人工智能技术逐步与其他先进制造技术融合应用，实现对制造业流程中产品质检、生产工艺优化、装置预测性维护等环节的运营效率优化，并促进了机器与人协同生产的智慧工厂新模式的诞生。其中，机器视觉的应用占比及未来应用潜力最大。

机器视觉系统主要用于完成定位、识别、检测、测量等任务，其使用可以提升生产线的检测精度、自动化水平、柔性化能力，同时降低人工成本、保证工人人身安全。目前机器视觉在半导体及3C电子制造、汽车制造、包装等行业已有广泛应用，也逐步拓展到医药制造、食品加工、纺织制造等领域。虽然其使用仍收到环境光源、核心硬件装置效能、装置端计算资源、检测物件多样性、方案经济性方面的限制，其技术上的不断革新，以及更多先进制造行业对高精度、高效率、高灵活性制造工艺的需求，仍会加速机器视觉进一步的拓展应用。

作者 | 杨行、樊晓芳

一、工业机器视觉系统结构

工业机器视觉系统架构

机器视觉系统的完整工作流程

二、工业机器视觉系统产业及市场规模

工业机器视觉系统产业链

三、机器视觉技术在工业制造环节中的应用优势

2. 检测精度可达到亚微米级别，突破了人眼的物理限制，在全生命产品周期内对产品进行外形、标签、完整度等方面的缺陷检测；

3. 数字影象处理和计算机视觉算法不断优化，在软件系统层面上提供更广泛及高效的检测功能，补充机器视觉硬件系统的检测能力；

4. 避免检测人员与被检测物件直接接触，防止物件被人为损坏，避免了检测系统机械部件的消耗程度以及维护成本；防止物件免受污染；

5. 使用机器视觉技术的机器人或者机械臂可以根据机器视觉系统提供的位置和方向资讯，对工件进行智慧抓取，广泛应用于食品，医疗制药和包装等行业，拓展了生产制造的柔性；

6. 减少人在现场操作的时间，有效的避免了操作人员的听力损害、身体机能下降等情况，保证了操作人员人身安全。

四、机器视觉技术在九大工业制造行业中的应用案例

五、机器视觉技术在工业制造中应用的局限性

2. 受到硬件装置效能的限制：摄像头的镜头畸变矫正、标定差异性、视角范围有限；安装条件及场地限制，对感测器融合方案的要求；每个画素的暗电流不同，对光子响应不一致，会造成摄像机中空间及模式噪声；CCD线阵相机的引数设定的局限性。

3. 受到端上计算资源的限制：工业产品大规模复杂的模型架构需要依赖强大计算能力，当装置终端上内存难以满足时需要采用模型云端离线训练再部署到装置终端；影象资料传输时仍需要对特定的任务目标进行模型的引数调整、优化，会产生额外的工程开销，且实时性较差。

4. 受到检测物件多样性的限制：物体表面缺陷种类繁多、缺陷产生机理不明、缺陷描述不充分；机器视觉系统难以从资料中提取特征。

5. 受到成本和收益经济性的限制：视觉感测器等工业相机核心零部件和底层视觉软件的开发需较大投入成本。

六、工业机器视觉系统的10大未来发展趋势

1.工业相机中的视觉感测器在结构设计上不断优化：

CMOS逐步替代CCDCMOS提高采集资料维度及质量动态视觉感测器实现画素并行影象处理多感测器资讯融合2.嵌入式视觉系统的应用增加工业现场程式设计效率。

3.装置端深度学习模型不断获得压缩与加速。

4.装置端上计算能力的提升。

5.计算机视觉与机器人技术结合增加机器人视觉自适应能力。

应用

1.可对3D打印产品瑕疵问题进行微米水平无损检测。

2.视觉资讯提升智慧机床加工过程中的自主感知能力。

3.智慧视觉装置的应用提升工厂员工操作效率及安全。

4.让工业机器人从实际工作中学习基于视觉的运动技能及操作策略。

5.在细胞学研究工作中进行细胞显微镜影象质量的自动评估。

特别鸣谢

阿丘科技 创始人兼CEO 黄耀

芯仑科技 首席战略官 姚楷祥

德国HPI 计算机系统工程研究院高阶研究员 杨浩进

* 本文为“智周”系列报告“核心版”，相应“深度版”的推出计划将在后续公布，敬请大家关注。针对“工业制造领域机器视觉技术应用现状及展望”这一主题，有哪些方向或主题，你希望在报告深度版中读到更详细的阐述与分析，欢迎留言，这将成为我们制作报告深度版的重要参考。

关于“智周”系列报告

机器之心“智周”人工智能技术应用报告系列重点关注现有人工智能技术应用较成熟且应用潜力较大的正在进行智慧升级的传统行业及场景，逐行业、逐场景为产业使用者高效而不失深度地呈现不同人工智能技术的产业落地现状、企业案例、技术应用趋势等。“智周”人工智能技术应用报告系列包含核心版及深度版两个版本：

核心版浓缩精华分析内容至2页内，覆盖重要资料、分析结论及案例简述，以供使用者高效系统地了解人工智能技术在自身所关注产业内的潜在机会。

深度版在核心版的基础上，包含详尽的行业或场景痛点分析、技术解读、落地案例详解及资料附录等，以供有深度研究需求的使用者进行深入探究。