機器視覺基本介紹

機器視覺系統(tǒng)是集光學、機械、電子、計算、軟件等技術為一體的工業(yè)應用系統(tǒng)，它通過對電磁輻射的時空模式進行探測及感知，可以自動獲取一幅或多幅目標物體圖像，對所獲取圖像的各種特征量進行處理、分析和測量，根據(jù)測量結果做出定性分析和定量解釋，從而得到有關目標物體的某種認識并作出相應決策，執(zhí)行可直接創(chuàng)造經濟價值或社會價值的功能活動。我國機器視覺行業(yè)屬于技術更新較快、受市場主導型產業(yè)，行業(yè)內企業(yè)競爭程度較高。

機器視覺是一個“光、機、電、算、軟”等技術高度集成的系統(tǒng)，通常來講，機器視覺核心部件主要包括工業(yè)相機、圖像采集卡、光源、鏡頭和機器視覺算法軟件等。其中，工業(yè)相機和圖像采集卡作為機器視覺系統(tǒng)的關鍵核心部件，對機器視覺系統(tǒng)的整體性能起著非常重要的作用。機器視覺主要起步于基礎科學和工程技術水平領先的美國、歐洲、日韓和加拿大等工業(yè)發(fā)達國家和地區(qū)，這些國家或地區(qū)的機器視覺系統(tǒng)相關企業(yè)具備從部件、設備到系統(tǒng)的全產業(yè)鏈的研發(fā)及生產能力。長期以來，我國機器視覺設備廠商使用的工業(yè)相機和圖像采集卡，特別是高速高分辨率相機和高速圖像采集卡，主要依賴進口，國產化率很低。

1、工業(yè)相機

工業(yè)相機是機器視覺系統(tǒng)的核心部件，其本質是一個光電轉換器件，主要功能是將收到的光信號轉變成有序的電信號，然后再通過模數(shù)轉換并送到處理器以合成圖像，并進一步進行處理、識別和分析。相比于普通的民用單反相機而言，工業(yè)相機具備更好的圖像質量、更高的工作穩(wěn)定性、更強的抗干擾能力以及更高效可靠的數(shù)據(jù)傳輸?shù)忍攸c。工業(yè)相機的選型是機器視覺系統(tǒng)設計中的重要環(huán)節(jié)，直接決定系統(tǒng)的工作效率以及所獲取到的數(shù)據(jù)質量，同時也關系到系統(tǒng)的工作模式、配套選擇等。目前市面上的工業(yè)相機主要有工業(yè)線掃描相機、工業(yè)面掃描相機、3D相機以及智能相機等類型。

（1）工業(yè)線掃描相機

工業(yè)線掃描相機，或叫線陣相機、線掃描相機，以“線”為單位進行圖像采集。早期線掃描相機的圖像傳感器通常只有一行感光像素，隨著檢測速度不斷的提高，相機的曝光時間被不斷縮短，發(fā)展出的多線TDI（時間延時積分）線掃描相機也逐漸被推廣應用。當前線掃描相機的水平分辨率從2K到16K不等，大部分線掃描相機的行頻都非常高，因此在檢測或測量幅寬比較寬、檢測效率要求比較高的場景中線掃描相機具備獨特的優(yōu)勢。現(xiàn)階段，工業(yè)線掃描相機被大量應用于工業(yè)制造、生物醫(yī)藥、科學研究、軌道交通、農產品分選等領域的圖像采集與處理，典型的場景為具備連續(xù)運動能力的材料類產品檢測與測量，例如金屬膜材、金屬板材、塑料薄膜、纖維制品的表面檢測：被檢測的物體通常勻速運動，利用一臺或多臺相機對其逐行連續(xù)掃描，以實現(xiàn)對其整個表面圖像的完整采集；此外在生產線上跟隨產線運動的產品表面檢查也非常適合線掃描成像，如高密度PCB、玻璃基板、顯示模組、光伏組件等。線掃描相機非常適合寬幅的測量場合，這主要歸功于傳感器的超高分辨率，同時線掃描相機也有其應用的不足：由于需要運動控制與反饋系統(tǒng)支持，系統(tǒng)相對復雜，成本也會較高一些；此外線掃描成像系統(tǒng)一般都要求被檢測物體能夠接近勻速運動，否則采集的圖像精度可能受掃描運動精度的影響而降低，這增加了系統(tǒng)的不確定性，最終影響檢測和測量的精度；此外，高分辨率的線掃描系統(tǒng)，對鏡頭和光源的要求也相對比較高，這些因素都增加了系統(tǒng)開發(fā)的難度和成本。

（2）工業(yè)面掃描相機

工業(yè)面掃描相機，或叫面陣相機、面掃描相機，通常以“面”為單位進行圖像采集，與線掃描相機不同之處在于其圖像傳感器是一個二維的陣列，單次拍照輸出一幅二維圖像，展示目標物信號強度在空間水平和豎直兩個方向上的分布。

工業(yè)面掃描相機在進行圖像采集時往往使用電子快門進行曝光控制，常見的電子快門包括全局快門和卷簾式快門兩類。全局快門下，相機所有像素一次性完成曝光動作，比較適合用來采集快速運動的物體信號；卷簾式快門下，相機內所有像素不是同時完成曝光操作，一般每次只完成單行像素的曝光，啟動圖像采集后從第一行開始，依次曝光所有行，最終完成所有像素的曝光。卷簾式快門的這種非同時曝光的特性在拍攝運動物體時會導致圖像拖影，引起圖像失真，所以卷簾式快門相機一般只用于拍攝靜止的物體。此外，全局快門相機由于在設計時需要更多的控制信號，導致其成本往往更高，同時讀出噪聲也更大。

由于工業(yè)面掃描相機一次性獲取二維圖像信息，不需要外部運動機構配合，系統(tǒng)相對簡單，因此被廣泛的應用于在非流水線的工業(yè)場景中，用于采集目標物的形狀、尺寸、面積、溫度等信息，執(zhí)行定位、測量、檢測、識別等諸多任務。

工業(yè)面掃描相機圖像傳感器像素數(shù)量遠大于線掃描相機，受半導體制造工藝限制往往存在壞像素點，無法保證全部像素輸出有效；同等價格水平相機的水平分辨率一般也較線掃描相機低，導致部分場景下很難達到應用對檢測視場的需求；同時幀率也常常受到限制。

2、圖像采集卡

圖像采集卡，是構建完整的機器視覺系統(tǒng)的一個重要部件，其功能是建立和前端相機中的連接，管理相機控制信號，從相機中獲取數(shù)據(jù)，并將其轉換成計算機能處理的信息。圖像采集卡對外接口包括面向相機端的圖像信號接口，面向計算機端的數(shù)據(jù)接口，以及控制信號接口。工業(yè)相機的圖像接口規(guī)格很多，目前機器視覺系統(tǒng)中較常見的包括CameraLink和CoaXPress接口，其相關協(xié)議標準分別由AIA（美國自動化圖像協(xié)會）和JIIA（日本工業(yè)成像協(xié)會）發(fā)起；采集卡到計算機端的接口一般為通用的PCI、PCIe、USB以及網絡接口等數(shù)據(jù)接口。圖像采集卡依據(jù)CameraLink等協(xié)議標準收取前端工業(yè)相機數(shù)據(jù)，在板載內存中進行處理，然后通過PCIe等接口寫入計算機內存，計算機中的圖像處理程序通過采集卡底層驅動加載圖像數(shù)據(jù)后進行信息分析。圖像采集卡控制信號接口主要功能為接收外部各種圖像采集控制觸發(fā)信號輸入，以及輸出相機同步信號以控制光源等外部設備，輔助完成機器視覺系統(tǒng)的工作流程。

機器視覺系統(tǒng)的主要功能

機器視覺在智能制造領域應用廣泛，按功能主要分為四大類：定位、識別、測量、檢測，不同的應用場景側重不同的功能運用。

定位功能：定位是工業(yè)機器視覺技術的基礎功能。機器視覺應用的第一步是根據(jù)一定的模板在相機視野中找到相對應的對象或特征，關注對象的定位是否符合相應標準。如模式匹配軟件工具無法精確定位圖像中的零件，則無法進行識別、引導、檢測或測量。定位功能主要應用于加工設備工具端的路徑引導，是工業(yè)機器人重要的輔助性功能。根據(jù)賽迪研究院《中國工業(yè)機器視覺產業(yè)發(fā)展白皮書》報告，機器視覺定位功能在工業(yè)應用場景中約占16%。

識別功能：識別是工業(yè)機器視覺技術最根本的功能。機器視覺技術可以字母、數(shù)字、字符等標識及符號。首先，光學字符識別（OCR）系統(tǒng)通過工業(yè)相機掃描對象或特征，傳輸至PC主機；然后，由字符驗證（OCV）系統(tǒng)確認相對應的字符串是否存在。此外，機器視覺系統(tǒng)還可以通過定位具體圖案來識別零件種類或根據(jù)顏色、形狀識別物品。在工業(yè)應用場景中，物流標簽讀取和字符識別是識別功能最直接的服務對象。根據(jù)賽迪研究院《中國工業(yè)機器視覺產業(yè)發(fā)展白皮書》報告，機器視覺識別功能在工業(yè)應用場景中約占24%。

測量功能：測量是工業(yè)機器視覺技術應用的重要支撐。測量距離和位置以評估是否符合規(guī)格。測量應用中的機器視覺系統(tǒng)可以計算并測量對象上兩個點、多個點甚至幾何位置之間的距離以確定這些測量是否符合規(guī)格。如不符合標準，視覺系統(tǒng)向機器控制器發(fā)送失敗信號，觸發(fā)拒絕機制，并將對象從生產線上彈出。在工業(yè)應用場景中，測量功能主要應用于對目標物體的高速、高精測量，特別適合復雜形態(tài)測量。根據(jù)賽迪研究院《中國工業(yè)機器視覺產業(yè)發(fā)展白皮書》報告，機器視覺測量功能在工業(yè)應用場景中約占10%。

檢測功能：檢測是對識別、測量、定位功能的集成和深度應用。檢測功能主要表現(xiàn)為通過使用機器視覺技術對目標物體進行缺陷檢測，在產品質量一致性控制和成本控制上發(fā)揮著重要作用。機器視覺檢測設備是工業(yè)機器視覺技術最重要載體。根據(jù)賽迪研究院《中國工業(yè)機器視覺產業(yè)發(fā)展白皮書》報告，機器視覺檢測功能在工業(yè)應用場景中約占50%。

機器視覺產業(yè)鏈及上、下游行業(yè)之間的關聯(lián)性

機器視覺產業(yè)鏈中相關企業(yè)主要分為三類：上游的機器視覺部件提供商、中游的相關裝備制造商及機器視覺系統(tǒng)商、下游的機器視覺產品的終端應用商。機器視覺的產業(yè)鏈分布如下：

機器視覺行業(yè)內上游企業(yè)專注于與機器視覺相關的軟硬部件的生產與研發(fā)。其中，硬件包括光源、鏡頭、工業(yè)相機、圖像采集卡以及控制器及配件等；軟件包括圖像處理軟件以及底層算法平臺等構成的機器視覺軟件及算法。根據(jù)開源證券《工業(yè)機器視覺之“眼”——機器視覺》報告，在目前的整個機器視覺系統(tǒng)成本構成上，核心零部件大約占比45%、軟件開發(fā)大約占比35%、組裝集成大約占比15%、維護服務大約占比5%，核心零部件和軟件開發(fā)是產業(yè)鏈中絕對的核心環(huán)節(jié)。

機器視覺行業(yè)內中游企業(yè)為機器視覺裝備制造商與機器視覺系統(tǒng)商。其中，機器視覺系統(tǒng)包含獨立完整的成像單元（光源、鏡頭、相機）和相應的算法軟件，集圖像采集、處理與通信功能于一身，可以靈活的進行配置和控制。而機器視覺裝備則以機器視覺系統(tǒng)的感知能力和分析決策能力為核心，在系統(tǒng)的基礎上賦予了設備自動化和智能化的功能，將其應用在下游實際的生產運作之中，可實現(xiàn)多種功能。

機器視覺行業(yè)下游主要為機器視覺設備的終端應用場景。具體來說，由于機器視覺具有定位、識別、測量、檢測四大功能，通常下游應用企業(yè)會將相關設備配置應用在產品生產制造過程中的檢測、篩查等重要環(huán)節(jié)，從而達到提高良品率、提升生產效率、減少對人工的依賴以及節(jié)約成本等目的。因此，工業(yè)相機、圖像采集卡作為機器視覺設備的核心部件之一，將被廣泛應用于生產生活的各個領域。此外，未來隨著工業(yè)智能制造的不斷升級，機器視覺設備在各個行業(yè)的滲透率將進一步提高，相關核心部件的市場需求有望迎來新一輪的爆發(fā)增長。

行業(yè)發(fā)展歷程

從全球范圍來看，機器視覺行業(yè)起源于20世紀70年代，發(fā)展至今，行業(yè)已經歷五個發(fā)展階段。

第一階段，1969-1979年，在成像傳感器誕生的驅動下，機器視覺進入產業(yè)萌芽期。1969年美國貝爾實驗室成功研制出CCD傳感器，可以直接把圖像轉換為數(shù)字信號并存儲到電腦中參與計算和分析，從而為機器視覺的產生奠定了基礎；

第二階段，1980-1989年，在需求應用的驅動下，機器視覺進入起步期。機器視覺概念首次在產業(yè)界被提及，加拿大的TeledyneDalsa、英國的E2V以及美國的Cognex（康耐視）等相關知名企業(yè)誕生；

第三階段，1990-1999年，隨著需求端應用的不斷發(fā)展，機器視覺行業(yè)進入成長波動期。其中，1990年半導體產業(yè)的發(fā)展為機器視覺行業(yè)提供了較大的發(fā)展?jié)摿Γ芟抻诔上窦夹g和算法算力尚不成熟，無法有效滿足行業(yè)的應用需求，難以全面推廣；

第四階段，2000-2009年，在應用和算力的共同驅動下，機器視覺進入產業(yè)發(fā)展早期。在CPU算力大幅提升，F(xiàn)PD平板顯示制造、PCB檢測和汽車制造等行業(yè)陸續(xù)對機器視覺技術應用表現(xiàn)出強烈需求的雙重因素影響下，產業(yè)需求和技術進步共同促進了機器視覺行業(yè)的快速發(fā)展與繁榮。我國機器視覺產業(yè)也在這個階段加入了全球陣營；

第五階段，2010-2020年，AI算法的興起推動機器視覺進入發(fā)展中期。2016年以來AI迅速發(fā)展，隨著人工智能賦能的機器視覺開始在智能制造應用中的加速普及，相關產業(yè)得到了進一步發(fā)展。

相較而言，我國機器視覺行業(yè)雖起步較晚，但發(fā)展速度較快，行業(yè)已經歷三個發(fā)展階段。

第一階段，1995-1999年，隨著對國外設備與技術的引進與吸收，我國機器視覺行業(yè)進入了萌芽期。但由于算法、算力及成像技術尚不成熟，我國僅有航空航天、軍工及高端科研等核心機構和行業(yè)開始出現(xiàn)應用，部分相關企業(yè)作為國外代理會提供機器視覺器件及技術服務；

第二階段，2000-2008年，在應用與算法的雙驅動下，我國機器視覺行業(yè)邁入了起步期。隨著算力強度的進一步提升，且國內如人民幣印鈔質量檢測、郵政分揀等行業(yè)對機器視覺提出強烈的應用需求，我國開始出現(xiàn)一些專業(yè)的機器視覺企業(yè)；

第三階段，2009-2020年，我國機器視覺產業(yè)逐步進入高速發(fā)展期。特別指出的是，2010年后，以蘋果為代表的手機產業(yè)的飛速發(fā)展給整個3C電子制造業(yè)帶來巨大的變革。一方面，隨著3C電子制造產業(yè)進入高精度時代，迫切需要用機器替代人工來保障產品加工精度和質量的一致性；另一方面，3C電子由于更新較快，應用場景較為豐富，大大擴展了機器視覺的應用。受到這兩方面因素的共同影響，加速促進了我國機器視覺產業(yè)的發(fā)展，我國陸續(xù)涌現(xiàn)出近百家機器視覺企業(yè)。

此外，2016年以來AI算法的發(fā)展，再次為我國機器視覺行業(yè)注入新一輪的發(fā)展活力。整體來看，從2010年開始的近十年，我國機器視覺產業(yè)發(fā)展一直保持20%-30%的增速。

從產品類型來看，根據(jù)機器視覺產業(yè)聯(lián)盟（CMVU）的分類，我國機器視覺 行業(yè)主要的產品/服務包括系統(tǒng)、組件和服務三大類。其中，機器視覺組件包括 光學元件及鏡頭、2D 相機（面陣相機）、照明光源或其他結構光源、3D 相機/3D 采集設備、工業(yè)線掃描相機、圖像采集卡、視覺軟件（單獨銷售的產品）、接口 及其他組件等。據(jù)機器視覺產業(yè)聯(lián)盟（CMVU）2021 年度對 153 家樣本企業(yè)調 查數(shù)據(jù)統(tǒng)計，2019-2021 年，機器視覺組件銷售額從 67.3 億元增長至 98.0 億元， 年均復合增長率為 20.7%，雖占行業(yè)銷售額比例從 62.0%略微下降至 59.8%，但 仍占據(jù)整體銷售額的一半之多，是我國機器視覺細分行業(yè)產值規(guī)模最大的市場。其中，2D 相機（面陣相機）的銷售額占比為 12.7%，是機器視覺組件大類中的 第二大細分市場，且 2019-2021 年銷售額同期年均復合增長率達到 39.4%；工業(yè) 線掃描相機的銷售額占比為 4.9%，若將工業(yè)線掃描相機與面陣相機統(tǒng)一劃分為 工業(yè)相機的統(tǒng)計口徑來看，2021 年工業(yè)相機產品的銷售額占比為 17.6%，儼然已 成為機器視覺組件的第一大細分市場；此外，2021 年我國圖像采集卡的銷售額 占比為 4.6%。

通過將 2021 年我國機器視覺行業(yè)整體銷售額 163.8 億元乘以 相應細分產品占比數(shù)據(jù)，即可得到 2021 年我國工業(yè)相機產品的銷售額為 28.83 億元（面陣相機銷售額 20.80 億元，工業(yè)線掃描相機銷售額 8.03 億元），圖像采 集卡的銷售額為 7.53 億元。此外，受到機器視覺產業(yè)聯(lián)盟（CMVU）2021 年度 調查數(shù)據(jù)僅為 153 家樣本數(shù)量的限制，疊加這部分因素的影響，因此，2021 年 我國機器視覺行業(yè)中關于工業(yè)相機、圖像采集卡的實際銷售金額將進一步放大。

機器視覺行業(yè)下游應用情況

機器視覺行業(yè)技術更新較快，屬于受市場主導型的產業(yè)，行業(yè)內企業(yè)競爭程 度較高。機器視覺行業(yè)下游應用廣泛，包括 3C、半導體、鋰電、光伏、汽車、 包裝印刷、物流、軌道交通、生物醫(yī)藥、食品加工、輕工皮革等領域。如圖所示， 根據(jù)機器視覺產業(yè)聯(lián)盟（CMVU）、前瞻產業(yè)研究院整理的數(shù)據(jù)，目前我國機器 視覺產品的主要應用領域包括電子、新型顯示、汽車、電池（鋰電池和太陽能電 池）、印刷、機器人、半導體、包裝等領域。其中，電子領域占比 24.79%，機 器視覺主要應用在電子元器件、PCB 缺陷檢測以及外觀結構部件等方面的檢查 與測試；新型顯示領域占比 12.15%，機器視覺主要應用在玻璃基材、ITO 玻璃 鍍膜、絲網印刷和切割、背光模組、觸摸屏組貼合、蓋板玻璃制造等工藝的檢測 與校驗；汽車制造領域占比 8.39%，機器視覺主要涉及車身裝配檢測、面板印刷 和質量檢測、零部件表面缺陷檢測等；電池領域占比 8.29%，機器視覺主要涉及 鋰電領域及光伏領域中相關電池來料的質量檢測、生產過程的缺陷監(jiān)控以及成品 電池的檢驗測試；印刷領域占比 6.46%，機器視覺主要為印刷智能化提供印刷設 計問題攔截、印刷過程質量控制、出廠質量終檢機系統(tǒng)生產管理優(yōu)化等功能；半 導體領域占比5.53%，機器視覺在半導體中主要應用在晶圓切割、AOI光學檢測、 芯片字符對位和識別等工藝流程。

（1）電子行業(yè)

電子制造過程中，由于對產品外觀、功能以及可靠性等要求越來越高，加強 制造過程的檢測和品質管控已成為電子制造業(yè)的必備需求，機器視覺在電子制造 過程檢測中承擔越來越重要的作用。目前，電子行業(yè)機器視覺系統(tǒng)主要包括電子 元器件檢測、PCB 檢測以及外觀結構部件的檢測等。在電子元器件方面，機器視覺系統(tǒng)會根據(jù)元器件材質、缺陷類型及不同客戶 的需求，對元器件瑕疵或缺陷進行檢查、識別，在這個過程中，通常會將產品可 能存在的缺陷圖像從背景圖像中區(qū)分開，然后利用圖像的顏色、灰度、形狀、大 小等特征對缺陷進行識別。

PCB（Printed Circuit Board，印制電路板）是電子制造過程中必不可少的部 件，其制造品質直接影響電子產品的可靠性。隨著電子組裝向更高密度、更小尺 寸 PCB 技術的縱深發(fā)展，為減少進入下步工序的缺陷電路板的數(shù)量，線路板廠 通常通過引入自動光學檢測（AOI，Automated Optical Inspection）和自動外觀檢 查（AVI，Automated Visual Inspection）設備來提升 PCB 制造品質。PCB AOI 通 過高分辨率相機提取 PCB 表面圖形、圖形數(shù)字化轉換、特征點邏輯判斷與圖形 匹配、線條形態(tài)輪廓邏輯比對、缺陷點判定與提取這一技術流程來實現(xiàn) PCB 表 面圖形的缺陷檢測，包括基板缺陷、孔缺陷、線路缺陷等。PCB AVI 是 PCB 制程最后一道品質防線，主要負責成品 PCB 的外觀檢查，包括阻焊均勻性、焊盤 覆蓋、線路覆蓋以及線路的表面缺陷等。PCB 缺陷檢查過程中，通常會通過專 用設備把缺陷自動標識出來，供維修人員進一步處理。

在外觀結構部件方面，各類消費電子產品如手機、PAD 的蓋板、中框等部 件、計算機鍵盤外設等，在制造過程中，經常會發(fā)生劃傷、碰傷、崩邊以及外形 尺寸不良等一系列的品質問題。要提升這類電子產品的品質，通過機器視覺系統(tǒng) 去完成識別和檢查工作是最為有效、可靠的方法，從而取代傳統(tǒng)的人工方法提升 檢測速度、提高檢出率，進而提升電子行業(yè)產品制造的效率和品質。

根據(jù)電子信息行業(yè)聯(lián)合會、中商產業(yè)研究院整理數(shù)據(jù)，2016 年至 2022 年間， 我國規(guī)模以上電子信息制造業(yè)收入規(guī)模在 2018 年度出現(xiàn)下滑，其余年度均保持 增長趨勢，收入規(guī)模由 2016 年的 12.18 萬億元達到 2022 年的 15.45 萬億元，年 均復合增長率為 4.04%，電子信息制造業(yè)正穩(wěn)步向前發(fā)展。

消費電子是電子行業(yè)中快速增長的代表性細分行業(yè)，得益于互聯(lián)網科技的不 斷發(fā)展，消費電子產品更新頻率的加速、居民收入水平的持續(xù)增加，我國消費電 子產品市場快速增長。根據(jù)國家統(tǒng)計局數(shù)據(jù)，2021 年，我國手機產量進一步增 長至 16.6 億臺，同比增長 12.9%；彩色電視機產量小幅回落到 1.8 億臺，同比下 降 5.8%；微型計算機設備產量增長至 4.7 億臺，同比增長 23.5%。

目前，我國電子產業(yè)鏈上機器視覺技術已經基本覆蓋從元器件、關鍵零部件 和成品的全制造環(huán)節(jié)的自動化及品質檢測與測量。未來，以消費電子為代表的電 子行業(yè)產品數(shù)量需求的穩(wěn)步增長，以及消費者對更輕、更薄、更高品質電子產品 的日益青睞，將共同推動相關電子生產制造企業(yè)通過更加高效、更加精細的機器 視覺檢測技術提升產能和質量、從而實現(xiàn)降本增效的目標。此外，隨著相關電子 技術的發(fā)展，電子行業(yè)更新?lián)Q代將進一步加快、精度要求將逐步提高，相應的配 套產線設備采購將更加頻繁。因此，受益于這些因素的影響，電子產業(yè)對機器視 覺相關產品的需求也將進一步增大。

（2）新型顯示行業(yè)

在新型顯示領域，LCD（液晶顯示器）是當前主流的顯示技術，機器視覺在 LCD制造過程中的應用從玻璃基材的檢測開始，工藝段主要涉及 ITO 玻璃鍍膜、 絲網印刷和切割、背光模組、觸摸屏組貼合、蓋板玻璃檢測等。機器視覺技術作 為非接觸、高精度、高速度的生產、檢測技術手段，目前已被廣泛應用于各類型 的新型面板顯示的生產過程中，AOI（自動光學檢測機）和 AVI/API（自動畫面 檢測機）是 LCD 制造過程中常見的兩種視覺檢測設備。AOI 設備幾乎在 LCD 的 每一個工藝段都會被應用，用于檢測各工藝部件的表面缺陷、Particle 異物顆粒、 斷線等外觀不良。AVI/API 則是對點亮后的顯示面板畫面缺陷進行檢查，取代人 工目視檢測。

AMOLED 是近年來投資力度比較大的新型顯示技術。AMOLED 技術工藝主 要分為 TFT 陣列、OLED 蒸鍍封裝和模組，其中 TFT 工藝段和 LCD 液晶顯示屏 的 TFT 工藝基本相同，但是精度要求更高，相應的對 AOI 設備要求也會更高。在 AMOLED 蒸鍍、模組工藝段，同樣有大量 AVI/API 自動畫面檢測的需求。此 外，DeMura 設備在 AMOLED 制程中被用于 Mura（注：指顯示器亮度不均勻， 造成各種痕跡的現(xiàn)象）補償，可進行 DeMura 畫面拍攝、補償數(shù)據(jù)燒錄等。

此外， 隨著 mini LED、Micro LED 技術的不斷成熟，新型顯示領域的泛半導體化，將 對視覺檢測提出更高的要求。根據(jù)賽迪智庫、工信部披露的數(shù)據(jù)，2020 年我國面板顯示行業(yè)的營收達 4,460 億元，較 2019 年增長了 19.7%，2016-2020 年期間行業(yè)營收的復合增長率達到了 22.0%。另據(jù)中國光學光電子行業(yè)協(xié)會液晶分會統(tǒng)計數(shù)據(jù)，2022 年我國面板顯示產業(yè)克服重重挑戰(zhàn)，在全球市場步入下行周期的不利環(huán)境下，我國顯示行業(yè)產值 已達到接近 5,000 億元，行業(yè)規(guī)模不斷擴大。此外，隨著新型面板顯示相關下游 應用的規(guī)模快速增長及國產新型面板顯示技術的不斷發(fā)展，我國面板顯示領域市 場規(guī)模有望進一步增大。相應地，應用在新型顯示領域的機器視覺市場的滲透率 將進一步提高，這將利好國產機器視覺廠商的進一步發(fā)展。

（3）鋰電行業(yè)

鋰電池的生產工序多，工藝也比較復雜。鋰電池生產由于工藝水平引起的不 良經過數(shù)道工序的疊加，通常會導致從原料到傳導到最終產品的不良率會達到驚 人的水平，極大地影響生產成本和效率。此外，由于工藝不良導致的電池缺陷， 其性能、安全和使用壽命都會受到影響。因此，通過投入機器視覺檢測系統(tǒng)加強 鋰電池的制程管控、提升產品質量和生產效率是各大鋰電池生產廠商近年來大力 投入的方向。鋰電池制造過程對視覺的需求從對隔膜、銅箔等鋰電池上游材料的 質量檢測開始，到前段的正、負極材料混合、涂布、膜切、分切、卷繞（或疊片）， 再到中段的注液、焊接、化成、分容和后段的成組、加工和組裝工藝，各個工藝 過程都需要對物料、部件外觀缺陷進行檢查、測量或對位等。鋰電制造過程的缺 陷檢查動作主要包括極片表面突起、凝聚、露箔、暗斑、掉料等；測量動作則包 括對極片、極耳的尺寸進行測量，對電池材料進行測長等。以涂布環(huán)節(jié)為例，機 器視覺通過上相機與下相機兩個拍攝角度分別拍攝涂布的正面與反面，再由圖像處理軟件對圖像進行處理，識別涂布表面的瑕疵，對不良品進行貼標區(qū)分。從鋰 電制程工藝特點來看，鋰電行業(yè)對機器視覺系統(tǒng)的需求量巨大。

新能源汽車是鋰離子電池的典型應用場景，隨著新能源汽車銷量不斷創(chuàng)新高， 我國鋰離子電池需求保持較高增速。根據(jù)國家統(tǒng)計局、機器視覺產業(yè)聯(lián)盟（CMVU） 整理數(shù)據(jù)，2016-2021 年，我國鋰離子電池產量由 78.4 億只增長到 232.6 億只， 年均復合增長 24.3%，2021 年鋰電全行業(yè)總產值突破 6,000 億元，表明鋰離子電 池行業(yè)規(guī)模正在快速增長。未來，受益于新能源應用場景的不斷擴展及動力電池 需求的增加，我國鋰電池出貨量將逐年上升。相應地，鋰電領域對機器視覺相關 的檢測設備以及智能制造裝備的需求量將不斷提高。

（4）半導體行業(yè)

隨著微電子技術的高速發(fā)展，各種半導體芯片的集成度越來越高，同時芯片 的體積趨向于小型化、微型化，對芯片的質量檢測提出更高的要求。機器視覺檢 測所具有高精度、高效性、非接觸性、連續(xù)性、靈活性等優(yōu)點，傳統(tǒng)人工檢測正 逐漸被機器視覺檢測替代應用于半導體制造中。

在半導體晶圓制造階段，氧化、涂膠、光刻、刻蝕、離子注入、擴散、薄膜 沉積、拋光、蝕刻、曝光、清洗等工序每一步完成后都需要在整個生產過程中進 行實時監(jiān)測。根據(jù)檢測功能的不同分為量測類和缺陷檢測類兩種。量測類應用主 要包括透明薄膜厚度、不透明薄膜厚度、膜應力、摻雜濃度、關鍵尺寸、套準精度等；缺陷檢測類分為明暗場光學圖形圖片缺陷檢測、無圖形表面檢測、宏觀缺 陷檢測等。在這些檢測過程中，半導體機器視覺檢測發(fā)揮了重要的作用。晶圓制造機器視覺檢測主要分無圖形表面缺陷（未曝光）、有圖形表面缺陷 （曝光后）、尺寸測量、套刻標記等幾種類型?；诠鈱W圖像檢測技術，檢測尺 度大于 0.5μm 的圓片缺陷檢測，一般用于光刻、CMP、刻蝕、薄膜沉積后的出 貨檢驗（OQC）以及入廠檢驗（IQC）中，包括正面檢測、背面檢測、邊緣檢測、 晶圓幾何形狀檢測等，這些檢測可通過高感光線掃相機（高階 TDI 相機）或高 幀率面掃相機飛拍掃描硅片的全表面，自動存儲和檢測硅片全景圖像、自動輸出 缺陷分類結果。

在半導體封測等后段工序中，包括晶片切割、黏晶、焊線、封膠、剪切、印 字、電鍍封裝等，也會大量用到量測和缺陷檢測機器視覺系統(tǒng)。在量測方面，按 照晶片尺寸大小對整片晶圓進行裁切，由于晶片之間有10~30μm不等間隙區(qū)分， 劃片區(qū)切道需確保在晶粒之間均等切割，對此需要高精度機器視覺引導測量裁切 位置，這里一般常用光學線掃相機進行超感光量測；在缺陷檢測方面，包括晶圓 裁切后劃傷、崩邊、裂紋等表面缺陷檢測；成品晶片封裝在固定支架上需機器視 覺定位引導到相應安裝位置；IC 封裝成品也需機器視覺系統(tǒng)對其外觀缺陷進行 終檢。

（5）光伏行業(yè)

太陽能電池作為光伏產業(yè)應用的核心部件之一，從原料到實際應用的電池組 件分別要經過硅料、硅片、電池片、電池組件四個大環(huán)節(jié)，其中硅錠、硅片質量 及加工鍍膜工藝等都會影響太陽能電池片的光電轉換效率。例如硅片在運輸過程 中很容易產生缺角、碎片、隱裂等缺陷；在生產過程中電池片會產生如碎片、電 池片隱裂、表面污染、電極不良、劃傷等缺陷。這些缺陷影響了電池的光電轉化 效率和使用壽命，造成電池片等級降低或報廢。為了保證電池片的光電轉換效率 和良品率，相關產線需要采用有效的缺陷檢測方法以提高電池片的成品質量。

近年來，機器視覺技術憑借著檢測精度高、可靠性強、速度快的特點，逐步 被應用于太陽能電池生產線的質量缺陷檢測與控制環(huán)節(jié)。具體來說，機器視覺系 統(tǒng)將在太陽能電池產線的每個工藝段提供相對應的光電視覺模組器件（相機、光 源、鏡頭等），通過這些視覺組件進行硅片、過程片、成品片的缺陷圖像采集， 然后配合圖像處理軟件進行缺陷分類及統(tǒng)計，從而達到可快速配置，提供高質量 的視覺成像效果的目標。整體來看，配備有機器視覺系統(tǒng)的生產線不僅可以使檢 測結果更加客觀可靠、準確率高，而且能夠長時間重復進行檢測，生產效率顯著 提升，還能夠大大降低太陽能電池的廢品率，從而減少生產能耗、提高太陽能電 池片產出比，使太陽能利用更加高效。

根據(jù)國家統(tǒng)計局數(shù)據(jù)，2022 年我國太陽能電池產量達到 34,364.2 萬千瓦， 較 2021 年增長了 46.8%，產量創(chuàng)歷史新高。未來，隨著太陽能行業(yè)的競爭愈發(fā) 激烈，電池片質量也將變得愈發(fā)重要，客戶對視覺檢測系統(tǒng)的成本、檢測效果、 穩(wěn)定性要求也越來越高，相關機器視覺檢測產業(yè)的需求將不斷增加，行業(yè)整體將 迎來新一輪的發(fā)展機遇。

（6）印刷行業(yè)

在各類型的印刷品生產制造過程中，受印刷工藝、印刷設備、印刷材料、環(huán) 境變量、人為操作隨機誤差等因素的影響，印刷產品經常會出現(xiàn)各種缺陷，如墨 點、異物、臟點、切線、拖墨、劃痕、溢膠、字符不完整、漏印、色差、套印不 準確及氣泡等。在印刷品缺陷檢測過程中，傳統(tǒng)人工隨機抽樣檢測印刷質量的方 法，受主觀判斷影響較大，難以保證印刷產品的準確性和一致性，一旦這些缺陷 出現(xiàn)在產品包裝上，產品的視覺觀感將會大大降低，嚴重影響產品的品牌形象， 降低客戶滿意度。因此，在印刷制造的多個工藝段，均需要配置機器視覺系統(tǒng)進 行質量缺陷檢測和數(shù)據(jù)反饋。

印刷行業(yè)的視覺檢測根據(jù)應用類型的不同主要分為卷材類檢測、單張片材類 檢測和標簽類檢測。其中，卷材類印刷包括檢測各類膜材、金屬箔、紙張、塑料 包裝等；單張片材主要包括檢測藥包、煙包、鈔票、3C 產品/食品/日化包裝盒等；標簽類檢測主要包括印刷字符、二維碼/條形碼、打標 logo、不干膠標簽等。搭 配機器視覺檢測設備的印刷產線通常能將生產的各個環(huán)節(jié)的質量數(shù)據(jù)進行分析 處理，進一步反饋并優(yōu)化生產工藝，從而形成決策判斷系統(tǒng)平臺，助力印刷企業(yè) 優(yōu)化并提升生產管理。整體來看，在裝備技術水平穩(wěn)步提升的基礎上，機器視覺 能夠為印刷智能化提供印刷設計問題攔截、印刷過程質量控制、出廠質量終檢、系統(tǒng)生產管理優(yōu)化等功能。包裝印刷與社會進步、經濟發(fā)展與居民消費需求息息相關。

近年來，得益于 我國經濟快速穩(wěn)定發(fā)展、日用品消費市場持續(xù)增長、文化市場的剛性需求、出口 市場的持續(xù)繁榮，對包裝印刷品的需求量和品質要求都在不斷提高，印刷行業(yè)取 得了長足的發(fā)展。根據(jù)前瞻產業(yè)研究數(shù)據(jù)統(tǒng)計，2020 年我國印刷行業(yè)市場規(guī)模 為 13,867.0 億元，預計 2021 年將達到 13,950.0 億元。未來，隨著印刷生產設備 持續(xù)高速、高精度、智能化的發(fā)展，將對印刷檢測提出了更高、更嚴的要求及標 準。相應的，機器視覺相關產品在印刷行業(yè)的應用將進一步擴大。

機器視覺行業(yè)的發(fā)展動力

（1）人口老齡化加劇，勞動力成本上升

目前，我國人口結構正在發(fā)生較大變化，60 歲以上老人所占人數(shù)比例逐漸 提升，人口老齡化問題日益突出。根據(jù)國家統(tǒng)計局數(shù)據(jù)顯示，2022 年我國 60 歲 及以上人口為 28,004 萬人，占 19.8%（其中，65 歲及以上人口為 20,978 萬人， 占 14.9%，我國正式跨入中度老齡社會的行列）。2011 年-2022 年期間，60 歲及 以上人口的比重由 13.7%上升至 19.8%，上升了 6.1%。

從制造業(yè)角度來看，老齡化趨勢不利于勞動力密集型產業(yè)發(fā)展，人口老齡化 使得我國制造業(yè)的勞動力供需愈發(fā)的緊張，勞動力成本優(yōu)勢不再，用工成本不斷 提高。根據(jù)國家統(tǒng)計局數(shù)據(jù)，2021 年我國城鎮(zhèn)單位就業(yè)人員年平均工資上漲至 10.68 萬元，比 2020 年增加 0.95 萬元。此外，勞動力的愈發(fā)短缺、勞動力成本 的不斷提升，將進一步促使傳統(tǒng)的勞動密集型產業(yè)尋求轉變，利用機器視覺行業(yè) 可有效解決這一問題。特別是在需要重復性、繁重性生產加工環(huán)節(jié)中，機器視覺 系統(tǒng)的效用發(fā)揮的淋漓盡致。機器視覺的穩(wěn)定性、客觀性、精確性在制造業(yè)中對 人眼形成了很好替代，同時完善了制造業(yè)的工藝環(huán)節(jié)，推動制造業(yè)向高端化、智 能化、自動化方向發(fā)展。

（2）技術升級驅動

一方面，由于人力成本不斷攀升、年輕勞動力流失等問題日漸凸顯，大量制 造業(yè)企業(yè)開始逐步引入自動化設備替代人工。近兩年，企業(yè)綜合成本不斷上升， 對“機器換人”的需求更加迫切，在一定程度上倒逼企業(yè)加速自動化、智能化的 革新升級；另一方面，機器視覺技術是實現(xiàn)智能制造的重要技術之一，可實現(xiàn)工 業(yè)自動化現(xiàn)場的產品缺陷檢測、機器視覺引導定位等，為工業(yè)機器人代替人力起 著重要且決定性的作用。尤其在一些不適合于人工作業(yè)的危險工作環(huán)境或人工視 覺難以滿足要求的場合，用機器視覺來替代人工視覺已成為解決問題的重要方式， 同時在大批量工業(yè)生產過程中，用人工視覺檢查產品質量效率低且精度不高，用 機器視覺產品解決問題、難題、行業(yè)痛點的能力進一步加強。因此，技術升級是 機器視覺行業(yè)發(fā)展的核心驅動力之一。

（3）受益于快速增長的智能制造產業(yè)發(fā)展

2021 年 12 月，工信部、發(fā)改委等八部門發(fā)布的《“十四五”智能制造發(fā)展 規(guī)劃》提到“深入實施智能制造工程，著力提升創(chuàng)新能力、供給能力、支撐能力 和應用水平，加快構建智能制造發(fā)展生態(tài)，持續(xù)推進制造業(yè)數(shù)字化轉型、網絡化 協(xié)同、智能化變革，構建虛實融合、知識驅動、動態(tài)優(yōu)化、安全高效、綠色低碳 的智能制造系統(tǒng)。到 2025 年，規(guī)模以上制造業(yè)企業(yè)大部分實現(xiàn)數(shù)字化、網絡化，重點行業(yè)骨干企業(yè)初步應用智能化；到 2035 年，規(guī)模以上制造業(yè)企業(yè)全面普及 數(shù)字化、網絡化，重點行業(yè)骨干企業(yè)基本實現(xiàn)智能化?！币虼?，鼓勵并支持傳統(tǒng) 制造業(yè)智能升級，形成以數(shù)字化、網絡化、智能化為特征的新型智能制造行業(yè)已 成為推動我國經濟高質量發(fā)展的新基礎。

從機器視覺來看，機器視覺產品需求與制造業(yè)的規(guī)模及智能程度發(fā)展水平密 切相關。機器視覺是實現(xiàn)工業(yè)自動化和智能化的必要手段，相當于人類視覺在機 器上的延伸。它具備高度自動化、高效率、高精度和適應較差環(huán)境等優(yōu)點，具有 四大優(yōu)勢。第一，智能識別，能夠從大量信息中找到關鍵特征，識別準確度和可 靠度極高；第二，智能測量，測量是工業(yè)制造的基礎，要求測量的標準與細節(jié)精 度較為嚴格；第三，智能檢測，在測量的基礎上，能夠綜合分析判斷多樣化的信 息及指標，做出基于復雜邏輯的智能化判斷；第四，智能互聯(lián)，圖像的海量數(shù)據(jù) 在多節(jié)點采集互聯(lián)，同時將人員、設備、生產物資、環(huán)境、工藝等數(shù)據(jù)相互聯(lián)系， 進而衍生出深度學習、智能優(yōu)化、智能預測等創(chuàng)新能力。

因此，在智能制造過程 中，機器視覺主要用計算機來模擬人的視覺功能，把客觀事物的圖像信息提取、 處理并理解，最終用于實際檢測、測量和控制。隨著制造業(yè)智能發(fā)展的快速增長， 市場對于機器視覺的需求也將逐漸增多。相應的，機器視覺行業(yè)規(guī)模將受益于快 速增長的智能制造產業(yè)的發(fā)展而進一步增長。根據(jù)賽迪、中商產業(yè)研究院數(shù)據(jù)顯 示，2020 年我國智能制造裝備產值規(guī)模達 2.09 萬億元。據(jù)中商產業(yè)研究院預測， 2022 年我國智能制造裝備產值規(guī)模將達 2.68 萬億元。

（4）機器視覺的性能優(yōu)勢驅動

如下表所示，相較于人類視覺，機器視覺在效率、速度、精度、可靠性、工 作時間、信息集成能力、成本投入、工作環(huán)境、灰度分辨力、空間分辨力及感光 范圍方面優(yōu)勢明顯。具體來說，一方面，機器視覺能夠在危險工作環(huán)境或人工視 覺難以滿足要求的情境下工作。同時，在大批量工業(yè)生產過程中，用人工視覺檢 查產品質量效率低且精度不高，用機器視覺檢測方法可以大大提高生產效率和生 產的自動化程度；另一方面，機器視覺易于實現(xiàn)信息集成，是實現(xiàn)計算機集成制 造的基礎技術之一。機器視覺設備可以在比較快的生產線上對產品進行測量、引 導、檢測和識別，并能保質保量的完成生產任務；此外，人類視覺雖然適應性強， 能夠在復雜環(huán)境中識別目標，較為適合無結構化場景。但相較而言，機器視覺憑 借其速度、準確度和可重復性等優(yōu)勢，更擅長定量測定的結構化場景。一般而言， 通過選用合適的相機分辨率和光學元件制造的機器視覺能夠檢測人眼難以看到 的物體細節(jié)。因此，在某些方面機器視覺相較于人眼具有更大的優(yōu)勢且能更高效 的進行工作，機器視覺的這些性能優(yōu)勢能夠驅動著相關行業(yè)市場的快速發(fā)展。未 來，隨著深度學習、3D 視覺技術、高精度成像技術和大數(shù)據(jù)智能算法技術的持 續(xù)發(fā)展，機器視覺的性能優(yōu)勢將進一步加大，相關市場預計將迎來新一輪的爆發(fā) 式增長。

機器視覺核心部件的關鍵性能指標不斷升級

機器視覺核心部件的關鍵性能指標包括：工業(yè)相機的成像分辨率、數(shù)據(jù)位深 度、采樣速率、信噪比、圖像傳輸速度等；圖像采集卡的數(shù)據(jù)傳輸速度、圖像處理能力、圖像傳輸?shù)姆€(wěn)定性和可靠性等。工業(yè)相機和圖像采集卡的關鍵性能指標 直接影響機器視覺系統(tǒng)的成像質量和工作效率。近年來機器視覺的重點應用領域 如 3C 電子檢測、鋰電池檢測、光伏檢測、半導體檢測等迅猛發(fā)展，新型應用場 景不斷涌現(xiàn)，機器視覺產業(yè)也隨之持續(xù)升級，需求端對機器視覺核心部件的性能 要求不斷提高，推動工業(yè)相機和圖像采集卡的技術不斷進步與升級。

得益于半導體技術的高速發(fā)展，圖像傳感器的分辨率不斷提升，信號質量逐 步提升，采樣速度越來越快。目前，線掃描相機圖像傳感器輸出分辨率已經達到 了 24K，面掃描相機分辨率已經發(fā)展 2 億像素以上，數(shù)據(jù)位寬也從最初的 8bit 逐步發(fā)展到 10bit、12bit 乃至 16bit。與此同時，前端嵌入式運算能力的進一步加 強，使得更多的復雜運算可以在相機端實現(xiàn)，例如借助像素位移技術和超分辨率 算法，可以實現(xiàn) 4 倍甚至更高分辨率的圖像合成,實現(xiàn)了 1.5 億圖像傳感器基礎上的 6 億分辨率圖像輸出。此外，傳感器材料學和半導體 新制程的進步，使得工業(yè)相機逐步開始從可見光向紫外、紅外等多波段擴展，通 過光譜信息和圖像信息的結合，可以從更多維度檢測分析產品，不斷拓寬機器視 覺在各種工業(yè)領域應用場景。同樣的，得益于半導體技術的進步，在圖像采集卡方面，數(shù)據(jù)傳輸速度、傳 輸帶寬不斷提高，圖像數(shù)據(jù)的預處理能力不斷增強。隨著高速串行總線技術的成 熟，多路串行數(shù)據(jù)傳輸開始逐步在圖像采集卡中導入和推廣。

隨著數(shù)據(jù)中心等行業(yè) 的發(fā)展，先進工藝逐步提升大規(guī)?？?a target="_blank">編程邏輯處理器的各項性能指標，使得在圖 像采集卡中進行圖像預處理具備可行性，目前業(yè)界領先的圖像采集卡供應商開始 逐步開發(fā)可重構的圖像處理算法，在計算機中構建異構化的圖像處理平臺，將原 先完全由 CPU 承擔的圖像處理任務進行分解，從而大大地提升圖像處理效率和 能力。圖像采集卡在這些方面的進步，大大提升了機器視覺系統(tǒng)處理復雜任務的 能力，為進一步的廣泛應用奠定了基礎。

技術的進步使機器視覺新型應用領域不斷涌現(xiàn)

機器視覺部件硬件性能的不斷升級與軟件技術不斷進步，促進了機器視覺產 品的持續(xù)更新迭代，使機器視覺在傳統(tǒng)應用領域不斷深入，且新型應用領域不斷涌現(xiàn)。例如，近年來 3D 工業(yè)相機在國內外開始投入工業(yè)應用，執(zhí)行多樣而復雜 的檢測、定位、測量和識別任務，通過對表面形貌的獲取，在二維圖像信息的基 礎上，進一步豐富了對目標物特征的采集，為復雜工業(yè)檢測提供了更多的可能性；多光譜相機也以其獨特的優(yōu)勢在半導體晶圓檢測和光伏硅電池檢測中逐步推廣。與 AI、5G 等智能和物聯(lián)新技術的結合可拓展機器視覺應用的廣度，例如全息感 知技術在智慧交通建設中通過流量監(jiān)測、智能交通信號燈等應用提高平均車速和 事故處理效率；在智慧工廠應用中以 5G 云平臺與機器視覺硬件結合，可實現(xiàn)產 線柔性化部署、算法快速自優(yōu)化，為其他應用場景如智慧水務、智慧園區(qū)、智慧 物流提供重要參考。

機器視覺行業(yè)新技術未來發(fā)展趨勢

（1）高精度高分辨率光學成像技術

高精度光學成像是機器視覺行業(yè)始終追求的技術發(fā)展目標。高精度光學成像 需要光源、鏡頭、相機、圖像采集卡等各部分的精密配合，要求新型光源、更全 面的波長覆蓋和創(chuàng)新的光源布局等光源技術，以及提供更大靶面和更小像元的新 型鏡頭和相機產品。高精度光學成像技術增強了機器視覺的圖像信息獲取能力， 通過多樣化光學成像技術，獲取到傳統(tǒng)成像中難以獲取的圖像信息，并通過高速、 高靈敏度的圖像采集技術深度挖掘圖像中隱含的內部信息，滿足更高分辨率、更 多維度、更大空間帶寬積的光電成像需求。

（2）3D 視覺技術

目前機器視覺主要采用的 2D 機器視覺技術僅能獲取固定平面內的形狀及紋 理信息等二維圖像，這主要基于物體在灰度或者彩色圖像中對比度的特征提供處 理分析結果。2D 機器視覺技術的缺點包括無法提供物體高度、平面度、表面角 度、體積等三維信息；容易受光照條件變化的影響；對物體的運動比較敏感等。

隨著智能制造變革來臨，面對復雜的物件辨識和尺寸量度任務，以及人機互 動所需要的復雜互動，2D 視覺在精度和距離測量方面均出現(xiàn)技術限制。3D 機器 視覺技術相對于 2D 技術提供了更豐富的被攝目標信息，可以識別物體的深度、 形貌、位姿等 3D 信息。3D 技術提供了豐富的三維信息，使機器能夠感知物理 環(huán)境的變化，并相應地進行調整，從而在應用中提高了靈活性和實用性，擴大了機器視覺的應用場景。

（3）多光譜成像技術

多光譜技術，利用像元級的鍍膜技術實現(xiàn)對不同波長光譜信號的采集，從而 得到高分辨率的多/高光譜的圖像信號，大大簡化了視覺系統(tǒng)的光學部件復雜性。光譜技術推動機器視覺實現(xiàn)目標的多種特征分析。隨著機器視覺的快速發(fā)展和普 及，機器視覺產品已經廣泛應用于 3C、鋰電池、半導體、PCB、新型顯示、汽 車零配件、光伏、物流、醫(yī)藥、包裝印刷、軌道交通等眾多產業(yè)中。各行業(yè)樣本 的復雜性要求機器視覺從可見光光譜到非可見光光譜、從單一光譜到多光譜，不 僅需要實現(xiàn)目標的外觀檢測，也需要實現(xiàn)目標的材料成分、顏色、溫度等復雜特 征的分析。多光譜技術利用光的衍射和折射特性，通過光柵、棱鏡等分光元件， 獲取到不同譜段的有效信號，實現(xiàn)目標高維信息參量獲取，并通過相關分析算法 將譜域信號與測量需求建立聯(lián)系，如物質成分、溫度、三維面型等，進而滿足復 雜多樣化的測量需求。

（4）高集成智能相機技術

在工業(yè)領域中，隨著機器視覺的應用逐漸深入，自動化程度越來越高，機器 視覺核心部件的智能化程度不斷提升，集成更多邊緣智能已經成為工業(yè)相機未來 發(fā)展的主要趨勢之一。智能工業(yè)相機是一個兼具圖像采集、圖像處理和信息傳遞 功能的小型機器視覺檢測系統(tǒng)，是一種嵌入式計算機視覺檢測系統(tǒng)，提供了具有 多功能、模塊化、高可靠性、易于實現(xiàn)的機器視覺解決方案。它將圖像傳感器、 處理模塊、通訊模塊和其他外設集成到一個單一的相機內，由于這種一體化的設 計，可降低系統(tǒng)的復雜度，并提高可靠性，同時系統(tǒng)尺寸大大縮小，拓寬了機器 視覺的應用領域。

智能工業(yè)相機可以在特定的應用環(huán)境中實現(xiàn)圖像處理并利用內嵌的人工智 能算法做出邏輯判斷，為自動化場景提供無需人工干預的智能方案，是工業(yè)自動 化領域集成邊緣智能的重要手段。通過對智能芯片和算法的集成，智能工業(yè)相機 具有強大的軟硬件功能，未來將在各個工業(yè)領域中發(fā)揮重要作用，例如可應用于 高端工業(yè)檢查、產品分類、質量檢測、視覺傳感器網絡、條碼閱讀、入侵檢測和 交通監(jiān)控等工業(yè)過程。

深度學習方法作為傳統(tǒng)神經網絡的拓展，近年來在語音、圖像、自然語言等 的語義認知問題上取得巨大的進展，為解決機器視覺大數(shù)據(jù)的表示和理解問題提 供了通用的框架。隨著機器視覺在不同行業(yè)應用的擴展，傳統(tǒng)算法的機器視覺在針對缺陷類型 復雜化、細微化、背景噪聲復雜等外觀檢測以及分選定級應用場景時，呈現(xiàn)通用 性低、不易復制、對使用人員要求高等缺點?；谏疃葘W習的機器視覺采用更復 雜的規(guī)則實現(xiàn)精細的量化評估，憑借 AI 深度學習更強的特征提取能力為機器視 覺提供更多應用可能，使得機器視覺能夠解決更加復雜背景下的定位與識別、工 件的缺陷檢測和分割、畸變物體的分類、難辨字符與文本的讀取等復雜的工作任 務。隨著工業(yè)機器視覺的檢測對象越來越復雜，應用越來越廣泛，機器視覺應用 逐漸從傳統(tǒng)機器視覺向基于深度學習的機器視覺過渡，機器視覺的應用領域也會 因深度學習技術而得到極大擴展。

此外，基于深度學習方法的機器視覺系統(tǒng)對機器視覺核心部件的軟硬件水平 提出了更高要求，與深度學習算法相匹配的工業(yè)相機和圖像采集卡等機器視覺核 心部件的技術發(fā)展將成為機器視覺未來發(fā)展趨勢之一。

審核編輯 ：李倩