美國制造工程師協會（SME Society of Manufacturing Engineers）機器視覺分會和美國機器人工業協會（RIA Robotic Industries Association）的自動化視覺分會對機器視覺下的定義為：“機器視覺是通過光學器件和非接觸的傳感器自動地獲取和處理真實物體的圖像，以獲得所需信息或用于控制機器運動的裝置.通俗的說,機器視覺就是用機器代替人眼來做測量和判斷。

的視覺檢測系統如下圖所示:

工件:被檢測物品 | 光源:提供穩定的照明環境 | 攝像機:獲取圖像的設備 | 機械臂:根據圖像處理系統的結果,進行相應的動作裝置。

其中圖像處理系統是核心, 目前按照處理算法劃分為模式匹配和深度學習。其中模式匹配算法適合于有明確標準的應用場景, 而深度學習算法適合復雜場景、復雜非標準缺陷。深度學習還具有識別模型靈活度強，泛化能力強的特點。

隨著多年來機器視覺技術的發展,已經在各個行業都有深入的應用,例如在科學研究(材料分析,生物分析,化學分析,生命科學等),軍事(航天,航空,兵器(敵我目標識別,跟蹤)及測繪),民用(智能交通,安全防范,文字識別,身份驗證等),工業(質量檢測,產品分類,產品包裝,機器人定位)都有廣泛的應用.本文主要介紹機器視覺在智能制造領域的應用。

應用場景

機器視覺伴隨計算機技術、現場總線技術的發展，技術日臻成熟，已是現代制造業的產品，廣泛應用于食品和飲料、化妝品、制藥、建材和化工、金屬加工、電子制造、包裝、汽車制造等行業。機器視覺的引入，代替傳統的人工檢測方法，極大地提高了投放市場的產品質量，提高了生產效率。

機器視覺系統的特點是提高生產的柔性和自動化程度。在一些不適合于人工作業的危險工作環境或人工視覺難以滿足要求的場合，常用機器視覺來替代人工視覺；同時在大批量工業生產過程中，用人工視覺檢查產品質量效率低且精度不高，用機器視覺檢測方法可以大大提高生產效率和生產的自動化程度。

下圖展示的是機器視覺主要的行業應用:

從機器視覺的具體應用看，電子制造業應用具體在PCB印刷電路、電子封裝、絲網印刷、SMMT表面貼裝、半導體及集成電路、回流和波峰焊，以及智能手機、平板電腦等消費類產品。汽車制造業的主要應用于面板印刷質量檢測、精密測量等。食藥和包裝機械主要集中在封裝缺陷檢測、生產日期檢測、顏色識別、分揀等方面。印刷機械則是在于印刷質量檢測、印刷字符檢測、條碼識別等。

管理痛點

經過調研發現，目前制造工廠大部分都采用自動化生產，但人工目視檢測崗位仍占據工廠整體人員的15%-30%。人工目視檢測存在效率低、準確率低、對人眼傷害大且成本高的問題。

傳統的機器視覺檢測設備雖然已應用多年，但其基本基于模式匹配算法，無法解決復雜場景的復雜缺陷檢測；泛化能力差，且需要積累大量缺陷圖片庫；漏檢誤檢率高的缺點。

解決方案

機器視覺技術將成為大企業檢測設備的‘’，其主要有五大典型應用：

圖像識別應用

圖像識別，是利用機器視覺對圖像進行處理、分析和理解，以識別各種不同模式的目標和對象。圖像識別在機器視覺工業領域中最典型的應用就是二維碼的識別。將大量的數據信息存儲在二維碼中，通過條碼對產品進行跟蹤管理，通過機器視覺系統，可以方便的對各種材質表面的條碼進行識別讀取，大大提高了現代化生產的效率。

圖像檢測應用

檢測是機器視覺工業領域最主要的應用之一。幾乎所有產品都需要檢測，而人工檢測存在著較多的弊端，因此，具有諸多優點的機器視覺在圖像檢測的應用方面也非常的廣泛。

視覺定位應用

視覺定位要求機器視覺系統能夠快速準確的找到被測零件并確認其位置。在半導體封裝領域，設備需要根據機器視覺取得的芯片位置信息調整拾取頭，準確拾取芯片并進行綁定，這就是視覺定位在機器視覺工業領域最基本的應用。

物體測量應用

機器視覺工業應用的特點就是其非接觸測量技術，同樣具有高精度和高速度的性能，但非接觸無磨損，消除了接觸測量可能造成的二次損傷隱患。常見的測量應用包括齒輪、接插件、汽車零部件、IC元件管腳、麻花鉆、羅定螺紋檢測等。

物體分揀應用

實際上，物體分揀應用是建立在識別、檢測之后一個環節，通過機器視覺系統將圖像進行處理，實現分揀。在機器視覺工業應用中常用于食品分揀、零件表面瑕疵自動分揀、棉花纖維分揀等。

預期收益

機器視覺技術在減少勞動力的同時，以機器換人，更高效、更穩定的提高生產速度和產品質量，對檢測的缺陷綜合識別率提高，工作效率提升, 同時為企業注入新科技，提升企業的競爭力，給企業帶來真正意義上的生產自動化，質量控制標準化、品質化和自動化。