機(jī)器視覺在工業(yè)生產(chǎn)中的應(yīng)用功能機(jī)器視覺在工業(yè)生產(chǎn)中的應(yīng)用：

識(shí)別

在這里所謂識(shí)別就是對(duì)已知規(guī)律的物體進(jìn)行分辨，包含外形、顏色、圖案、數(shù)字、條碼和二維碼等。當(dāng)然也包含信息量大或者更抽象的,比如人臉、指紋、虹膜等

定位

定位就是在識(shí)別出物體的基礎(chǔ)上精確給出物體的坐標(biāo)和角度信息。定位在視覺應(yīng)用中屬于基礎(chǔ)應(yīng)用，一個(gè)軟件的好壞很大程度取決于定位算法的能力。常見的定義算法有兩大類:基于灰度信息和基于幾何輪廓

測(cè)量

測(cè)量在機(jī)器視覺中就是把獲取的圖像像素信息標(biāo)定成常用的度量衡單位，然后在圖像中精確計(jì)算出需要知道的幾何尺寸。通過圖像的方式更容易測(cè)量一些組合復(fù)雜的尺寸或基準(zhǔn)復(fù)雜的尺寸

檢測(cè)

檢測(cè)在機(jī)器視覺中主要是指的各類外觀缺陷，一般情況下種類繁雜,這樣就注定檢測(cè)在機(jī)器視覺應(yīng)用中相對(duì)難解決。常見的缺陷包括表面裝配缺陷（如漏裝、混料、錯(cuò)位、錯(cuò)色等)、表面印刷缺陷（如多印、漏印、重印、拉絲、模糊等)、表面形狀缺陷（如崩邊、披鋒、凸起、凹坑、磨損等)

雖說機(jī)器視覺在中國(guó)已經(jīng)開展近20年，然而難以實(shí)現(xiàn)自動(dòng)化這個(gè)問題始終沒有得到有效解決，只能由人工進(jìn)行目檢，其主要原因是傳統(tǒng)圖像技術(shù)壁壘。傳統(tǒng)圖像技術(shù)主要通過模板匹配的方式，采用的二值化、濾波等形式進(jìn)行檢測(cè)，依賴人工設(shè)定缺陷特征,然而產(chǎn)品的缺陷問題存在隨機(jī)性、復(fù)雜性以及缺陷與背景的相似性等特性,傳統(tǒng)視覺方法對(duì)其束手無(wú)策，檢測(cè)效果大打折扣。

近幾年隨著深度學(xué)習(xí)的快速發(fā)展,AI落地場(chǎng)景遍地開花，大家通過深度學(xué)習(xí)技術(shù)逐漸開始解決一些工業(yè)缺陷檢測(cè)問題，然而AI在工業(yè)領(lǐng)域卻一直處于不溫不火的狀態(tài)，其主要原因:工業(yè)離散型特點(diǎn)，工業(yè)每個(gè)行業(yè)都有細(xì)分，每個(gè)細(xì)分產(chǎn)品都有所不同,AI公司需要深入各個(gè)細(xì)分行業(yè)進(jìn)行了解摸索。從技術(shù)角度上說，要將AI落地工業(yè)，需要的不僅僅是深度學(xué)習(xí)及圖像處理技術(shù)。

深度學(xué)習(xí)依賴于圖像，如何設(shè)計(jì)成像方案獲取適合深度學(xué)習(xí)使用的圖像便是第一道難題，市場(chǎng)上有較多的成像工程師，但大多數(shù)的工程師習(xí)慣于拍攝出適用于傳統(tǒng)的圖像處理的，而不是AI學(xué)習(xí)所需的圖像數(shù)據(jù)。需要既懂AI技術(shù)，同時(shí)又對(duì)相機(jī)鏡頭光源等成像精通的工程師,從而獲取適合用于深度學(xué)習(xí)訓(xùn)練的產(chǎn)品缺陷圖像。

另一方面，由于不同行業(yè)的產(chǎn)品缺陷大小形狀各不相同,復(fù)雜無(wú)規(guī)律，如果沒有豐富的視覺設(shè)計(jì)經(jīng)驗(yàn)，往往需要耗費(fèi)大量精力去測(cè)試算法模型，如此一來便造成漫長(zhǎng)的開發(fā)周期,而已經(jīng)無(wú)法滿足習(xí)慣圖像檢測(cè)周期較短的制造業(yè)。在完成獲取圖像,訓(xùn)練好模型之后,如何將基于AI的缺陷檢測(cè)系統(tǒng)與工業(yè)生產(chǎn)線連接，如何與PLC通訊,形成一套完整的系統(tǒng)架構(gòu)，將其快速落地部署，亦是挑戰(zhàn)之一。

可見,一個(gè)AI檢測(cè)項(xiàng)目的落地，不僅僅要對(duì)行業(yè)、對(duì)客戶有足夠的理解,技術(shù)上從成像、AI訓(xùn)練檢測(cè)到產(chǎn)線部署,更是需要多方面的技術(shù)人才互相配合。

機(jī)器視覺的主要技術(shù)趨勢(shì)和市場(chǎng)趨勢(shì)機(jī)器視覺的主要技術(shù)趨勢(shì)和市場(chǎng)趨勢(shì)

（1）機(jī)器視覺的技術(shù)趨勢(shì):高速化、高分辨率、全彩色、低功耗、模塊化、傻瓜化、先進(jìn)數(shù)字網(wǎng)絡(luò)化、智能化特殊應(yīng)用等。

  (2）機(jī)器視覺的市場(chǎng)趨勢(shì):價(jià)格下降、使用方便，用高質(zhì)量向中低端應(yīng)用擴(kuò)展，性能提高、可靠性提高，能解決復(fù)雜高端問題,行業(yè)應(yīng)用大量增加且分工精細(xì)化，在產(chǎn)業(yè)鏈中重新定位并與相關(guān)技術(shù)結(jié)合更加緊密、更加多元化。

機(jī)器視覺的現(xiàn)況，基于深度學(xué)習(xí)技術(shù)的視覺控制器，集成像、人工智能AI、學(xué)習(xí)、檢測(cè)部署于一體，已能夠快速對(duì)產(chǎn)品缺陷進(jìn)行圖像采集、處理、訓(xùn)練、部署，實(shí)現(xiàn)對(duì)工業(yè)缺陷的檢測(cè)。

而且應(yīng)用模塊成熟，帶有相機(jī)、光源等接口,只需要在軟件上通過對(duì)相機(jī)(CMOS)、光源、觸發(fā)傳感器等進(jìn)行簡(jiǎn)單配置即可使用，無(wú)需進(jìn)行額外的開發(fā)設(shè)計(jì)。

可以一次設(shè)置多個(gè)相機(jī)、多個(gè)光源以及觸發(fā)機(jī)制,根據(jù)AI學(xué)習(xí)訓(xùn)練的要求,不斷調(diào)整觸發(fā)時(shí)間等,從而獲取更適用的缺陷圖像，極大便捷工程師前期采集圖像的使用。大量地應(yīng)用在表面質(zhì)量檢測(cè)、工件尺寸測(cè)量和定位、各種標(biāo)識(shí)的識(shí)別等。隨著全球市場(chǎng)對(duì)于生產(chǎn)制造行業(yè)的產(chǎn)品質(zhì)量要求的提高,產(chǎn)品的外觀檢測(cè)已經(jīng)成為制造商越來越重視的環(huán)節(jié)之一。