机器视觉，智造之眼

 机器视觉（Machine Vision）作为光电技术应用的一个特定领域，目前已经发展成为一个备受瞩目的行业。随着工业4.0浪潮袭来，机器视觉会摆脱最初“辅助工具”的地位成为生产系统的“眼睛”与“大脑”。

一、机器视觉概念及其产生背景

   机器视觉技术是计算机科学的一个重要分支，它涉及到计算机、图像处理、模式识别、人工智能、信号处理、光学、机械等多个领域，其目的就是给机器或者自动生产线添加一套视觉系统。机器视觉是采用机器代替人眼来做测量与判断，通过计算机摄取图像来模拟人的视觉功能，实现人眼视觉的延伸。通过机器视觉产品即（工业相机）将被摄取目标转换成图像信号，传送给专用的图像处理系统，得到被摄目标的形态信息，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。

机器视觉系统的特点是提高生产的柔性和自动化程度，在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉；同时在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。而且机器视觉易于实现信息集成，是实现计算机集成制造的基础技术。

   在现代自动化生产过程中，机器视觉已经开始慢慢取代人工视觉。特别是随着工业4.0的进一步推广，这一趋势愈加明显。越来越多的从业者投入到芯片技术、图像算法和图形处理等技术中，机器视觉呈现阶跃式状态，与此同时也助推了机器视觉更高速、良性的发展方向。机器视觉作为近20多年的新兴技术和产业，它的发展大大提高了工业生产过程中的灵活性和智能性水平。特别是近几年中国的视觉类产品以及专门从事视觉产品、设备销售和研发的公司更是如雨后春笋般，公众对视觉的接受度和依赖度越来越高。

二、机器视觉行业发展现状

   机器视觉的概念起始于20世纪60年代，最先的应用来自"机器人"的研制。最早基于视觉的机器系统，先由视觉系统采集图像并进行处理，然后通过计算估计目标的位置来控制机器运动。1979年提出了视觉伺服（Visual Servo）概念，即可以将视觉信息用于连续反馈，提高视觉定位或追踪的精度。在国外，机器视觉的应用普及主要体现在半导体及电子行业，其中大概40%-50%都集中在半导体行业。从全球产业发展来看，国际机器视觉市场正处于产业成熟期，未来3～5年欧美日机器视觉技术仍将有不断创新，国际机器视觉市场规模有望继续增长。

   纵观中国的机器视觉行业，始终是伴随着中国工业化进程的发展而发展起来的。中国的机器视觉起步相对较晚，从20世纪90年代末开始起步，直到2009年以后才正式进入高速发展期。其间经历了启蒙阶段、发展阶段、快速发展阶段、逐步成熟阶段。究其主要原因为，机器视觉行业本身属于新兴的领域，加之机器视觉产品技术的普及不够，导致以上各行业的应用几乎空白。

   目前国内机器视觉大多为国外品牌，国内大多机器视觉公司基本上是靠代理国外各种机器视觉品牌起家。近年来，随着各大高校及企业纷纷投入研发，国内机器视觉专利数量逐年增加，国内机器视觉公司规模逐渐做大，技术上已经趋于成熟，机器视觉的功能及应用范围随着工业自动化的发展逐渐完善和推广。其中特别是CCD工业摄像机、智能相机、ARMFPGA、图像处理和模式识别等技术的快速发展，极大地推动了机器视觉系统的发展。据悉，中国目前已成为继美国、日本之后全球第三大机器视觉市场。2015年，中国机器视觉市场规模已达到61.2亿元，预计在2016-2020年间中国制造在机器视觉上维持20%的增长率，预计到2020年前后，市场规模将达152亿元，国内机器视觉将进入产业成熟期。　

   机器视觉发展历程

   20世纪50年代：主要集中在二维图像的简单分析和识别上，如字符识别，工件表面、显微图片和航空图片的分析和解释等。

   20世纪60年代：MIT(Massachusetts Institute of Technology)的Roberts通过计算机程序从数字图像中提取出诸如立方体、楔形体、棱柱体等多面体的三维结构，并对物体形状及物体的空间关系进行描述。他的研究工作开创了以理解三维场景为目的的三维计算机视觉研究。

   20世纪70年代：首次提出较为完整的视觉理论，已经出现了一些视觉应用系统。70年代中期，MIT人工智能（Artificial Intelligence）实验室正式开设"机器视觉"课程。1973年MITAI Lab吸引了国际上许多知名学者参与视觉理论、算法、系统设计的研究，D. Marr教授就是其中的一位。他于1977年提出了视觉计算理论（Vision Computational Theory），该理论在80年代成为计算机视觉领域中的一个十分重要的理论框架。

   80年代中期：计算机视觉获得蓬勃发展，新概念、新方法、新理论不断涌现。

   90年代中期：随着微处理器、半导体技术的进步，以及劳动力成本上升和高质量产品的需求，国外机器视觉于20世纪90年代进入高速发展期，广泛运用于工业控制领域。

   目前，机器视觉已形成几个重要研究分支：1）目标制导的图像处理；2）图像处理和分析的并行算法；3）从二维图像提取三维信息；4）序列图像分析和运动参量求值；5）视觉知识的表示；6）视觉系统的知识库等。

三、机器视觉系统的优势  

   在工业生产的过程中，机器视觉相对于人眼识别体现了较大优势。机器视觉具有自动化、客观、非接触和高精度等特点。特别是在工业生产领域，机器视觉强调生产的精度和速度，以及工业现场环境下的可靠性与安全性，在重复和机械性的工作中具有较大的应用价值。

   精确性——由于人眼有物理条件的限制，在精确性上机器有明显的优点。即使人眼依靠放大镜或显微镜来检测产品，机器仍然会更加精确，因为它的精度能够达到千分之一英寸。特别是检测生产线上高速运动的物体时，机器视觉更具优势。

   重复性——机器可以以相同的方法一次一次的完成检测工作而不会感到疲倦。与此相反，人眼每次检测产品时都会有细微的不同，即使产品时完全相同的。

   客观性——人眼检测还有一个致命的缺陷，就是情绪带来的主观性，检测结果会随工人心情的好坏产生变化，而机器没有喜怒哀乐，检测的结果自然非常可观可靠。

   效率高——机器视觉系统可以快速获取大量信息，实现更为快速的产品检测，同时也易于加工过程中的信息集成，尤其是在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。

   成本低——由于机器比人快，一台自动检测机器能够承担多人的任务。而且机器不需要停顿、能够连续工作，所以能够极大的提高生产效率从而降低生产成本。