作為人類視覺(jué)在機(jī)器上的延伸，機(jī)器視覺(jué)憑借其分辨率高、速度快、范圍寬、適應(yīng)性強(qiáng)、精度高、可量化及可持續(xù)工作等優(yōu)勢(shì)，將圖像處理應(yīng)用于機(jī)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(jì)50年代，Gilson 提出“光流”概念，機(jī)器視覺(jué)就此萌蘗。統(tǒng)計(jì)模式識(shí)別運(yùn)用計(jì)算機(jī)分析識(shí)別二維圖像，集中研究光學(xué)字符識(shí)別(OCR)、工件表面圖片分析等技術(shù)，為機(jī)器視覺(jué)提供了理論實(shí)踐基礎(chǔ)。隨后，機(jī)器視覺(jué)的研究轉(zhuǎn)向三維場(chǎng)景，研究范圍不斷擴(kuò)展和復(fù)雜化。

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

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

　　根據(jù)美國(guó)制造工程師協(xié)會(huì)(SME)機(jī)器視覺(jué)分會(huì)和美國(guó)機(jī)器人工業(yè)協(xié)會(huì)(RIA)自動(dòng)化視覺(jué)分會(huì)定義，機(jī)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(jī)器人運(yùn)動(dòng)的裝置。機(jī)器視覺(jué)被稱為自動(dòng)化系統(tǒng)的“靈魂之窗”，隨著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(jī)器視覺(jué)不斷創(chuàng)新升級(jí)、蓬勃發(fā)展。

　　智能制造的“眼睛”

　　隨著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(xiàn)代工廠的發(fā)展趨勢(shì)，“機(jī)器換人”也逐漸成為熱議的話題。作為人類視覺(jué)在機(jī)器上的延伸，機(jī)器視覺(jué)憑借其分辨率高、速度快、范圍寬、適應(yīng)性強(qiáng)、精度高、可量化及可持續(xù)工作等優(yōu)勢(shì)，將圖像處理應(yīng)用于機(jī)器視覺(jué)領(lǐng)域，成為智能制造繁榮發(fā)展的推動(dòng)力。

　　圖：人類視覺(jué)和機(jī)器視覺(jué)對(duì)比

　　如定義所言，機(jī)器視覺(jué)可以非接觸地對(duì)目標(biāo)物體進(jìn)行外觀檢測(cè)，判斷其有否表面缺陷，并獲取物體坐標(biāo)、角度、圖像像素等信息，從而判斷物體所在位置，分析計(jì)算狀態(tài)參數(shù)。此外，還可以識(shí)別顏色、數(shù)字、條碼等物理特征。我們將這些功能主要分為四大類：檢測(cè)、定位、測(cè)量、識(shí)別。

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

　　機(jī)器視覺(jué)是“人眼”的替代和延展，如同人類視覺(jué)一樣，它也擁有一套完整的視覺(jué)系統(tǒng)。典型的機(jī)器視覺(jué)系統(tǒng)一般包括光源及光源控制器、鏡頭、相機(jī)、視覺(jué)控制系統(tǒng)等。其中，光源及光源控制器、鏡頭、相機(jī)等硬件部分負(fù)責(zé)圖像捕捉功能，視覺(jué)控制系統(tǒng)則負(fù)責(zé)對(duì)成像結(jié)果進(jìn)行處理分析、輸出分析結(jié)果至智能設(shè)備的其他執(zhí)行機(jī)構(gòu)。

　　機(jī)器視覺(jué)性能優(yōu)勢(shì)顯著，技術(shù)持續(xù)創(chuàng)新，未來(lái)機(jī)器視覺(jué)將朝向深度學(xué)習(xí)、3D視覺(jué)等方向不斷發(fā)展和精進(jìn)。

　　深度學(xué)習(xí)技術(shù)

　　深度學(xué)習(xí)是機(jī)器學(xué)習(xí)最重要的分支，典型深度學(xué)習(xí)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(duì)抗網(wǎng)絡(luò)(GANs)、深度強(qiáng)化學(xué)習(xí)(RL)等。深度學(xué)習(xí)利用人類知識(shí)和計(jì)算機(jī)算法共同構(gòu)建整體架構(gòu)，通過(guò)對(duì)數(shù)據(jù)進(jìn)行清洗、標(biāo)簽、歸一化、去噪、降維等預(yù)處理，配合計(jì)算機(jī)大規(guī)模運(yùn)算能力，調(diào)節(jié)內(nèi)部參數(shù)，對(duì)數(shù)據(jù)進(jìn)行訓(xùn)練，從而自動(dòng)提取目標(biāo)數(shù)據(jù)。深度學(xué)習(xí)具有學(xué)習(xí)能力強(qiáng)、覆蓋范圍廣、適應(yīng)能力強(qiáng)、可移植性好等優(yōu)勢(shì)。

　　3D視覺(jué)技術(shù)

　　3D視覺(jué)技術(shù)分為3D重構(gòu)技術(shù)和3D數(shù)據(jù)分析算法兩部分，具體包括雙目視覺(jué)技術(shù)、結(jié)構(gòu)光技術(shù)、TOF(飛行時(shí)間)相機(jī)技術(shù)、線激光掃描技術(shù)和光譜共聚焦技術(shù)。較之2D機(jī)器視覺(jué)技術(shù)，3D技術(shù)在x、y、z、旋轉(zhuǎn)、俯仰、橫擺等六個(gè)自由度上還原目標(biāo)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(shù)據(jù)處理。

　　機(jī)器視覺(jué)市場(chǎng)藍(lán)海，智能制造加速

　　后疫情時(shí)代，全球數(shù)字化進(jìn)程加速，工業(yè)智能化、數(shù)字化不斷轉(zhuǎn)型升級(jí)，機(jī)器視覺(jué)與工業(yè)應(yīng)用緊密結(jié)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(yīng)用落地。