作為人類(lèi)視覺(jué)在機器上的延伸，機器視覺(jué)憑借其分辨率高、速度快、范圍寬、適應性強、精度高、可量化及可持續工作等優(yōu)勢，將圖像處理應用于機器視覺(jué)領(lǐng)域，成為智能制造繁榮發(fā)展的推動(dòng)力。

　　20世紀50年代，Gilson 提出“光流”概念，機器視覺(jué)就此萌蘗。統計模式識別運用計算機分析識別二維圖像，集中研究光學(xué)字符識別(OCR)、工件表面圖片分析等技術(shù)，為機器視覺(jué)提供了理論實(shí)踐基礎。隨后，機器視覺(jué)的研究轉向三維場(chǎng)景，研究范圍不斷擴展和復雜化。

　　1977年，美國麻省理工教授David Marr提出將視覺(jué)分為目標與策略、表示與算法、硬件的實(shí)現三個(gè)層次，機器視覺(jué)迎來(lái)了第一次理論框架的升級。機器視覺(jué)發(fā)展至今七十余年，各種理論創(chuàng )新、概念升級和實(shí)踐應用不斷涌現，不斷推動(dòng)著(zhù)工業(yè)智能化、產(chǎn)業(yè)數字化的演進(jìn)。

　　圖：機器視覺(jué)發(fā)展歷程(圖源：前瞻產(chǎn)業(yè)研究院)

　　根據美國制造工程師協(xié)會(huì )(SME)機器視覺(jué)分會(huì )和美國機器人工業(yè)協(xié)會(huì )(RIA)自動(dòng)化視覺(jué)分會(huì )定義，機器視覺(jué)是通過(guò)光學(xué)的裝置和非接觸的傳感器，自動(dòng)地接收和處理一個(gè)真實(shí)物體的圖像，以獲得所需信息或用于控制機器人運動(dòng)的裝置。機器視覺(jué)被稱(chēng)為自動(dòng)化系統的“靈魂之窗”，隨著(zhù)5G、人工智能、物聯(lián)網(wǎng)等新興技術(shù)的融合發(fā)展，在智能制造的浪潮下，機器視覺(jué)不斷創(chuàng )新升級、蓬勃發(fā)展。

　　智能制造的“眼睛”

　　隨著(zhù)全球智能制造浪潮的推進(jìn)，自動(dòng)化、智能化已經(jīng)成為現代工廠(chǎng)的發(fā)展趨勢，“機器換人”也逐漸成為熱議的話(huà)題。作為人類(lèi)視覺(jué)在機器上的延伸，機器視覺(jué)憑借其分辨率高、速度快、范圍寬、適應性強、精度高、可量化及可持續工作等優(yōu)勢，將圖像處理應用于機器視覺(jué)領(lǐng)域，成為智能制造繁榮發(fā)展的推動(dòng)力。

　　圖：人類(lèi)視覺(jué)和機器視覺(jué)對比

　　如定義所言，機器視覺(jué)可以非接觸地對目標物體進(jìn)行外觀(guān)檢測，判斷其有否表面缺陷，并獲取物體坐標、角度、圖像像素等信息，從而判斷物體所在位置，分析計算狀態(tài)參數。此外，還可以識別顏色、數字、條碼等物理特征。我們將這些功能主要分為四大類(lèi)：檢測、定位、測量、識別。

　　圖：機器視覺(jué)主要功能(來(lái)源：前瞻產(chǎn)業(yè)研究院)

　　機器視覺(jué)是“人眼”的替代和延展，如同人類(lèi)視覺(jué)一樣，它也擁有一套完整的視覺(jué)系統。典型的機器視覺(jué)系統一般包括光源及光源控制器、鏡頭、相機、視覺(jué)控制系統等。其中，光源及光源控制器、鏡頭、相機等硬件部分負責圖像捕捉功能，視覺(jué)控制系統則負責對成像結果進(jìn)行處理分析、輸出分析結果至智能設備的其他執行機構。

　　機器視覺(jué)性能優(yōu)勢顯著(zhù)，技術(shù)持續創(chuàng )新，未來(lái)機器視覺(jué)將朝向深度學(xué)習、3D視覺(jué)等方向不斷發(fā)展和精進(jìn)。

　　深度學(xué)習技術(shù)

　　深度學(xué)習是機器學(xué)習最重要的分支，典型深度學(xué)習算法包括卷積神經(jīng)網(wǎng)絡(luò )(CNN)、循環(huán)神經(jīng)網(wǎng)絡(luò )(RNN)、生成對抗網(wǎng)絡(luò )(GANs)、深度強化學(xué)習(RL)等。深度學(xué)習利用人類(lèi)知識和計算機算法共同構建整體架構，通過(guò)對數據進(jìn)行清洗、標簽、歸一化、去噪、降維等預處理，配合計算機大規模運算能力，調節內部參數，對數據進(jìn)行訓練，從而自動(dòng)提取目標數據。深度學(xué)習具有學(xué)習能力強、覆蓋范圍廣、適應能力強、可移植性好等優(yōu)勢。

　　3D視覺(jué)技術(shù)

　　3D視覺(jué)技術(shù)分為3D重構技術(shù)和3D數據分析算法兩部分，具體包括雙目視覺(jué)技術(shù)、結構光技術(shù)、TOF(飛行時(shí)間)相機技術(shù)、線(xiàn)激光掃描技術(shù)和光譜共聚焦技術(shù)。較之2D機器視覺(jué)技術(shù)，3D技術(shù)在x、y、z、旋轉、俯仰、橫擺等六個(gè)自由度上還原目標物體三維信息，為工業(yè)控制提供更精確靈活的特征分析與數據處理。

　　機器視覺(jué)市場(chǎng)藍海，智能制造加速

　　后疫情時(shí)代，全球數字化進(jìn)程加速，工業(yè)智能化、數字化不斷轉型升級，機器視覺(jué)與工業(yè)應用緊密結合，在人工智能、物聯(lián)網(wǎng)、5G等新興技術(shù)的融合創(chuàng )新中，不斷深入應用落地。