機器視覺是通過計算機來模擬人類視覺功能，以讓機器獲得相關視覺資訊和加以理解。可分為「視」和「覺」兩部分原理，「視」是將外界資訊通過成像來顯示成數碼訊號反饋給計算機，需要依靠一整套的硬體解決方案，包括光源、相機、影象採集卡、視覺感測器等；「覺」則是計算機對數碼訊號進行處理和分析，主要是軟體演算法。
機器視覺在工業上應用領域廣闊，核心功能包括：測量、檢測、識別、定位等。產業鏈可以分為上游部件級市場、中游系統整合/整機裝備市場和下游應用市場。機器視覺上游有光源、鏡頭、工業相機、影象採集卡、影象處理軟體等軟硬體提供商，中游有整合和整機裝置提供商，行業下游應用較廣，主要下游市場包括電子製造行業、汽車、印刷包裝、菸草、農業、醫藥、紡織和交通等領域。
機器視覺全球市場主要分布在北美、歐洲、日本、中國等地區，根據統計資料，2023年，全球機器視覺系統及部件市場規模是 36.7 億美元，2023年全球機器視覺系統及部件市場規模是42億美元，2023年全球機器視覺系統及部件市場規模是62億美元，2002-2023年市場年均復合增長率為12%左右。而機器視覺系統整合，根據北美市場資料估算，大約是視覺系統及部件市場的6倍。
中國機器視覺起步於80年代的技術引進，隨著98年半導體工廠的整線引進，也帶入機器視覺系統，06年以前國內機器視覺產品主要集中在外資製造企業，規模都較小，06年開始，工業機器視覺應用的客戶群開始擴大到印刷、食品等檢測領域，2023年市場開始高速增長，隨著人工成本的增加和製造業的公升級需求，加上計算機視覺技術的快速發展，越來越多機器視覺方案滲透到各領域，到2023年我國機器視覺市場規模已達近70億元。
1、在檢測行業，與人類視覺相比，機器視覺 優勢明顯
1）精確度高：人類視覺是64灰度級，且對微小目標分辨力弱；機器視覺可顯著提高灰度級，同時可觀測微公尺級的目標；
2）速度快：人類是無法看清快速運動的目標的，機器快門時間則可達微秒級別；
3）穩定性高：機器視覺解決了人類乙個非常嚴重的問題，不穩定，人工目檢是勞動非常枯燥和辛苦的行業，無論你設計怎樣的獎懲制度，都會發生比較高的漏檢率。但是機器視覺檢測裝置則沒有疲勞問題，沒有情緒波動，只要是你在演算法中寫好的東西，每一次都會認真執行。在質控中大大提公升效果可控性。
2、機器視覺技術近年發展迅速
1）影象採集技術發展迅猛
ccd、cmos等韌體越來越成熟，影象敏感器件尺寸不斷縮小，像元數量和資料率不斷提高，解析度和幀率的提公升速度可以說日新月異，產品系列也越來越豐富，在增益、快門和訊雜比等引數上不斷優化，通過核心測試指標（mtf、畸變、訊雜比、光源亮度、均勻性、色溫、系統成像能力綜合評估等）來對光源、鏡頭和相機進行綜合選擇，使得很多以前成像上的難點問題得以不斷突破。
2）影象處理和模式識別發展迅速
影象處理上，隨著影象高精度的邊緣資訊的提取，很多原本混合在背景雜訊中難以直接檢測的低對比度瑕疵開始得到分辨。
模式識別上，本身可以看作乙個標記過程，在一定量度或觀測的基礎上，把待識模式劃分到各自的模式中去。影象識別中運用得較多的主要是決策理論和結構方法。決策理論方法的基礎是決策函式，利用它對模式向量進行分類識別，是以定時描述（如統計紋理）為基礎的；結構方法的核心是將物體分解成了模式或模式基元，而不同的物體結構有不同的基元串（或稱字串），通過對未知物體利用給定的模式基元求出編碼邊界，得到字串，再根據字串判斷它的屬類。在特徵生成上，很多新演算法不斷出現，包括基於小波、小波包、分形的特徵，以及獨二分量分析；還有關子支援向量機，變形模板匹配，線性以及非線性分類器的設計等都在不斷延展。
3）深度學習帶來的突破
傳統的機器學習在特徵提取上主要依靠人來分析和建立邏輯，而深度學習則通過多層感知機模擬大腦工作，構建深度神經網路（如卷積神經網路等）來學習簡單特徵、建立複雜特徵、學習對映並輸出，訓練過程中所有層級都會被不斷優化。在具體的應用上，例如自動roi區域分割；標點定位（通過防真視覺可靈活檢測未知瑕疵）；從重雜訊影象重檢測無法描述或量化的瑕疵如橘皮瑕疵；分辨玻璃蓋板檢測中的真假瑕疵等。隨著越來越多的基於深度學習的機器視覺軟體推向市場（包括瑞士的vidi，南韓的sualab，香港的應科院等），深度學習給機器視覺的賦能會越來越明顯。
4）3d視覺的發展
3d視覺還處於起步階段，許多應用程式都在使用3d表面重構，包括導航、工業檢測、逆向工程、測繪、物體識別、測量與分級等，但精度問題限制了3d視覺在很多場景的應用，目前工程上最先鋪開的應用是物流裡的標準件體積測量，相信未來這塊潛力巨大。
3、要全免替代人工目檢，機器視覺還有諸多難點有待攻破：
1）光源與成像：機器視覺中優質的成像是第一步，由於不同材料物體表面反光、折射等問題都會影響被測物體特徵的提取，因此光源與成像可以說是機器視覺檢測要攻克的第乙個難關。比如現在玻璃、反光表面的劃痕檢測等，很多時候問題都卡在不同缺陷的整合成像上。
2）重噪音中低對比度影象中的特徵提取：在重噪音環境下，真假瑕疵的鑑別很多時候較難，這也是很多場景始終存在一定誤檢率的原因，但這塊通過成像和邊緣特徵提取的快速發展，已經在不斷取得各種突破。
3）對非預期缺陷的識別：在應用中，往往是給定一些具體的缺陷模式，使用機器視覺來識別它們到底有沒有發生。但經常遇到的情況是，許多明顯的缺陷，因為之前沒有發生過，或者發生的模式過分多樣，而被漏檢。如果換做是人，雖然在操作流程檔案中沒讓他去檢測這個缺陷，但是他會注意到，從而有較大機率抓住它，而機器視覺在這點上的「智慧型」目前還較難突破。
4、機器視覺產業鏈情況
1）上游部件級市場
主要包括光源、鏡頭、工業相機、影象採集卡、影象處理軟體等提供商，近幾年智慧型相機、工業相機、光源和板卡都保持了不低於20%的增速。根據中國機器視覺產業聯盟（cmvu）調查統計，現在已進入中國的國際機器視覺品牌已近200多家（如康耐視、達爾薩、堡盟等為代表的核心部件製造商，以基恩士、歐姆龍、松下、邦納、ni等為代表的則同時涉足機器視覺核心部件和系統整合），中國自有的機器視覺品牌也已有100多家（如海康、華睿、盟拓光電、神州視覺、深圳燦銳、上海方誠、上海波創電氣等），機器視覺各類產品**商超過300家（如深圳鴻富視覺、微視新紀元、三寶興業、凌雲光、陽光視覺等）。很多國內機器視覺的部件市場都是從**國外品牌開始，很多企業均與國外的同行有較好的合作，且這種合作具有一定的排他性，這給潛在進入者帶來了一定的門檻，因此優質產品的**商也都有不錯的市場競爭力和利潤表現。同時，以海康、華睿為代表的國產工業視覺核心部件正在快速崛起。
2）中游系統整合和整機裝備市場
國內中游的系統整合和整機裝備商有100多家，他們可以給各行業自動化公司提供綜合的機器視覺方案，如凌雲光、微視新紀元、嘉恆、凌華、陽光視覺、鼎信、大恆影象等。由於國內產品與國際依然有不小差距，很多中游系統整合商和整機裝備商又是從核心零部件的**做起來的，因此很多在視覺產品的選擇方面，依然更為青睞國外品牌。國內品牌為推廣自己的軟硬體產品，往往需要發展自己的方案整合能力，才能更好的面對市場競爭。
3）下游應用市場
機器視覺下游，主要是給終端使用者提供非標自動化綜合解決方案的公司，行業屬性非常強，核心競爭力是對行業和生產的綜合理解和多類技術整合。由於行業自動化的更迭有一定週期性，深受行業整體公升級速度、出貨量和利潤狀況影響，因此近兩年來看，拉動機器視覺應用普及最主要的還是在電子製造業，其次是汽車和製藥。
i. 半導體和電子生產行業：從國內機器視覺工業上的應用分布來看，46％都集中在電子及半導體製造行業，包括晶圓加工製造的分類切割、pcb檢測（底片、內／外層板、成品外觀終檢等）、smt貼裝檢測、lcd全流程的aoi缺陷檢測、各種3c元件的表面缺陷檢測、3c產品外觀檢測等
ii. 汽車：車身裝配檢測、零件的幾何尺寸和誤差測量、表面和內部缺陷檢測、間隙檢測等
iii. 印刷、包裝檢測：菸草外殼印刷、食品的包裝和印刷、藥品的鋁塑板包裝和印刷等
iv. 農業：對農產品的分級、檢驗和分類
v. 紡織：對異纖、雲織、經疵、緯疵等瑕疵檢測、織物表面絨毛鑑定、紗線結構分析等等。
5、機器視覺系統未來發展趨勢
1）嵌入式解決方案發展迅猛，智慧型相機效能與成本優勢突出，嵌入式pc會越來越強大
2）模組化的通用型軟體平台和人工智慧軟體平台將降低開發人員技術要求和縮短開發周期
3）3d視覺將走向更多應用場景
乾貨 機器視覺在製造業中的應用（下）
在上一期文章中我們介紹了機器視覺在工業檢測中的應用 乾貨 機器視覺在製造業中的應用 上 本期將繼續介紹機器視覺在製造業中的另乙個應用方向 機械人視覺引導。機械人視覺引導是指通過對攝像頭拍攝畫面的處理分析，引導機械人完成特定任務。機械人視覺引導的應用有 自動堆垛和卸垛 傳送帶追蹤 元件裝配 無序上下料...
嵌入式機器視覺與工業製造業
隨著越來越多的製造商採用工業4.0模型，工業市場對視覺系統的需求也將增長。在這個新時代，製造商將整合先進的機械人技術 機器學習 3d深度測繪和工業物聯網，以提高組織和生產能力。機器視覺系統長期以來一直是嵌入式視覺領域最有前途的應用之一。機器視覺技術是最成熟和眾多應用之一，它廣泛用於製造過程和質量管理...
RFID標籤印表機在加工製造業中的應用
1 行業背景 在物聯網家電製造 機械製造 電子元器件 電器等產品加工製造行業中，通常都需要列印標籤直接貼到產品上，如 銘牌標籤 條碼序列號標籤 合格證標籤 電路圖標籤 rfid標籤等等。傳統的部分企業的這些標籤是印刷後貼上到產品上，但是隨著印刷已經越來越不能滿足企業實時 高效和定製的生產管理的需求。...