SMT貼裝(zhuāng)檢測、LCD全流程的AOI缺陷檢測、各種3c組件的表面缺陷檢測、3c産(chǎn)品外觀檢測等

ii. 汽車(chē)：車(chē)身裝(zhuāng)配檢測、零件的幾何尺寸和誤差測量、表面和内部缺陷檢測、間隙檢測等

iii. 印刷、包裝(zhuāng)檢測：煙草(cǎo)外殼印刷、食品的包裝(zhuāng)和印刷、藥品的鋁塑闆包裝(zhuāng)和印刷等

iv. 農業：對農産(chǎn)品的分(fēn)級、檢驗和分(fēn)類

v. 紡織：對異纖、雲織、經疵、緯疵等瑕疵檢測、織物(wù)表面絨毛鑒定、紗線(xiàn)結構分(fēn)析等等。

5.機器視覺系統未來發展趨勢

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

2）模塊化的通用(yòng)型軟件平台和人工(gōng)智能(néng)軟件平台将降低開發人員技(jì )術要求和縮短開發周期

3）3d視覺将走向更多(duō)應用(yòng)場景