AI 视觉巨头觉醒在智能制造：打开未来“视界”，覆盖全场景需求

导语：随着智能制造、精密加工对于生产流程和检测标准提出更高要求，3D视觉系统也向着更加广泛的机器“视界”领域演进，这些变化和要求使得3D视觉应用被打开，加速了3D机器视觉在制造业的广泛落地。下一步在工业和智能化深度融合的过程中，也会有这些趋势变化呈现。

        进入2022年，智能制造成为政府“两会”中的热门词汇。

　　一方面，国家发改委、工业部、科技部等八部门发布了关于印发《“十四五”智能制造发展规划》的通知，提出国家级的顶层设计;另一方面，各地方政府，如北上广深等一线城市，都已经出台相应政策细则，为推进智能制造提供制度保障。

　　而在实现智能制造、推动产业升级过程中，机器视觉作为不可或缺的技术，承担起让机械“看得懂、看得细、抓得牢、送得快”的桥梁作用。

　　换句话说，要让机器代替人力，首先要给机器装上“双眼”，使之能够“看得见”，然后才能像人一样工作，这就是机器视觉。

　　作为人工智能的一个分支，机器视觉具备人所不能拥有的优势：精度高、可适用于危险工作环境，并且识别效率高，可无间断工作等等。实际上，机器视觉并非新事物，已经被广泛应用在外观检测与识别、货物分拣等工业流程之中。

　　目前的机器视觉仍以2D为主，即通过摄像头拍到物体平面的照片，然后通过图像分析或比对来识别物体，其局限在于只能观测到物体平面的特征，成像精度容易受照明条件影响，因而适合一些对技术要求不高的中低端制造业。

　　在一些高端制造领域，例如生物科技、精密半导体等对测量精度要求极高的产业，传统的2D解决方案已经不能满足需求，3D视觉正逐渐崛起，成为市场新宠。

　　1、3D机器视觉应用于各行各业

　　目前，机器视觉在制造业质量控制领域是至关重要的技术，尤其在汽车制造行业有大量的应用案例，包括汽车零部件尺寸、外观、形状缺陷检测，以及视觉引导定位等。还有，在食品行业和电子行业和医疗行业需要使用机器视觉系统。

   　(1)汽车制造的应用

　　在汽车制造业中，机器视觉使用非接触式测量技术逐渐发展为在线测量系统，例如固定在线测量站和机器人柔性在线测量站，它们可以严格监控车身尺寸波动并提供数据支持。除了传统的三坐标测量和激光在线测量之外，蓝光扫描测量，表面缺陷测量和其他视觉测量方法还可以执行更精确的测量，并提供对车身基本特征尺寸，车身的高精度监控 组装效果和缺陷。

　　(2)食品加工行业的应用

　　在食品加工业里一直在使用二维机器视觉技术利用高线速来进行对水果蔬菜的分类。但对于食品的表面特征，如食品的体积、高度等，用二维技术很难获取这些信息。为了精确测量食品的体积，企业把三维激光检查系统和二维视觉检查系统结合起来使食品加工达到最优化，满足对包装食品越来越严厉的视觉要求。这种系统使用底面格列式的电荷耦合器(CCD)来捕捉反射的激光线。图像处理算法是根据食品的激光位移采用三角网法来确定Z坐标轴上的信息，也就是高度，然后与激光检查系统得到的X，Y坐标轴上的信息结合在一起算出食品的形状和体积。

　　(3)消费电子行业的应用

　　在消费电子领域，机器视觉主要用于PCB / FPCAOI检查，组件和整机外观检查，组装引导等应用，并呈现出越来越多的新应用场景。可以说，消费电子制造业的兴起带动了机器视觉市场。

　　PCB缺陷检测主要包括两个部分：焊点缺陷检测和组件检测。传统的人工目视检查方法容易遗漏检查，效率低，成本低。机器视觉PCB的优点是确保操作员可以在添加PCB之前及时处理相关问题。另外，当发现缺陷时，可以有效地避免维修或丢弃，操作者可以及时得到反馈，以判断操作中的印刷工艺是否运行良好，从而达到防止生产不良的目的。

　　此外，在服务领域，未来很多硬件产品都会拥有3D视觉技术，很多产品都会有视觉的需求，它可能是2D和3D的融合，也有可能是新的人工智能技术与新的硬件技术，相互之间把视觉技术联合起来，让智能硬件产品更加智能。在智能家居场景中，人脸识别、物体识别也开始应用，这些场景都是需要用到视觉技术，未来3D视觉技术很快就会被串联起来用到各个领域，充当更多硬件产品的眼睛。

　　2、3D视觉之难：场景、成本

　　和消费类电子不同，3D视觉在智能制造领域的应用，由于场景碎片化，显得更为复杂。

　　熵智科技创始人赵青在接受雷峰网采访时曾表示，3D视觉技术的应用落地面临两大难点：

　　3D视觉技术对于应用场景要有强适应能力;

　　3D视觉技术和运动规划技术的衔接。

　　首先，制造业的生产场景非常复杂，3D视觉在实验室中的效果，可能在实际场景中无法体现，这就要求3D视觉对于应用场景具备强适应能力。例如，在反光、暗黑、覆膜和远距离等条件下是否依然可以准确感知、识别出物体。

　　其次，3D视觉在感知到物体的三维信息后，需要与运动规划技术进行衔接来完成任务。这又涉及避碰检测、手眼坐标转换、节拍优化和力控等技术。

　　但机器本身很难像人一样，大脑发出指令就能完成动作;机器需要对输入的信息进行解读，并且将指令传送到各个部分，进而执行命令。其中一个环节出错，就会导致任务失败。

　　最后，技术本身很难通过标准化来实现对各场景的适配，甚至在同一场景上，对技术的要求都各不相同。比如，在产品的缺陷检测上，厂商的标准是不一样的，对于缺陷的定义也各不相同，很难做一个标准化的缺陷检测工艺。

　　除了场景化难题之外，3D视觉所依赖的传感器(主要为摄像头)也还无法实现在保证抗环境光干扰能力强、测距精度高、分辨高的同时，降低成本，提高性价比。

　　因此，目前 3D 视觉的应用主要依据使用场景和预算来选择相机，然后根据相机成像结果来进行定制化的算法开发。这种成本高、周期久的开发模式严重限制了 3D 视觉在实际场景中的应用。

　　3、工业3D视觉的未来“视界”

　　作为工业生产线机器设备的重要感知部分，近年来在工业4.0的升级改造背景中，工业3D视觉技术作为核心技术单元之一产业化进展迅速，目前加速在多个制造行业中渗透，整个产业链规模也呈现加速扩容的情形。

　　GGII数据显示，随着机器视觉技术在工业领域的广泛应用，预计到2023年我国机器视觉市场规模将达到208.6亿元，其中3D视觉市场规模将达到34.28亿元;预计至2025年我国3D视觉市场规模将超过100亿元。

　　工业3D视觉，为智能制造打开新视域

　　随着智能制造、精密加工对于生产流程和检测标准提出更高要求，3D视觉系统也向着更加广泛的机器“视界”领域演进，这些变化和要求使得3D视觉应用被打开，加速了3D机器视觉在制造业的广泛落地。下一步在工业和智能化深度融合的过程中，也会有这些趋势变化呈现。

　　① 工业3D视觉技术的发展趋势趋于高性能、多场景。

　　随着3D成像技术的不断迭代，机器视觉技术的性能也会水涨船高往高性能方向发展。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不断增强，同时光源从可见光向非可见光扩展，相机从单光谱项多、高光谱延伸，扩充机器视觉的应用场景。

　　② 向智能化，实时性发展。

　　智能化主要以云计算，大数据，人工智能等新技术为依托，运用深度学习等技术提高工业3D视觉技术处理、分析的能力，智能化将是未来工业3D视觉系统的核心卖点之一，不断提高企业生产效率和产品质量一致性。而在数字基建中作为核心发展的5G技术将与工业3D视觉技术结合，依托5G大带宽、低时延、高可靠性的性能为工业3D视觉提供实时的计算、高数据安全性，同时降低网络中断带来的风险。

　　③ 工业3D视觉系统向集成化，小型化方向发展。

　　随着工业3D视觉系统核心零部件制造工艺和光学性能的不断提升，未来工业3D视觉系统会逐渐往小型化，集成化方向发展，光学模组、通信模组和计算模组，会不断集成到一个单一设备中，集成化的设备也拓宽了机器视觉的应用领域。

　　第四代的视觉技术的革新才刚刚开始，在超高精度测量等领域，国内的企业逐渐迈出了步伐，未来还有非常广阔的上升空间。第四次视觉革命为工业生产线的设备赋予了一双双智慧立体的眼睛，随着硬件设备技术不断进步，算法与软件持续优化，机器除了能看清立体的三维世界，也会更能看“懂”世界。

　　工业3D视觉厂商在升级打怪的道路上也会不断地完善技术体系，看得更快更清晰。无论是产业界，还是投资界，都在这个快速增长的市场中给予工业3D视觉系统视觉信息正反馈的升维，更重要的是工业3D视觉在全球竞争格局里不断迭代，蹚出了一条中国化的竞争力升维。

　　在这场轰轰烈烈的视觉革命中，低成本、高性能的工业3D视觉系统技术将作为未来工厂智能硬件设备的核心，支撑AIOT智能硬件的快速发展，助推工业互联网万物互联开启。