机器视觉系统工作原理及应用情况

机器视觉系统工作原理及应用情况一、 机器视觉系统工作原理及应用情况1、机器视觉系统工作原理具体来说，一个典型的机器视觉系统系使用相机将被检测的目标以图像的形式传输给专用的图像处理系统，再将图像的特征信息，包括颜色、亮度、像素、字符、间距等，转化为可处理的数字化信号，进而通过不同算法抽取目标的特征，如面积、位置、长度、数量等，再根据预设的允许度或其他条件输出运算结果，包括合格/不合格、有/无、尺寸、角度、个数等，实现自动识别、检测测量、引导定位等功能。2、机器视觉技术因其独有的优势已在工业中被广泛引用随着技术的进步及成本的下降，机器视觉因其独有的优势，在工业中的渗透率日益提升。在现代化的大生产中，产品质量的检测和生产过程中的质量控制不可或缺，工业中例如印刷品质量检测、机械零件的外观检测、产品包装的外观检测等都可运用机器视觉设备。在传统的人工密集型检测行业，机器视觉系统可以替代大量的检测工人，将人眼+简单工具的检测模式升级为高精度快速的自动检测。机器视觉技术因其具备的高分辨力、高精确度、高速度、客观性、可靠性等众多优势，逐步跻身于制造业的关键位置，推动了工业发展智能化的进程，具有较高的市场需求。3、电子及半导体汽车制造为当前机器视觉最重要的下游应用领域在工业领域中，国内市场机器视觉应用比重最大的是电子及半导体行业，但根据公开信息，机器视觉设备在电子行业的渗透率依旧较低，远低于境外同行业水平。根据相关数据，机器视觉技术目前被广泛应用于电子及半导体、汽车制造、食品包装、制药等领域，其中电子及半导体、汽车制造是当前机器视觉最重要的应用领域，电子及半导体占据市场需求约为466%，主要用于集成电路制造、半导体分立器件制造、PCB制造、SMT表面贴装、LED制造等高精度制造和质量检测领域；汽车制造占据市场需求约为102%，主要用于车身装配检测、PCB印刷质量检测、零件尺寸的精密测量等系统和部件的制造流程。近年来，随着电子及半导体产业的大力发展，机器视觉技术在相关设备中的应用也得以蓬勃发展，例如SMT检测等国产设备的迅速兴起，凭借产品性价比及服务的优势填补了国内市场的相关需求。未来，随着人力成本上升、产品品质要求提高、生产效率提升，机器视觉设备行业将进入高速增长期，具备良好的市场前景。4、机器视觉系统在下游领域中的具体应用环节目前，机器视觉的具体应用主要可以分为四大类：缺陷检测、尺寸测量、视觉定位及模式识别/计数，当前的应用也基本是基于这四大类功能来展开。（1）机器视觉行业缺陷检测产品表面出现缺陷不仅仅影响产品的外观，更可能对产品的质量、安全性能造成严重损害。检测产品的外观缺陷，最常见的包括表面装配缺陷（如漏装、混料、错配等）、表面印刷缺陷（如多印、漏印、重印等）以及表面形状缺陷（如崩边、凸起、凹坑等）。由于产品外观缺陷种类繁杂，故外观检测功能在机器视觉中的应用中属于相对较难的类别，对视觉技术的要求相比较高。（2）机器视觉行业尺寸测量生产线上产品的生产、加工过程均涉及大量的测量任务，例如生产过程控制、形变测量等。机器视觉设备将获取的图像像素信息标定成常用的度量计算单位，然后在图像中精确的计算出几何尺寸，其优势在于对高精度、高通量以及复杂形态的测量速度更快、精度更高，例如部分高精度的产品由于人眼测量的局限性只能抽检，而应用机器视觉检测设备后即可实现全检，且误检率显著下降。（3）机器视觉行业视觉定位利用视觉定位技术相当于为机器装上眼睛，引导机器正确的完成一些抓取动作或将测量信息与指定位置进行比较。视觉定位在机器视觉应用中是非常基础且核心的功能，可以在识别出物体的基础上精确给出物体的坐标和角度信息。（4）机器视觉行业模式识别/计数机器视觉在识别方面的应用已非常普遍，一般指对已知规律的物品进行分辨，比较容易的包含外形、颜色、图案、数字、条码等信息的识别，信息数据量更大或更抽象的识别包括人脸、指纹、虹膜识别等。总体而言，从技术水平及应用情况上，检测、测量、定位、识别的难度是逐步递减的，而基于四大基础功能延伸出的多种细分功能在实现难度上也各有差异，目前3D的视觉功能是当前机器视觉应用技术中最先进的应用方向之一。3D机器视觉检测设备在检测、测量、定位及识别等功能上均有应用。二、 新能源汽车产业的快速发展，锂电行业需求井喷，机器视觉应用场景扩大2021年中国锂电池产量已经达到2326亿只，同比增长234%。锂电产能的快速增加带动机器视觉高速发展，2021年市场规模达到177亿元，2019-2021年CAGR高达110%。锂电在机器视觉的应用场景、制作工艺复杂，多个工序需要机器视觉检测系统。随着电芯、模组、PACK测量要求的不断提高，被测物体条件愈发复杂，全线视觉检测已逐步成为动力电池厂商标配。三、 在巨大的应用场景下，3D技术将发展更加成熟且普遍2D视觉发展的同时，3D技术也在崛起。从目前的趋势来看，3D机器视觉的发展势头要远大于2D。尽管当前工业机器视觉发展较为成熟，但是3D技术国内依然属于发展初期，国外的公司和产品在微观高精度检测方面较国内的领先，且占据市场的大部分份额。国内企业开始在硬件软件等方面逐渐替代国外企业。四、 工业机器视觉的应用领域随着中国配套基础建设的完善及技术和资金的积累，各行业对应用机器视觉技术的工业自动化、智能化的需求广泛提升。亿欧智库联合阿里云加速器联合发布分析了当前相对成熟且极具发展潜力的工业细分赛道，并结合技术痛点洞察了未来应用趋势。机器视觉是人工智能领域一个正在快速发展的分支，用机器代替人眼来做测量和判断，通过光学的装置和非接触的传感器，自动接收和处理真实物体的图像，以获得所需信息或用于控制机器人运动的装置。工业机器视觉的核心是通过机器眼代替人眼，对物体进行识别、测量并做出判断。机器视觉发展历程四个阶段：理论发展起步阶段、应用发展迅速阶段、应用与理论同步发展阶段、各行业深度应用阶段。当前中国处于第四阶段。随着行业深度及广度应用的快速发展，工业机器视觉应用领域中，目前域值得关注的四大赛道分别是3C电子、半导体、锂电、光伏。五、 光伏行业持续加速成长，硅片质检是太阳能电池的质量保证、发展关键2021年，中国太阳能电池产量CAGR达35%，2021年同比增速达42%，行业迎来加速成长期。同期带动机器视觉的光伏行业应用规模由2019年26亿元快速提升至2021年的65亿元，CAGR高达58%。在整个电池片生产过程中，来料硅片质量监控、过程电池片的缺陷监控以及成品电池片的质量检测是生产出高质量电池片的保证。电池片生产质量监控系统的每个工艺段都有提供对应的光机视觉模组（相机、光源、镜头等），可快速配置，提供高质量的视觉成像效果。随着工业40的到来，工业场景对机器视觉技术的需求持续推进着工业机器视觉技术的发展。这其中包括了：3D技术要求的提高、逐步占据主导地位、碎片化场景的一体化整合。六、 机器视觉行业发展综述（一）概念机器视觉是指通过光学装置和非接触传感器自动接收并处理真实物体的图像，分析后获取所需信息或用于控制机器运动的装置。通俗地说，机器视觉就是用机器代替人眼。机器视觉模拟眼睛进行图像采集，经过图像识别和处理提取信息，最终通过执行装置完成操作。（二）发展历程相较于欧美发达国家，我国机器视觉行业起步较晚。早在1970s-1980s，CCD图像传感器出现，CPU、DSP等图像处理硬件技术进步，国外机器视觉开始发展。国内机器视觉行业启蒙于1990s，2003年以前以代理国外品牌业务为主，2004-2012期间国内市场快速发展，企业争先涌出，2013年之后中国正式成为继欧美、日本之后机器视觉的第三市场，正处在快速发展阶段。七、 机器视觉产业链状况产业链环节较长且下游应用领域众多。工业机器视觉产业链包括：1）上游：半导体材料、光学材料、电子元件、五金结构件等原材料和零部件;2）中游：光源、镜头、相机及图像采集卡等硬件、图像处理软件等核心部件;3）下游：机器视觉智能设备，包括机器引导设备、视觉识别设备、视觉检测设备、视觉测量设备、解决方案供应商;4）终端应用行业：终端应用领域较广，如电子、半导体、汽车制造、食品包装、制药等领域，其中消费电子、汽车和半导体是当前机器视觉最主要的应用领域。从机器视觉成本分布来看，镜头、相机、图像采集卡等核心部件的制造以及图像处理软件的开发成本，合计占据机器视觉产品总成本的80%以上;从销售额占比来看，软件系统包括可配置视觉系统和特定应用视觉系统，分别为2522%和2194%，工业相机、镜头和光源的销售额占比分别为1561%、1213%和937%;3）从产业链环节净利润率来看，光源的净利润率达到184%，为各核心部件中最高水平。机器视觉自动化推进智能制造，国内机器视觉行业产生巨大需求。当前，我国机器视觉行业技术门槛逐渐变高，我国机器视觉相关企业注册量总体趋势表现为先增长后下降。机器视觉不仅可以帮助机器人完成需要导航和识别物体的任务，还帮助机器人与人类工人协作，并将来自视觉来源的信息与来自不同传感器的信息进行整合。八、 整合碎片化场景，标准化一体化设备将是机器视觉下一代发展方向随着工业自动化的规模逐渐扩大，智能制造模式下的产品多品种、小批量、个性化生产。企业开始向批量化定制生产的生产方式转变，但机器视觉技术在自动化生产线中只能对少数产品进行识别和分类，难以满足碎片化场景。为解决此情况，整合碎片化场景、打造一体化设备将会极大地促进信息技术与运营技术的快速融合。同时，打造全流程数字化闭环也将是重要举措之一。