机器视觉作为人工智能领域一个正在快速发展的分支，其高速度、高精度、高效率等技术特征完美契合了当下制造业转型升级所面临的“自动化、数字化、智能化”要求。
机器视觉是什么？如何赋能工业制造？
形象地说，机器视觉的本质是为机器植入“眼睛”和“大脑”。为机器植入眼睛，代表着机器视觉利用环境和物体对光的反射来获取及感知信息；为机器植入大脑，意味着机器视觉需要对信息进行智能处理与分析，并应用分析得到的结果来执行相应的活动。简单地说，机器视觉是一种技术和方法，在工业生产中用机器代替人眼做测量和判断。
机器视觉系统的典型特性
工业生产中，机器视觉技术的应用通常以系统的方式呈现。系统包涵光源、镜头、工业相机等硬件设备和AI算法等软件集合，集光学、机械、电子、计算、软件等技术为一体，通过识别图像并分析、测量图像特征得到有关目标物体的某种认识并作出相应决策和执行。从整体来看，机器视觉系统主要具有以下特征：
01精准成像，扩展人眼视觉范围和能力
机器视觉系统具有较宽的光谱响应范围，扩展人眼视觉范围。机器视觉系统可以长期稳定工作，而人眼由于人体生理限制难以对同一对象进行长时间观察。
02通过人机交互和图像采集实现人机物互联
机器视觉不仅通过光学图像采集将“物”和“机”有效结合，还通过用户界面将“人”和“机”进行了有机整合，从而实现人—机—物的互联。
03采集信息全面，满足实际应用需求
机器视觉系统会设计多模态多视角的专用图像采集部件，使采集到的图像信息能精确反映具体应用需求的深层次特征。除实时处理外，还会将海量的图像数据进行存储以供事后查询和分析。
04适配需求，成本可控
机器视觉系统是面向市场应用以直接创造经济和社会价值为目的。其系统设计基于成像与精度适配和算法与算力适配做到成本最小化，不盲目追求高性能。
05应用场景多有实时性和近实时性指标要求
作为工业生产过程中的关键环节，在很多应用场景中（比如工件在线检测和机器人视觉定位等），系统要达到实际可用必须满足实时性或者近实时性的指标要求。
06应用于工业环境，兼具可靠性与易用性
机器视觉使用场景属于非接触测量，对于测量和被测双方都不会产生任何损伤，同时可以做到7×24小时运转，具有高可靠性；此外，系统使用者包括不同知识层次的管理者和工人，因此需要具备极高的易用性。
从理论研究到技术成熟再突破到场景渗透，机器视觉系统不断地升级优化迭代加之其自有的典型特征，助其在工业生产中开拓出一系列业务场景。
机器视觉系统支持的业务场景
面对效率低下、成本日益增加的问题，许多制造业企业将解决方法聚焦在人工智能上，机器视觉的发展，可以说是应运而生。制造业的智能化转型需求推生了机器视觉技术在制造业领域各行各业的应用。
专注于机器视觉技术研发应用的深眸科技技术负责人介绍道，“机器视觉技术从目前来看是制造业转型升级的最佳选择。首先，机器视觉的技术性强，在作业效率、精度等方面较之人工都有大幅提升。其次，它的应用领域广泛，工业生产环境中，无论是机械制造，还是医药生产、食品加工等它都能起到应有的作用。它的应用场景也非常广泛，包括字符识别、产品测量、定位抓取、缺陷检测等等。”
字符识别
工业生产中的很多场景都需要将检测对象上印刷的字符识别出来。例如，为保证产品的可追溯性，经常会在每个产品上贴上序列号，正确的读取序列号关系到整个生产流程的控制。再如，一些产品根据国家要求需要注明生产日期、保质期、产品序列号等信息，一旦信息标识错误的产品流通到市场会造成极大隐患。
深眸科技研发的工业视觉平台集成了近千个图像处理算法和多种交互开发工具，能够在短期内完成工业产品模型的标注、训练和识别，代替了工厂80%以上的质检员，极大提高识别效率。
外包装检测
在工业制造领域，需要对一些产品原件或组件尺寸进行精准测量，某些行业甚至要求误差在丝米级别，如木材加工、电子加工等制造领域，组件尺寸一旦出现偏差会影响到整个产品的质量。而人工测量组件尺寸效率低，误差大，单独采购坐标测量机又价格昂贵且需人工操作。此时，采用机器视觉的方法进行自动化尺寸测量，利用产品生产效率高、精度高的优势来降低成本则是一种上策。
以机器视觉的测量功能为切入点，深眸科技在多个项目中采取多角度图像采集点智能协同方案，利用AI技术提取产品加工特征，精准测量出各类组件的三维信息，实现产品规格全自动识别，提高产品成品质量。
定位抓取
对于制造型企业来说，物流会贯穿企业活动始终。在工厂内，周转箱是必不可少的承托载体，利用人工进行拆垛搬运不仅效率低且容易对人体造成伤害。而工厂外，产品的装箱运输也是不可避免的流程。工业生产中的物流活动不仅要考虑效率问题，还要面对货物搬运过程中工人的安全问题，采用智能工业机器人对货物进行定位、抓取、搬运不仅效率得到大幅提升，且工人安全性能够得到保障。
深眸科技的AI算法模型能够同步完成机器人的视觉测距、定位、探测以及路线规划，寻找货物拆垛搬运的“最优解”。在复杂的垛型中，AI视觉系统也能准确识别物体紧密贴合、随意摆放、堆叠等摆放姿态并通过中心点精确定位，精准分割堆叠货物，操作准确率保持在99.9%以上。
缺陷检测
汽车制造、食品生产、半导体、新能源等行业的生产加工都要面对产品检测这一难题。汽车制造需要的钣金件表面出现划痕、半导体外观封装不严、新能源电池极柱变形、液体饮料含杂质……有问题的产品，是企业的信誉炸弹，也是消费者的安全杀伤器。随着企业之间的竞争达到白热化阶段，好的产品质量所带来的消费者口碑便成了企业“杀手锏”。因此，产品缺陷检测需求也向着高精度、高准确度发展。
为满足客户需求，机器视觉技术不断升级迭代，如今在精确度、准确度方面都达到了史无前例的高度，能够良好匹配工业生产要求。深眸科技作为机器视觉领域的佼佼者，在缺陷检测方面也有着独特的优势。“我们在解决方案中通常采用深度学习算法，通过训练深度学习系统内的神经网络，学习各零部件的形态特征，建立深度学习模型，具有可重复性和可扩展性，在成本与效能之间达到平衡。”深眸科技技术负责人说道。
当前制造业的转型是自动化升级和信息技术的融合提升，这不仅体现在生产自动化上，还体现在技术要帮助企业保障生产过程的流畅和产品品质的可靠。机器视觉赋能智能制造也是一样，人换机器只是浅层表征，更深层次上，要利用机器学习、模式识别、认知分析等算法模型，提升工厂质量控制与生产管理能力。不同领域技术与生产的实际融合，才能实现技术进步、产业升级的双赢。
,
