机器视觉是实现工业自动化，工厂智慧化的关键零部件之一。一是工业4.0浪潮席卷全球，制造智能化必然带来生产设备的升级；二是我国人口红利优势逐渐弱化，制造厂商倾向于机器代人，减少人工成本；三是消费水平的升级，消费者对产品的品质提出更高的要求，使得制造商加大质量把控。三者环环相扣，为机器视觉的市场，在智能制造领域带来新的发展契机。

视觉技术的三大增长点

机器视觉是一项综合性技术，包括图像处理、机械工程技术、控制、电光源照明、光学成像、传感器、模拟与数字视频技术、计算机软硬件等。其功能在于生产部件、产品的定位，以及产品的检测和外观识别。

如今，在市场消费升级的刺激下，高端商品市场占有率强势增长。为此，视觉技术也越来越多的在工厂应用。从目前的来看，自动读码器、人工智能瑕疵检测和3D测量有着强劲的增长趋势。

为什么说自动读码器是视觉技术中较快的增长点？一方面，现在正处于5G和物联网时代的前夜，工厂数字化转型正是当下制造业的热门话题，我们要实现智能制造，工厂数字上云，就需要越来越多的数字采集；另一方面，现代的工厂管理中，二维码是产品的身份证。因此，工厂无论是提高设备控制效率，还是提高产品的品质，都要追溯到数字的采集。在机器视觉领域，采集数据就需要一款能够自动识别二维码的机器。

瑕疵检测是视觉技术最难的部分，传统的瑕疵检测，基于模板和特定的过程学习后，对产品进行判断。但是产品的瑕疵不确定因素很多，这种传统的做法，很难真正意义上实现瑕疵检测。以消费类电子产品为例，许多厂商最终的产品出厂检测，往往耗费大量人力。所以，视觉技术借助人工智能，通过深度学习的算法，为瑕疵检测赋能，并在多个行业得到应用。

再者是3D测量技术的应用，会越来越广泛。以手机制造为例，手机屏幕边缘的缝隙大小，以及机身面是否平整，都需要应用3D视觉技术。这一切缘由，皆因消费水平的提升，因此商家会更多的应用3D技术，提高产品的工艺水平。

工业客户需要怎样的视觉技术？

在工业领域，机器视觉充当生产设备“眼睛”的功能，解决人眼无法识别、检测的工作，实现效率好、成本低的经济效益，是视觉技术发展的出发点和落脚点。那么，对于客户使用角度看，制造商更倾向高精度、高准确率，大视野自动变焦检测，以及软件的快速导入等方面。

首先是检测的高精度，高准确率。这个是机器代替人眼最基础的，也是最直接的目的。人工检测容易产生疲态，导致工作质量不佳，并且精密制造领域，机器视觉比人眼有着绝对的优势。目前来看，机器视觉的测量和判断，已经非常成熟。

有些工厂生产物件体积庞大，对视觉检测来说，是一项较大的挑战。以往对大视野检测，会采取两种方法，一种是用两个读码器覆盖的方式，另一种是用高分辨率相机，加光源、镜头，再加上一些定制化软件来操作。这两种大视野检测，需要有专业工程师做调试和维护，从客户的使用和维护成本来说，都不算理想，所以很难进行大规模部署。

从视觉技术软件使用来说，开发商能否做到快速地系统导入，将在一定程度上决定客户的接受度。对于系统来说，固然是越简单越好。客户视觉系统的使用，应更倾向于“傻瓜式”的操作和开发，将众多功能模块化，如分析、算数运算、逻辑运算、色彩匹配等功能分为多个模块，客户根据自身的需求，将模块快速导入应用。

机器视觉应用领域及潜在市场

机器视觉是一项综合技术，其主要的市场分布在电子制造业、汽车制造、制药、食品与包装机械等领域。根据前瞻研究院报告数据显示，电子制造业在机器视觉市场占比46.57%，汽车产业次之，占比为31.02%。此外，物流、食品、包装、印刷等行业的渗透率也逐年的提高。

从机器视觉的具体应用看，电子制造业应用具体在PCB印刷电路、电子封装、丝网印刷、SMMT表面贴装、半导体及集成电路、回流和波峰焊，以及智能手机、平板电脑等消费类产品。汽车制造业的主要应用于面板印刷质量检测、精密测量等。食药和包装机械主要集中在封装缺陷检测、生产日期检测、颜色识别、分拣等方面。印刷机械则是在于印刷质量检测、印刷字符检测、条码识别等。

除了上述产业，许多传统行业同样有机器视觉应用需求等。如黄金珠宝这类精细化加工型的产业，很多时候是靠人借助放大镜，通过肉眼检测产品缺陷。再者，黄金珠宝生产过程中，仍以人工作业为主，一来不利于成本控制，二来人的不确定因素较多。为了在批量化生产中提高效率，基于深度学习的视觉技术，是一个不错的选择。另外，建筑装饰属于劳动密集型产业，工程好坏很多时候基于人为因素。以往工程验收，依靠“老师傅”眼观的方式，检查墙面是否平整、天花龙骨架拼装、门窗缝隙是否过大等问题。如今建筑装饰行业人才面临青黄不接局面，提升自动化水平是该行业的趋势。高档酒店、餐馆、家装对质量要求极高，并且市场份额逐步增大。因此，基于视觉技术对工程的验收，是建筑装饰行业走向自动化、智能化所需。

Returns List