工控行業(yè)大邁進(jìn)！機(jī)器視覺與人類視覺的效率對比，強(qiáng)！
- 機(jī)器視覺是通過計算機(jī)來模擬人類視覺功能，以讓機(jī)器獲得相關(guān)視覺信息和加以理解，可分為“視”和“覺”兩部分原理。
“覺”則是計算機(jī)對數(shù)字信號進(jìn)行處理和分析，主要是軟件算法。
產(chǎn)業(yè)鏈可以分為上游部件級市場、中游系統(tǒng)集成/整機(jī)裝備市場和下游應(yīng)用市場。
機(jī)器視覺上游有光源、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)器視覺中，缺陷檢測功能，是機(jī)器視覺應(yīng)用得最多的功能之一，主要檢測產(chǎn)品表面的各種信息。
1、在檢測行業(yè)，與人類視覺相比，機(jī)器視覺優(yōu)勢明顯
1）精確度高：人類視覺是64灰度級，且對微小目標(biāo)分辨力弱；機(jī)器視覺可顯著提高灰度級，同時可觀測微米級的目標(biāo)；
2）速度快：人類是無法看清快速運(yùn)動的目標(biāo)的，機(jī)器快門時間則可達(dá)微秒級別；
3）穩(wěn)定性高：機(jī)器視覺解決了人類一個非常嚴(yán)重的問題，不穩(wěn)定，人工目檢是勞動非常枯燥和辛苦的行業(yè)，無論你設(shè)計怎樣的獎懲制度，都會發(fā)生比較高的漏檢率。但是機(jī)器視覺檢測設(shè)備則沒有疲勞問題，沒有情緒波動，只要是你在算法中寫好的東西，每一次都會認(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。
2、機(jī)器視覺技術(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日新月異，產(chǎn)品系列也越來越豐富，在增益、快門和信噪比等參數(shù)上不斷優(yōu)化，通過核心測試指標(biāo)（MTF、畸變、信噪比、光源亮度、均勻性、色溫、系統(tǒng)成像能力綜合評估等）來對光源、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)問題得以不斷突破。
2）圖像處理和模式識別發(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的低對比度瑕疵開始得到分辨。
模式識別上，本身可以看作一個標(biāo)記過程，在一定量度或觀測的基礎(chǔ)上，把待識模式劃分到各自的模式中去。圖像識別中運(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)，利用它對模式向量進(jìn)行分類識別，是以定時描述（如統(tǒng)計紋理）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），通過對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)計等都在不斷延展。
3）深度學(xué)習(xí)帶來的突破
傳統(tǒng)的機(jī)器學(xué)習(xí)在特征提取上主要依靠人來分析和建立邏輯，而深度學(xué)習(xí)則通過多層感知機(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）來學(xué)習(xí)簡單特征、建立復(fù)雜特征、學(xué)習(xí)映射并輸出，訓(xùn)練過程中所有層級都會被不斷優(yōu)化。在具體的應(yīng)用上，例如自動ROI區(qū)域分割；標(biāo)點(diǎn)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瑕疵如橘皮瑕疵；分辨玻璃蓋板檢測中的真假瑕疵等。隨著越來越多的基于深度學(xué)習(xí)的機(jī)器視覺軟件推向市場（包括瑞士的vidi，韓國的SUALAB，香港的應(yīng)科院等），深度學(xué)習(xí)給機(jī)器視覺的賦能會越來越明顯。
4）3d視覺的發(fā)展
3D視覺還處于起步階段，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、逆向工程、測繪、物體識別、測量與分級等，但精度問題限制了3D視覺在很多場景的應(yīng)用，目前工程上最先鋪開的應(yīng)用是物流里的標(biāo)準(zhǔn)件體積測量，相信未來這塊潛力巨大。
1）光源與成像：機(jī)器視覺中優(yōu)質(zhì)的成像是第一步，由于不同材料物體表面反光、折射等問題都會影響被測物體特征的提取，因此光源與成像可以說是機(jī)器視覺檢測要攻克的第一個難關(guān)。比如現(xiàn)在玻璃、反光表面的劃痕檢測等，很多時候問題都卡在不同缺陷的集成成像上。
2）重噪音中低對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候較難，這也是很多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(fā)展，已經(jīng)在不斷取得各種突破。
3）對非預(yù)期缺陷的識別：在應(yīng)用中，往往是給定一些具體的缺陷模式，使用機(jī)器視覺來識別它們到底有沒有發(fā)生。但經(jīng)常遇到的情況是，許多明顯的缺陷，因?yàn)橹皼]有發(fā)生過，或者發(fā)生的模式過分多樣，而被漏檢。如果換做是人，雖然在操作流程文件中沒讓他去檢測這個缺陷，但是他會注意到，從而有較大幾率抓住它，而機(jī)器視覺在這點(diǎn)上的“智慧”目前還較難突破。
4.機(jī)器視覺產(chǎn)業(yè)鏈情況
1）上游部件級市場
主要包括光源、鏡頭、工業(yè)相機(jī)、圖像采集卡、圖像處理軟件等提供商，近幾年智能相機(jī)、工業(yè)相機(jī)、光源和板卡都保持了不低于20%的增速。根據(jù)中國機(jī)器視覺產(chǎn)業(yè)聯(lián)盟（CMVU）調(diào)查統(tǒng)計，現(xiàn)在已進(jìn)入中國的國際機(jī)器視覺品牌已近200多家，中國自有的機(jī)器視覺品牌也已有100多家。
很多國內(nèi)機(jī)器視覺的部件市場都是從代理國外品牌開始，很多企業(yè)均與國外的同行有較好的合作，且這種合作具有一定的排他性，這給潛在進(jìn)入者帶來了一定的門檻，因此優(yōu)質(zhì)產(chǎn)品的代理商也都有不錯的市場競爭力和利潤表現(xiàn)。
2）中游系統(tǒng)集成和整機(jī)裝備市場
國內(nèi)中游的系統(tǒng)集成和整機(jī)裝備商有100多家，他們可以給各行業(yè)自動化公司提供綜合的機(jī)器視覺方案。由于國內(nèi)產(chǎn)品與國際依然有不小差距，很多中游系統(tǒng)集成商和整機(jī)裝備商又是從核心零部件的貿(mào)易做起來的，因此很多在視覺產(chǎn)品的選擇方面，依然更為青睞國外品牌。國內(nèi)品牌為推廣自己的軟硬件產(chǎn)品，往往需要發(fā)展自己的方案集成能力，才能更好的面對市場競爭。
3）下游應(yīng)用市場
機(jī)器視覺下游，主要是給終端用戶提供非標(biāo)自動化綜合解決方案的公司，行業(yè)屬性非常強(qiáng)，核心競爭力是對行業(yè)和生產(chǎn)的綜合理解和多類技術(shù)整合。由于行業(yè)自動化的更迭有一定周期性，深受行業(yè)整體升級速度、出貨量和利潤狀況影響，因此近兩年來看，拉動機(jī)器視覺應(yīng)用普及最主要的還是在電子制造業(yè)，其次是汽車和制藥。
ii. 汽車：車身裝配檢測、零件的幾何尺寸和誤差測量、表面和內(nèi)部缺陷檢測、間隙檢測等
iii. 印刷、包裝檢測：煙草外殼印刷、食品的包裝和印刷、藥品的鋁塑板包裝和印刷等
iv. 農(nóng)業(yè)：對農(nóng)產(chǎn)品的分級、檢驗(yàn)和分類
v. 紡織：對異纖、云織、經(jīng)疵、緯疵等瑕疵檢測、織物表面絨毛鑒定、紗線結(jié)構(gòu)分析等等。
5.機(jī)器視覺系統(tǒng)未來發(fā)展趨勢
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)勢突出，嵌入式PC會越來越強(qiáng)大
2）模塊化的通用型軟件平臺和人工智能軟件平臺將降低開發(fā)人員技術(shù)要求和縮短開發(fā)周期
3）3d視覺將走向更多應(yīng)用場景
