根據美國自動成像協會（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行設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，負責輸出符合系統要求的圖像。視覺控制系統負責對成像結果進行處理分析并根據分析結果控制PLC等執行設備執行對應操作。
機器視覺系統的構成
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自動化領域中。 識別：基于目標物體的物理特征，如外形、顏色、數字、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
機器視覺產業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。關鍵零部件和軟件系統約占工業機器視覺產品總成本的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、工業相機、底層軟件算法等技術壁壘及利潤率水平較高，因此對機器視覺上游環節的掌握是目前市場競爭的關鍵。 軟件及AI服務商：以集成通用算法軟件開發包和 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，相關應用需要同時基于傳統的計算機視覺技術，以及以深度學習為代表的AI相關技術。 物體檢測與識別、特征提取 圖源：3hle.ch 伴隨AI技術發展，軟件算法亦在持續不斷升級更新，推進在機器視覺從過去傳統標準化檢測場景過渡到非標定制化場景。 視覺系統及解決方案集成商：方案集成商以工業自動化非標設備及方案為主。在視覺檢測系統中，工件位置的一致性，打光的穩定性，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產生影響。
在線視覺檢測系統
圖源：Cielotech
對于工業現場或者生產線，將視覺系統嵌入到生產線的相應工序中，適配產線的生產速度是方案集成的關鍵難點。
機器視覺已廣泛應用于消費電子、汽車制造、半導體、光伏等標準化領域。在標準化的工業環境中，機器視覺主要運用于產品質量檢測、裝配檢測和包裝檢測等環節。這些環節的檢測任務具有高度的規律性和標準化，因此，常常采用模式匹配、特征識別等技術，根據預設的規則進行決策。
機器視覺領域在AI加持下迎來底層技術突破，Meta發布的首個圖像分割基礎模型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
分割技術是圖像處理的底層技術，用于查找和分割圖像中的任何對象，該可應用于各種領域。圖像處理的各種通用模型，極大地降低了圖像處理的門檻，是機器視覺領域的底層突破性技術。 在AI加持下，機器視覺迎來了底層技術的突破。從算法、技術到應用，AI技術極大程度賦能機器視覺在圖像模型上的智能化應用，優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、醫療影像、衛星遙感等非標準化場景的應用。
AI+機器視覺，應用場景持續拓展-中泰證券
官方微信