根据美国自动成像协会（AIA）的定义，机器视觉（Machine Vision）是一种基于捕获并处理的图像为执行设备提供操作指导的硬件和软件的组合。
如下图，典型的机器视觉系统分为成像和图像处理分析两大部分。成像部分包括光源及光源控制器、镜头、相机等硬件部分，负责输出符合系统要求的图像。视觉控制系统负责对成像结果进行处理分析并根据分析结果控制PLC等执行设备执行对应操作。
机器视觉系统的构成
图源：Vital Vision
机器视觉主要功能按照难度递增可分为识别、测量、定位及检测，通过机器代替人工进行测量与判断，将图像处理应用于工业自动化领域中。 识别：基于目标物体的物理特征，如外形、颜色、数字、条码、人脸等进行甄别。 测量：将获取的图像像素信息标定成常用度量衡单位，再在图像中精确计算目标物的几何尺寸。 定位：基于图像标定、目标检测、尺寸查找等算法，获得目标物关于二维或三维的位置信息，然后引导机器人进行定位或者组装。 检测：难度最高，主要指外观检测，对产品装备后的完整性检测、外观缺陷检测等。
机器视觉3D外观检测
图源：iqsdirectory
机器视觉产业链从上游到下游分为三大类。
核心零部件供应商：上游零部件主要包括光源、镜头、2D/3D相机、传感器、图像采集卡等。关键零部件和软件系统约占工业机器视觉产品总成本的80%。
AI相机和图像采集卡
图源：adlink
机器视觉上游零部件成本占比较高，是机器视觉的核心部分。其中光源、工业相机、底层软件算法等技术壁垒及利润率水平较高，因此对机器视觉上游环节的掌握是目前市场竞争的关键。 软件及AI服务商：以集成通用算法软件开发包和 AI 加速平台服务商为主，几乎来自海外龙头公司。在机器视觉中，软件算法主要作用包括：图像预处理、特征提取、物体检测与识别，以及场景解析等，相关应用需要同时基于传统的计算机视觉技术，以及以深度学习为代表的AI相关技术。 物体检测与识别、特征提取 图源：3hle.ch 伴随AI技术发展，软件算法亦在持续不断升级更新，推进在机器视觉从过去传统标准化检测场景过渡到非标定制化场景。 视觉系统及解决方案集成商：方案集成商以工业自动化非标设备及方案为主。在视觉检测系统中，工件位置的一致性，打光的稳定性，物体的运动速度，高精度测量的标定，软件的测量精度都会对系统产生影响。
在线视觉检测系统
图源：Cielotech
对于工业现场或者生产线，将视觉系统嵌入到生产线的相应工序中，适配产线的生产速度是方案集成的关键难点。
机器视觉已广泛应用于消费电子、汽车制造、半导体、光伏等标准化领域。在标准化的工业环境中，机器视觉主要运用于产品质量检测、装配检测和包装检测等环节。这些环节的检测任务具有高度的规律性和标准化，因此，常常采用模式匹配、特征识别等技术，根据预设的规则进行决策。
机器视觉领域在AI加持下迎来底层技术突破，Meta发布的首个图像分割基础模型SAM（Segment Anything Model，分割一切），其底层以NLP模型的通用方式解决图像分割和识别问题。
SAM2模型进行图像分割的过程
图源：Learn OpenCV
分割技术是图像处理的底层技术，用于查找和分割图像中的任何对象，该可应用于各种领域。图像处理的各种通用模型，极大地降低了图像处理的门槛，是机器视觉领域的底层突破性技术。 在AI加持下，机器视觉迎来了底层技术的突破。从算法、技术到应用，AI技术极大程度赋能机器视觉在图像模型上的智能化应用，优化了图像识别的复杂度及精度。从而推动机器视觉在缺陷检测、医疗影像、卫星遥感等非标准化场景的应用。
AI+机器视觉，应用场景持续拓展-中泰证券
官方微信