身为电气工程师的你懂机械视觉吗?为什么它这么厉害?

“视”是将外界信息通过成像来显示成数字旗子暗记反馈给打算机，须要依赖一整套的硬件办理方案，包括光源、相机、图像采集卡、视觉传感器等。

机器视觉在工业上运用领域广阔，核心功能包括：丈量、检测、识别、定位等。

家当链可以分为上游部件级市场、中游系统集成/整机装备市场和下贱运用市场。

机器视觉上游有光源、镜头、工业相机、图像采集卡、图像处理软件等软硬件供应商，中游有集成和整机设备供应商，行业下贱运用较广，紧张下贱市场包括电子制造行业、汽车、印刷包装、烟草、农业、医药、纺织和交通等领域。

机器视觉环球市场紧张分布在北美、欧洲、日本、中国等地区，根据统计数据，2014年，环球机器视觉系统及部件市场规模是 36.7 亿美元，2015年环球机器视觉系统及部件市场规模是42亿美元，2016年环球机器视觉系统及部件市场规模是62亿美元，2002-2016年市场年均复合增长率为12%旁边。
而机器视觉系统集成，根据北美市场数据估算，大约是视觉系统及部件市场的6倍。

中国机器视觉起步于80年代的技能引进，随着98年半导体工厂的整线引进，也带入机器视觉系统，06年以前海内机器视觉产品紧张集中在外资制造企业，规模都较小，06年开始，工业机器视觉运用的客户群开始扩大到印刷、食品等检测领域，2011年市场开始高速增长，随着人工本钱的增加和制造业的升级需求，加上打算机视觉技能的快速发展，越来越多机器视觉方案渗透到各领域，到2016年我国机器视觉市场规模已达近70亿元。

机器视觉中，毛病检测功能，是机器视觉运用得最多的功能之一，紧张检测产品表面的各种信息。
在当代工业自动化生产中，连续大批量生产中每个制程都有一定的次品率，单独看虽然比率很小，但相乘后却成为企业难以提高良率的瓶颈，并且在经由完全制程后再剔除次品本钱会高很多（例如，如果锡膏印刷工序存在定位偏差，且该问题直到芯片贴装后的在线测试才被创造，那么返修的本钱将会是原本钱的100倍以上），因此及时检测及次品剔除对质量掌握和本钱掌握是非常主要的，也是制造业进一步升级的主要基石。

1.在检测行业，与人类视觉比较，机器视觉上风明显

1）精确度高：人类视觉是64灰度级，且对眇小目标分辨力弱；机器视觉可显著提高灰度级，同时可不雅观测微米级的目标；

2）速率快：人类是无法看清快速运动的目标的，机器快门韶光则可达微秒级别；

3）稳定性高：机器视觉办理了人类一个非常严重的问题，不稳定，人工目检是劳动非常呆板和辛劳的行业，无论你设计若何的赏罚制度，都会发生比较高的漏检率。
但是机器视觉检测设备则没有疲倦问题，没有感情颠簸，只假如你在算法中写好的东西，每一次都会负责实行。
在质控中大大提升效果可控性。

4）信息的集成与留存：机器视觉得到的信息量是全面且可追溯的，干系信息可以很方便的集成和留存。

2.机器视觉技能近年景长迅速

1）图像采集技能发展迅猛

CCD、CMOS等固件越来越成熟，图像敏感器件尺寸不断缩小，像元数量和数据率不断提高，分辨率和帧率的提升速率可以说日月牙异，产品系列也越来越丰富，在增益、快门和信噪比等参数上不断优化，通过核心测试指标（MTF、畸变、信噪比、光源亮度、均匀性、色温、系统成像能力综合评估等）来对光源、镜头和相机进行综合选择，使得很多以前成像上的难点问题得以不断打破。

2）图像处理和模式识别发展迅速

图像处理上，随着图像高精度的边缘信息的提取，很多原来稠浊在背景噪声中难以直接检测的低比拟度瑕疵开始得到分辨。

模式识别上，本身可以看作一个标记过程，在一定量度或不雅观测的根本上，把待识模式划分到各自的模式中去。
图像识别中利用得较多的紧张是决策理论和构造方法。
决策理论方法的根本是决策函数，利用它对模式向量进行分类识别，因此定时描述（如统计纹理）为根本的；构造方法的核心是将物体分解成了模式或模式基元，而不同的物体构造有不同的基元串（或称字符串），通过对未知物体利用给定的模式基元求出编码边界，得到字符串，再根据字符串判断它的属类。
在特色天生上，很多新算法不断涌现，包括基于小波、小波包、分形的特色，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设计等都在不断延展。

3）深度学习带来的打破

传统的机器学习在特色提取上紧张依赖人来剖析和建立逻辑，而深度学习则通过多层感知机仿照大脑事情，构建深度神经网络（如卷积神经网络等）来学习大略特色、建立繁芜特色、学习映射并输出，演习过程中所有层级都会被不断优化。
在详细的运用上，例如自动ROI区域分割；标点定位（通过防真视觉可灵巧检测未知瑕疵）；从重噪声图像重检测无法描述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。
随着越来越多的基于深度学习的机器视觉软件推向市场（包括瑞士的vidi，韩国的SUALAB，喷鼻香港的应科院等），深度学习给机器视觉的赋能会越来越明显。

4）3d视觉的发展

3D视觉还处于起步阶段，许多运用程序都在利用3D表面重构，包括导航、工业检测、逆向工程、测绘、物体识别、丈量与分级等，但精度问题限定了3D视觉在很多场景的运用，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。

3.要全面替代人工目检，机器视觉还有诸多难点有待攻破

1）光源与成像：机器视觉中优质的成像是第一步，由于不同材料物体表面反光、折射等问题都会影响被测物体特色的提取，因此光源与成像可以说是机器视觉检测要占领的第一个难关。
比如现在玻璃、反光表面的划痕检测等，很多时候问题都卡在不同毛病的集成成像上。

2）重噪音中低比拟度图像中的特色提取：在重噪音环境下，真假瑕疵的鉴别很多时候较难，这也是很多场景始终存在一定误检率的缘故原由，但这块通过成像和边缘特色提取的快速发展，已经在不断取得各种打破。

3）对非预期毛病的识别：在运用中，每每是给定一些详细的毛病模式，利用机器视觉来识别它们到底有没有发生。
但常常碰着的情形是，许多明显的毛病，由于之前没有发生过，或者发生的模式过分多样，而被漏检。
如果换做是人，虽然在操作流程文件中没让他去检测这个毛病，但是他会把稳到，从而有较大几率捉住它，而机器视觉在这点上的“聪慧”目前还较难打破。

4.机器视觉家当链情形

1）上游部件级市场

紧张包括光源、镜头、工业相机、图像采集卡、图像处理软件等供应商，近几年智能相机、工业相机、光源和板卡都保持了不低于20%的增速。
根据中国机器视觉家当同盟（CMVU）调查统计，现在已进入中国的国际机器视觉品牌已近200多家（如康耐视、达尔萨、堡盟等为代表的核心部件制造商，以基恩士、欧姆龙、松下、邦纳、NI等为代表的则同时涉足机器视觉核心部件和系统集成），中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），机器视觉各种产品代理商超过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）。
很多海内机器视觉的部件市场都是从代理国外品牌开始，很多企业均与国外的同行有较好的互助，且这种互助具有一定的排他性，这给潜在进入者带来了一定的门槛，因此优质产品的代理商也都有不错的市场竞争力和利润表现。
同时，以海康、华睿为代表的国产工业视觉核心部件正在快速崛起。

2）中游系统集成和整机装备市场

海内里游的系统集成和整机装备商有100多家，他们可以给各行业自动化公司供应综合的机器视觉方案，如凌云光、微视新纪元、嘉恒、凌华、阳光视觉、鼎信、大恒图像等。
由于海内产品与国际依然有不小差距，很多中游系统集成商和整机装备商又是从核心零部件的贸易做起来的，因此很多在视觉产品的选择方面，依然更为青睐国外品牌。
海内品牌为推广自己的软硬件产品，每每须要发展自己的方案集成能力，才能更好的面对市场竞争。

3）下贱运用市场

机器视觉下贱，紧张是给终端用户供应非标自动化综合办理方案的公司，行业属性非常强，核心竞争力是对行业和生产的综合理解和多类技能整合。
由于行业自动化的更迭有一定周期性，深受行业整体升级速率、出货量和利润状况影响，因此近两年来看，拉动机器视觉运用遍及最紧张的还是在电子制造业，其次是汽车和制药。

i. 半导体和电子生产行业：从海内机器视觉工业上的运用分布来看，46％都集中在电子及半导系统编制造行业，包括晶圆加工制造的分类切割、PCB检测（底片、内／外层板、成品外不雅观终检等）、SMT贴装检测、LCD全流程的AOI毛病检测、各种3c组件的表面毛病检测、3c产品外不雅观检测等

ii. 汽车：车身装置检测、零件的几何尺寸和偏差丈量、表面和内部毛病检测、间隙检测等

iii. 印刷、包装检测：烟草外壳印刷、食品的包装和印刷、药品的铝塑板包装和印刷等

iv. 农业：对农产品的分级、考验和分类

v. 纺织：对异纤、云织、经疵、纬疵等瑕疵检测、织物表面绒毛鉴定、纱线构造剖析等等。

5.机器视觉系统未来发展趋势

1）嵌入式办理方案发展迅猛，智能相机性能与本钱上风突出，嵌入式PC会越来越强大

2）模块化的通用型软件平台和人工智能软件平台将降落开拓职员技能哀求和缩短开拓周期

3）3d视觉将走向更多运用处景