机器视觉：人工智能技术迈向工业的落脚点

点击上方蓝色字体，关注我们

一、机器视觉的概念

机器视觉（Machine Vision、MV）是配备有感测视觉仪器（如自动对焦相机或传感器）的检测机器，其中光学检测仪器占有比重非常高。机器视觉主要用于检测出各种产品的缺陷、判断并选择出物体、测量尺寸和定位等，广泛应用在自动化生产的各个环节，是计算机视觉中最具有产业化的部分。

机器视觉与计算机视觉的区别在于，前者的重点在自动获取目标的各种特征，并对特征进行处理、分析和测量；而后者的重点放在对目标图像的理解和描述。

二、机器视觉的基本功能

目前，机器视觉的基础功能主要可以分为四大类：模式识别/计数、视觉定位、尺寸测量和外观检测，当前的应用也基本是基于这四大类功能来展开。

模式识别/计数：主要指对已知规律的物品进行分辨，比较容易的包含外形、颜色、图案、数字、条码等的识别，也有信息量更大或更抽象的识别如人脸、指纹、虹膜识别等。 

视觉定位：主要指在识别出物体的基础上精确给出物体的坐标和角度信息。定位在机器视觉应用中是非常基础且核心的功能，一个软件的好坏大概率与其定位算法的好坏密切相关。

尺寸测量：主要指把获取的图像像素信息标定成常用的度量衡单位，然后在图像中精确的计算出需要知道的几何尺寸。优势在于对高精度、高通量以及复杂形态的测量，例如有些高精度的产品由于人眼测量困难以前只能抽检，有了机器视觉后就可以实现全检了。

外观检测：主要检测产品的外观缺陷，最常见的包括表面装配缺陷（如漏装、混料、错配等）、表面印刷缺陷（如多印、漏印、重印等）以及表面形状缺陷（如崩边、凸起、凹坑等）。由于产品外观缺陷一般情况下种类繁杂，所以检测在机器视觉中的应用中属于相对较难的一类。

从技术实现难度上来说，识别、定位、测量、检测的难度是递增的。

三、机器视觉下游案例

机器视觉广泛应用于电子及半导体、汽车制造、食品包装、制药等领域，其中汽车和电子是当前机器视觉最重要下游领域，分别占据47%和15%需求。

2.1 电子行业

电子行业贡献了机器视觉近50%左右的需求，主要用于晶圆切割、3C表面检测、触摸屏制造、AOI光学检测、PCB印刷电路、电子封装、丝网印刷、SMT表面贴装、SPI锡膏检测、半导体对位和识别等的高精度制造和质量检测。以iPhone为例，其生产全过程就需70套以上系统。未来在全球智能手机、平板电脑和可穿戴设备等消费电子领域的需求有望爆发。 

以3C行业为例，未来行业的机器视觉需求还会持续较快增长，主要需求来自几个方面：（1）视觉技术进步推动适用领域拓宽，例如现在好多玻璃屏的缺陷检测技术上还不能实现；

（2）随着国内智能手机逐渐中高端化带来手机厂商利润率提升，视觉检测在国产手机产线中的应用有望推广开来。 

机器视觉在SMT装配线上的典型应用

2.2 汽车行业

汽车行业贡献了机器视觉15%左右的需求，主要用于车身装配检测、面板印刷质量检测、字符检测、零件尺寸的精密测量、工件表面缺陷检测、自由曲面检测、间隙检测等几乎所有系统和部件的制造流程。目前一条产线大概配备十几个机器视觉系统，未来随着汽车质量把控、汽车智能化、轻量化趋势对检测提出更高要求，对机器视觉技术的需求还会逐步提高。

例如，3D视觉系统可以以高精度测量间隙并对准每一辆车，并对装配的所有车门和车身进行全面检测。3D 视觉系统还能帮助底盘制造商使货架中车身板件的上架、下架和检测实现自动化，在自动设备拾取缺陷元件之前检测货架上是否存在缺陷元件，从而减少将缺陷元件焊接到一起。

2.3 制药行业

制药行业贡献了机器视觉7%左右的需求，主要应用在药瓶封装缺陷检测、胶囊封装质量检测、药粒却是检测、生产日期打码检测、药片颜色识别及分拣等。目前大多数企业流水线上有1-2套机器视觉系统，而实际需求至少应该在5处，未来随着制药行业自动化升级改造提速，渗透率会持续提升。

例如，在药品包装后的检测环节中，可以利用机器视觉快速、准确地检测到对象是否完好无缺，通过设定图像传感器，获取包装后的对象图片信息，通过预先设定的面积参数对每个药粒或者药瓶进行检测对比，这样，破损的药粒或者缺瓶的包装都将被检测出来，正确的正常通过。

2.4 食品行业

食品及包装也是机器视觉应用的重要下游领域，主要用于高速检测、外观封装检测、食品封装缺漏检测、外观和内部质量检测、分拣与色选等，单条产线用量在不同产品中差异较大。目前机器视觉在大型食品企业（如伊利、蒙牛）中应用较多，而在行业整体的渗透率并不高。

例如，欧洲鲜货市场广泛使用食品分拣器，一般采用多台摄像机捕获产品整个表面影像。当产品基本为圆形时，在漏洞内设有机构，让产品在摄像机下进行旋转。形状可以根据最大直径和最小直径、比例关系等进行分选。颜色一般根据已扫描的整个表面情况来决定。鉴定方法如简单百分比、强度值直方图、定义最大面积或最小面积等。

参考资料

太平洋证券行业研究报告：机器视觉：从“可选”向“必选”迈进

微信号：yikeAI14539

知乎：李是Lyapunov的李

关注我们，了解更多