根據(jù)美國自動成像協(xié)會（AIA）的定義，機器視覺（Machine Vision）是一種基于捕獲并處理的圖像為執(zhí)行設(shè)備提供操作指導的硬件和軟件的組合。
如下圖，典型的機器視覺系統(tǒng)分為成像和圖像處理分析兩大部分。成像部分包括光源及光源控制器、鏡頭、相機等硬件部分，負責輸出符合系統(tǒng)要求的圖像。視覺控制系統(tǒng)負責對成像結(jié)果進行處理分析并根據(jù)分析結(jié)果控制PLC等執(zhí)行設(shè)備執(zhí)行對應操作。
機器視覺系統(tǒng)的構(gòu)成
圖源：Vital Vision
機器視覺主要功能按照難度遞增可分為識別、測量、定位及檢測，通過機器代替人工進行測量與判斷，將圖像處理應用于工業(yè)自動化領(lǐng)域中。 識別：基于目標物體的物理特征，如外形、顏色、數(shù)字、條碼、人臉等進行甄別。 測量：將獲取的圖像像素信息標定成常用度量衡單位，再在圖像中精確計算目標物的幾何尺寸。 定位：基于圖像標定、目標檢測、尺寸查找等算法，獲得目標物關(guān)于二維或三維的位置信息，然后引導機器人進行定位或者組裝。 檢測：難度最高，主要指外觀檢測，對產(chǎn)品裝備后的完整性檢測、外觀缺陷檢測等。
機器視覺3D外觀檢測
圖源：iqsdirectory
機器視覺產(chǎn)業(yè)鏈從上游到下游分為三大類。
核心零部件供應商：上游零部件主要包括光源、鏡頭、2D/3D相機、傳感器、圖像采集卡等。關(guān)鍵零部件和軟件系統(tǒng)約占工業(yè)機器視覺產(chǎn)品總成本的80%。
AI相機和圖像采集卡
圖源：adlink
機器視覺上游零部件成本占比較高，是機器視覺的核心部分。其中光源、工業(yè)相機、底層軟件算法等技術(shù)壁壘及利潤率水平較高，因此對機器視覺上游環(huán)節(jié)的掌握是目前市場競爭的關(guān)鍵。 軟件及AI服務商：以集成通用算法軟件開發(fā)包和 AI 加速平臺服務商為主，幾乎來自海外龍頭公司。在機器視覺中，軟件算法主要作用包括：圖像預處理、特征提取、物體檢測與識別，以及場景解析等，相關(guān)應用需要同時基于傳統(tǒng)的計算機視覺技術(shù)，以及以深度學習為代表的AI相關(guān)技術(shù)。 物體檢測與識別、特征提取 圖源：3hle.ch 伴隨AI技術(shù)發(fā)展，軟件算法亦在持續(xù)不斷升級更新，推進在機器視覺從過去傳統(tǒng)標準化檢測場景過渡到非標定制化場景。 視覺系統(tǒng)及解決方案集成商：方案集成商以工業(yè)自動化非標設(shè)備及方案為主。在視覺檢測系統(tǒng)中，工件位置的一致性，打光的穩(wěn)定性，物體的運動速度，高精度測量的標定，軟件的測量精度都會對系統(tǒng)產(chǎn)生影響。
在線視覺檢測系統(tǒng)
圖源：Cielotech
對于工業(yè)現(xiàn)場或者生產(chǎn)線，將視覺系統(tǒng)嵌入到生產(chǎn)線的相應工序中，適配產(chǎn)線的生產(chǎn)速度是方案集成的關(guān)鍵難點。
機器視覺已廣泛應用于消費電子、汽車制造、半導體、光伏等標準化領(lǐng)域。在標準化的工業(yè)環(huán)境中，機器視覺主要運用于產(chǎn)品質(zhì)量檢測、裝配檢測和包裝檢測等環(huán)節(jié)。這些環(huán)節(jié)的檢測任務具有高度的規(guī)律性和標準化，因此，常常采用模式匹配、特征識別等技術(shù)，根據(jù)預設(shè)的規(guī)則進行決策。
機器視覺領(lǐng)域在AI加持下迎來底層技術(shù)突破，Meta發(fā)布的首個圖像分割基礎(chǔ)模型SAM（Segment Anything Model，分割一切），其底層以NLP模型的通用方式解決圖像分割和識別問題。
SAM2模型進行圖像分割的過程
圖源：Learn OpenCV
分割技術(shù)是圖像處理的底層技術(shù)，用于查找和分割圖像中的任何對象，該可應用于各種領(lǐng)域。圖像處理的各種通用模型，極大地降低了圖像處理的門檻，是機器視覺領(lǐng)域的底層突破性技術(shù)。 在AI加持下，機器視覺迎來了底層技術(shù)的突破。從算法、技術(shù)到應用，AI技術(shù)極大程度賦能機器視覺在圖像模型上的智能化應用，優(yōu)化了圖像識別的復雜度及精度。從而推動機器視覺在缺陷檢測、醫(yī)療影像、衛(wèi)星遙感等非標準化場景的應用。
AI+機器視覺，應用場景持續(xù)拓展-中泰證券
官方微信