机器视觉是利用计算机来模拟人类视觉作用，以让机器设备得到有关视觉信息内容和进行理解。可分为“视”和“觉”两部分基本原理。

    “视”是将外界信息内容利用成像来显示成数字信号反馈给计算机，必须依靠一整套的硬件解决方案，主要包括灯源、照相机、图像收集卡、视觉传感器等。“觉”则是计算机对数字信号进行处理和分析，要紧是软件算法。

    机器视觉在工业上运用行业宽阔，关键作用主要包括：检测、检验、识别、定位等。

    产业链能够分为上游部件级市场、中游系统一体式/整机设备市场和下游运用市场。

    机器视觉上游有灯源、镜头、工业镜头、图像收集卡、数字图像处理软件等软硬件带来商，中游有一体式和整机设备带来商，行业领域下游运用较广，要紧下游市场主要包括电子制造行业领域、汽车、印刷包装、烟草、农业、医药、纺织和交通等行业。

    机器视觉全球市场要紧分布在北美、欧洲、日本、中国等地区，依照统计数据，2014年，全球机器视觉系统及部件市场规模是36.7亿美金，2015年全球机器视觉系统及部件市场规模是42亿美金，2016年全球机器视觉系统及部件市场规模是62亿美金，2002-2016年市场年均复合增长率为12%左右。而机器视觉系统一体式，依照北美市场数据估算，大约是机器视觉及部件市场的6倍。

    中国机器视觉起步于80年代的技术引入，伴随着98年半导体工厂的整线引入，也带入机器视觉系统，06年往常国产机器视觉商品要紧集中在外资制造企业，规模都较小，06年开始，工业机器视觉运用的用户群开始扩大到印刷、食品等检验行业，2011年市场开始高速增长，伴随着人力成本的提升和加工制造业的升级要求，加上计算机视觉技术的快速进展，越来越多机器视觉方案渗透到各行业，到2016年我国机器视觉市场规模已达近70亿元。

    机器视觉中，缺陷检测功能，是机器视觉运用得最多的作用之一，主要检验商品表面的各类信息内容。在现代工控自动化生产制造中，连续大大批量生产制造中每个制程都有一定的次品率，单独看尽管比率很小，但相乘后却成为企业难以提升良率的瓶颈，同时在利用完整制程后再剔除次品成本会高很多（例如，如果锡膏印刷工序存在定位偏差，且该咨询题直到芯片贴装后的在线检验才被发现，那么返修的成本将会是原成本的100倍之上），因而及时检验及次品剔除对品质控制和成本控制是特别关键的，也是加工制造业进一步升级的关键基石。

    一、在检测行业领域，与人类视觉相比，机器视觉优势明显

    1、精确度高：人类视觉是64灰度级，且对微小目标分辨力弱；机器视觉可显著提升灰度级，同时可观测微米级的目标；

    2、速度快：人类是无法看清快速运动的目标的，机器设备快门时刻则可以达到微秒级不；

    3、稳定性高：机器视觉解决了人类一个特别严峻的咨询题，不稳定，人工目检是劳动特别枯燥和辛苦的行业领域，无论你设计怎么样的奖惩制度，都会发生较为高的漏检率。然而机器视觉检测机则没有疲劳咨询题，没有情绪波动，只要是你在算法中写好的东西，每一次都会认真执行。在质控中大大提高效果可控性。

    4、信息内容的一体式与留存：机器视觉得到的信息内容量是全面且可追朔的，有关信息内容能够很便捷的一体式和留存。

    二、机器视觉技术近年进展迅速

    1、图像收集技术进展迅猛

    CCD、CMOS等固件越来越成熟，图像敏感器件规格不断缩小，像元数量和数据率不断提升，分辨率和帧率的提高速度能够讲日新月异，商品系列也越来越丰富，在增益、快门和信噪比等参数上不断优化，利用关键检验指标（MTF、畸变、信噪比、灯源亮度、均匀性、色温、系统成像能力综合评估等）来对灯源、镜头和照相机进行综合选择，使得很多往常成像上的难点咨询题得以不断突破。

    2、数字图像处理和模式识别进展迅速

    数字图像处理上，伴随着图像高精密的边缘信息内容的提取，很多原本混合在背景噪声中难以直截了当检验的低对比度缺陷开始得到分辨。

    模式识别上，本身能够看作一个标记过程，在一定量度或观测的基础上，把待识模式划分到各自的模式中去。图像识别中应用得较多的要紧是决策理论和结构方法。决策理论方法的基础是决策函数，利用它对模式向量进行分类识别，是以定时描述（如统计纹理）为基础的；结构方法的关键是将物体分解成了模式或模式基元，而不同的物体结构有不同的基元串（或称字符串），利用对未知物体利用给定的模式基元求出编码边界，得到字符串，再依照字符串推断它的属类。在特征生成上，很多新算法不断浮现，主要包括基于小波、小波包、分形的特征，和独二重量分析；还有关子支持向量机，变形模板匹配，线性和非线性分类器的设计等都在不断延展。

    3、深度学习带来的突破

    传统式的机器设备学习在特征提取上要紧依靠人来分析和建立逻辑，而深度学习则利用多层感知机模拟大脑工作中，构建深度神经网络（如卷积神经网络等）来学习简单特征、建立复杂特征、学习映射并输出，训练过程中全部层级都会被不断优化。在具体的运用上，例如全自动ROI区域分割；标点定位（利用防真视觉可灵活检验未知缺陷）；从重噪声图像重检验无法描述或量化的缺陷如橘皮缺陷；分辨玻璃盖板检验中的真假缺陷等。伴随着越来越多的基于深度学习的机器视觉软件推向市场（主要包括瑞士的vidi，韩国的SUALAB，香港的应科院等），深度学习给机器视觉的赋能会越来越明显。

    4、3d视觉的进展

    三维视觉还处在起步时期，很多运用程序都在使用三维表面重构，主要包括导航、工业检验、逆向工程、测绘、物体识别、检测与分级等，但精密度咨询题限制了三维视觉在很多场景的运用，目前工程上最先铺开的运用是物流里的标准件体积检测，相信将来这块潜力极大。

    三、要全面替代人工目检，机器视觉还有众多难点有待攻破

    1、灯源与成像：机器视觉中优质的成像是第一步，由于不同材料物体表面反光、折射等咨询题都会妨碍被测物体特征的提取，因而灯源与成像能够讲是机器视觉检验要攻克的第一个难关。比如如今玻璃、反光表面的刮痕检验等，很多时候咨询题都卡在不同缺陷的一体式成像上。

    2、重噪音中低对比度图像中的特征提取：在重噪音环境下，真假缺陷的鉴不很多时候较难，这也是很多场景始终存在一定误检率的缘故，但这块利用成像和边缘特征提取的快速进展，类似在不断取得各类突破。

    3、对非预期缺陷的识别：在运用中，通常是给定一些具体的缺陷模式，使用机器视觉来识别它们到底有没有发生。但经常遇到的情况是，很多明显的缺陷，由于之前没有发生过，或者发生的模式过分多样，而被漏检。如果换做是人，尽管在操作流程文件中没让他去检验那个缺陷，然而他会留意到，从而有较大几率抓住它，而机器视觉在这点上的“智慧”目前还较难突破。

    四、机器视觉产业链情况

    1、上游部件级市场

    要紧主要包括灯源、镜头、工业镜头、图像收集卡、数字图像处理软件等带来商，近几年智能照相机、工业镜头、灯源和板卡都保持了不低于20%的增速。依照中国机器视觉产业联盟（CMVU）调查统计，如今已进入中国的国外机器视觉牌子已近200多家（如康耐视、达尔萨、堡盟等为代表的关键部件制造商，以基恩士、欧姆龙、松下、邦纳、NI等为代表的则同时涉足机器视觉关键部件和系统一体式），中国自有的机器视觉牌子也已有100多家（如海康、华睿、盟拓光电、神州视觉、东莞灿锐、上海方诚、上海波创电气设备等），机器视觉各类商品代理商超过300家（如东莞鸿富视觉、微视新纪元、三宝兴业、凌云光、太阳视觉等）。很多国产机器视觉的部件市场基础上从代理海外牌子开始，很多企业均与海外的同行有较好的合作，且这种合作具有一定的排他性，这给潜在进入者带来了一定的门槛，因而优质商品的代理商也都有不错的市场竞争能力和利润表现。同时，以海康、华睿为代表的国内工业视觉关键部件正在快速崛起。

    2、中游系统一体式和整机设备市场

    国产中游的系统一体式和整机设备商有100多家，他们能够给各行业领域全自动化企业带来综合的机器视觉方案，如凌云光、微视新纪元、嘉恒、凌华、太阳视觉、鼎信、大恒图像等。由于国产商品与国外依然有不小差距，很多中游系统一体式商和整机设备商又是从关键零部件的贸易做起来的，因而很多在视觉商品的选择方面，依然更为青睐海外牌子。国产牌子为推广自身的软硬件商品，通常必须进展自身的方案一体式能力，才能更好的面对市场竞争。

    3、下游运用市场

    机器视觉下游，要紧是给终端用户带来非标全自动化综合解决方案的企业，行业领域属性特别强，关键竞争能力是对行业领域和生产制造的综合理解和多类技术融合。由于行业领域全自动化的更迭有一定周期性，深受行业领域整体升级速度、出货量和利润状况妨碍，因而近两年来说，拉动机器视觉运用普及最要紧的依然在电子加工制造业，其次是汽车和制药。

    （1）半导体和电子生产制造行业领域：从国产机器视觉工业上的运用分布来说，46%都集中在电子及半导体制造行业领域，主要包括晶圆加工制造的分类切割、PCB检验（底片、内/外层板、成品外型终检等）、SMT贴装检验、LCD全流程的AOI缺陷检验、各类3c组件的表面缺陷检验、3c商品外型检验等。

    （2）汽车：车身装配检验、零部件的几何规格和误差检测、表面和内部缺陷检验、间隙检验等。

    （3）印刷、包装检验：烟草外壳印刷、食品的包装和印刷、药品的铝塑板包装和印刷等。

    （4）农业：对农商品的分级、检测和分类。

    （5）纺织：对异纤、云织、经疵、纬疵等缺陷检验、织物表面绒毛鉴定、纱线结构分析这些。

    五、机器视觉系统将来进展趋势

    1、嵌入式解决方案进展迅猛，智能照相机性能与成本优势突出，嵌入式PC会越来越强大。

    2、模块化的通用型软件平台和人工智能软件平台将落低开发设计人员技术规定和缩短开发设计周期。

    3、3d视觉将走向更多运用场景。