2020年来，新冠疫情席卷世界，全球制造业纷纷加速回流国内。“坚持创新驱动发展，全面塑造发展新优势”也在中国“十四五”开局之年被提升至国家战略重点。同时，随着制造业检测精度要求越来越高，人工成本居高不下的新环境，传统企业对机器视觉及智能制造的需求愈加强烈。

随着外部环境不确定性的不断提升，如何转型高端制造的同时提质增效、降本减存成为企业生存的关键。但提质增效之路慢慢，工程复杂，降本应从何处起步？同时，技术革新速度加快、产线更迭周期短、待测品材质千差万别，挑战无处不在，如何才能真正意义上通过机器视觉降低成本减少库存？转型之路上，企业如履薄冰。

随着计算机、人工智能、光学、电子、控制技术的发展，特别是成像器件、高性能处理平台、深度学习技术的飞速进步，机器视觉（Machine Vision）技术，正在飞速发展并广泛应用于军事、制造业、半导体/电子、纺织、食品、印刷、医疗、烟草、交通、物流、娱乐、体育等许多行业，提升企业“提质增效、降本减存”能力，助力传统企业智能化、数字化转型

一、概念与体系：

机器视觉是什么？

机器视觉设备是一种借助光学装置和非接触的传感器获得被检测物体的特征图像，并通过计算机从图像中提取信息，进行分析处理，进而实现检测和控制的装置。设备包括成像硬件和图像处理分析软件，其工作原理与人比较相似：镜头、摄像机与图像采集卡相当于眼睛，图像处理系统则相当于大脑，具体的工作过程为图像获取、图像传输、图像处理，根据图像处理结果选择执行决策、传输控制信息、执行机构执行命令。

作为第四次工业革命（工业4.0）的核心要素，机器视觉功能包括视觉定位、模式识别、尺寸测量和缺陷检测。机器视觉作为人类视觉的延伸，具有精确性高、速度快、成本低、易于信息集成等多重优势，能够在各种生产环境中替代人工进行高强度连续精准作业。作为人工智能的一个分支，机器视觉是智能工厂中自动化和智能化的重要手段，也被称为“工业之眼”。

机器视觉不光要为机器装上眼睛，更要让机器拥有大脑。凌云光将机器视觉的目标概括为“视”与“觉”两部分，即“识别、检测”与“判断、处理”。这不仅需要设备能精准定位识别待测物体，同时对企业独立的算法和数据库提出了更高的要求。

二、背景：

为什么要使用机器视觉系统？

大趋势：国家重点扶持高端制造业，智能制造机遇广阔

随着《“十四五”规划纲要》和工信部《工业互联网创新发展行动计划(2021-2023年)》等相关政策的出台，国家对智能装备制造业及其关键零部件产业的发展愈加重视，政策支持力度不断加大。高端装备制造、人工智能、自动化生产行业均是机器视觉技术的主要应用领域。在国家政策的支持下，上海、浙江、山东等地出台了与战略性新兴产业、智能工厂、数字化转型、智能制造产业升级相关的政策，用以支持以工业机器视觉为代表的智能制造细分领域发展。

新业态：制造业市场回暖，下游行业增长迅速

2020年下半年开始，我国工业经济呈现了稳定恢复态势。进入2021年，我国工业经济运行稳定恢复态势更加牢固。上半年工业增加值同比增长了15.9%，工业企业利润同比增长57.3%。

机器视觉主要下游应用行业增速明显， 2021年上半年新能源汽车、工业机器人、集成电路产量同比分别增长205.0%、69.8%、48.1%，两年平均增速均超过30%。供需两端稳步增长，机器视觉需求有望释放。

新需求：

高速工业产线，高精度检测标准推动了工业机器视觉系统往高性能方向发展。主要表现为工业相机成像分辨率不断提高，图像采集速度以及传输的可靠性的不断增强。同时，光源从可见光向非可见光拓展，相机从单光谱向多、高光谱沿伸，极大扩充了机器视觉检测的应用场景

深度学习技术趋于成熟，企业以机换人的需求不断提升，智能化将是机器视觉系统的核心卖点。智能化主要以云计算，大数据，人工智能等新技术为依托，以降低操作人员技术门槛为手段，以人性化、易用性、多场景适配等特点，不断提高企业生产效率和产品质量一致性。

随着核心零部件制造工艺和光学性能的不断提升，工业机器视觉系统正逐渐往小型化、集成化方向发展。将光学模组、通讯模组和计算模组集成到一个单一设备，缩小体积的同时，拓宽了机器视觉的应用领域。

三、方法与实践：

机器视觉系统能做什么？

机器视觉的诸多应用场景和功能，均可归为四种基本功能——识别、测量、定位和检测。检测指标主要针对设备的准确度、精度、速度和复杂形态，对观测能力要求极高，机器视觉在诸多性能上优于传统人眼，出错率更低，检测速度更高，取代人工后成本也会更低。

机器视觉在产业下游应用领域十分广泛，制造业是目前机器视觉应用中比重最大的领域之一。由于制造业竞争加剧，成本压力迫使企业重视生产效率并促进了机器视觉技术的应用。为了提高生产效率，降低人力成本、减少生产过程中的错误，工业生产和管理中的某些人工环节逐渐被机器替代。

机器视觉系统的特点是提高生产的柔性和智能化程度。在制造业领域之外，机器视觉技术也应用于农业、医药行业、包装印刷业等其他领域。制造业细分领域中，消费电子、汽车、半导体是机器视觉行业应用最广泛的三大领域。

其中，电子信息制造行业自动化、标准化程度高，是机器视觉技术应用较早的行业，也是最大的下游市场；汽车制造中机器视觉主要用于车身装配检测、面板印刷质量检测等几乎所有系统和部件的制造流程；半导体行业工业机器视觉应用较为成熟，应用涉及到半导体外观缺陷、尺寸、数量等检测，尤其是晶圆制作中的检测、定位、切割和封装。

在下游诸多细分行业中，凌云光重点聚焦在消费电子、显示屏、印刷、新能源等行业的检测。经过20余年的光学技术积累，凌云光完成了机器视觉设备中镜头和相机从代理到自研的蜕变，并成为了国内极少数拥有独立数据库及算法的机器视觉企业，打通了机器视觉设备软硬件之间信息屏障。同时，建立了GMQM质量信息平台，将待测产品质量信息可视化、数据化，为传统企业转型智能工厂提供切实工具。

四 机器视觉系统的应用场景及案例

1、消费电子行业

消费电子行业元器件尺寸较小、检测精度要求高，且存在产品生命周期短、更新换代快的特征，对其上游的机器视觉行业产生巨大需求。同时，随着产品不断精密化，对作业精度的要求逐步提高，以苹果公司为首的知名消费电子企业不断增加对机器视觉技术的应用。元器件、部件和成品的制造各环节都需要机器视觉的协助，其中约70%的机器视觉产品应用在检测环节。

以智能手机为例，在手机的生产过程中，机器视觉技术主要应用于部件模组、显示触控、成品组装等工艺段。 随着手机内部设计越来越精密，其内部使用的各元器件&模组尺寸越来越小，尺寸精度及组装精度要求越来越高。检测环节越来越多，微小的尺寸变化，微小的缺陷人眼难以分辨。

针对消费型电子元器件组装工艺高精度的要求，凌云光凭借自己在机器视觉上20多年持续自主研发的技术积累优势，形成纯自主的算法平台VisionWare和系列应用平台产品VisionAssembly，同时根据产品工艺研发了智能量测和检测的专业化装备，为各大零部件厂家提供端到端的视觉系统到整机智能装备的解决方案，广泛应用于产品零部件的组装、涂胶、焊接、量测、检测和产品追溯等工艺应用中，为消费电子产品的品质保驾护航。

2、印刷行业

在印刷行业，受原材料、印刷工艺、生产环境影响，印刷品上经常出现断字断画、脏点、蚊虫、色差、刀丝、气泡等缺陷。这些外行人眼中的“小毛病”却是影响深远的大问题。以药品包装为例，5磅字的剂量信息如果出现错处，会直接危及生命安全。为保证关键信息准确无误，须将0.03mm²的小数点在高速下稳定检测，已超出人眼识别极限，现有人工检测已无法满足要求，必须采用高速、高精度、一致性和稳定性的机器视觉检测设备才能保证印刷质量。凌云光凭借在光学成像、视觉软件与算法、核心视觉部件等领域的技术积累，以PrintingPlus印刷质量管理软件系统和PrintingProof对版软件系统为基础，推出面向软包行业、彩盒行业、标签行业的印刷质量检测系统和智能生产解决方案，助力印刷行业乘势转型。

3、锂电新能源行业

全球锂电池产业正在发生深刻变革，动力电池性能、品质竞争升维带动新装备、新工艺迭代加快。2021年中国动力电池出货量220GWh，相比2020年增长175%。鉴于锂电池应用场景的特殊性，安全性要求极高。以隔膜为例，隔膜将正负极片隔开，防止电池短路，同时保证保证电池的正常工作，隔膜上的针孔、破边、褶皱、薄点等缺陷都会影响电池的容量、倍率、寿命以及安全等性能。凌云光以自主研发底层算法VisionWARE、常规特征+AI分类、智能交互系统等技术为基础，推出锂电池检测系统，并已广泛应用于锂电行业上下游产线中，包括原材料的铜铝箔检测、铝塑膜检测、隔膜检测、极片涂布分模切检测、叠片卷绕检测、后道检测等，全面提升电池安全性，助力锂电池厂商实现零投诉

五、未来与展望：

机器视觉在智能制造中的价值与建设

回望过去，技术和产品的不断创新，对工业生产效率、精度、智能化的要求也随之增加。同时，在新冠疫情以及国际环境等不确定因素的影响下，只有企业自身“提质量、增效率、降成本、减库存”才是面对外部环境波动的坚固护城河。

而展望未来，凌云光认为，在国家重点扶持高端装备制造业的背景下，伴随着人工成本的不断攀升以及智能工厂的普及，消费电子、印刷、新能源等领域对机器视觉系统的需求将大幅增加，机器视觉或将成为企业“提质增效、降本减存”的关键因素之一。

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。

责任编辑：kj005