机器视觉：让中国制造 2025“看”得更远
机器视觉是用计算机来模拟人的视觉功能，从客观事物的图像中提取信息，进行处理并加以理解，最终用于工业智能制造中的实际检测、测量和控制等工作环节。在以智能制造为核心的工业4.0时代背景下，随着中国制造2025战略的深入，机器视觉产业正呈现出爆炸式增长的势头。在智能机器人、无人机、自动驾驶、智能医生、智能安防、VR/AR等应用领域，机器视觉给各种先进产品一双“慧眼”，帮助各种仪器在未来工业自动化、智能化的工业4.0发展道路上大展拳脚。
现象 巨头纷纷布局机器视觉
在2016年的新技术并购中，除了VR，最火热的莫过去机器视觉了。
机器视觉是通过计算机来模拟人类视觉功能，以让机器获得相关视觉信息并加以理解。机器视觉系统的原理是计算机或图像处理器以及相关设备来模拟与人类视觉功能，从客观事物的图像中提取信息进行处理，获得相关视觉信息，并加以理解，最终用于实际检测和控制等领域。
也许很多人还不了解机器视觉的应用领域，实际上，在所有的智能制造产业和产品中，几乎都可以找到机器视觉的应用点。比如智能汽车、智能交通，智能家居，智能穿戴设备、自动化生产线、无人机、甚至VR和AR领域……。因为机器视觉主要用计算机来模拟人的视觉功能，将机器赋予了人脑的一部分功能，即从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制阶段。而人类目前的信息传输中，95%以上是通过视觉传输的，也正是视觉传输的高效性，才让机器视觉在未来的“智能”时代占据了重要的地位。
随着机器视觉技术的不断发展，在各行业中的应用日益加深，2016年全球互联网和半导体巨头纷纷布局机器视觉领域。
比如2016年5月，英特尔收购俄罗斯机器视觉公司Itseez。据了解，Itseez是一家私人公司，成立于2005年。该公司已开发了面向驾驶员辅助系统的软件和服务，能就可能发生的碰撞向驾驶员发出警告，提高驾驶员观察周边环境的能力和让驾驶变得更简单。此次收购加强了英特尔在电子感知和图像理解领域的能力，有利于公司于汽车和物联网领域的创新。
此外，2016年9月，英特尔还收购机器视觉公司Movidius，该公司可以提供低功耗机器视觉芯片，而且已于谷歌、联想、大疆等公司签订协议，为无人机、安保摄像头、VR/AR头盔等设备提供技术服务。
2016年7月，谷歌收购了巴黎机器学习技术开发商Moodstocks。该公司主要为智能手机开发以机器学习为基础的图像识别技术，推出的Moodstocks Notes，可通过照片识别书籍、CD、海报、传单和酒标等对象。下载该应用程序后，对准照片扫描，用户即可浏览其他人对该商品的说明及评论。此前谷歌已经收购了美国著名的Industrial Perception公司，该公司致力于研究用于工业机器人的3D视觉识别技术，能够准确对物体进行分类，可以使工业机器人对不同形状的物体进行精准的货物装卸。另外Facebook和谷歌携手俄罗斯计算机视觉公司VisionLabs 开发了一个通用的开源计算机视觉开发平台。
2016年11月，Facebook收购了面部识别技术初创公司FacioMetrics。收购目的是为了强化Facebook的图片和视频特效。目前，FacioMetrics提供的工具能够记录、检测、扫描脸部，了解人类面部的行为和年龄，该软件由卡内基梅隆大学“人类感觉实验室”研究人员研发。FacioMetrics创始人费尔南多·德拉托雷表示，该公司研究和分析面部图像就是用来满足包括VR和AR在内的各种需求。
另外，著名IP与处理器制造商ARM在2016年5月以3.5亿美元收购英国计算视觉公司Apical。目前，Apical掌握着全球最先进的计算机成像技术，Apical的专利技术已经覆盖了超过15亿的手机设备，在收购Apical以后，ARM的处理器业务将跳转到一个全新的领域，为其在物联网市场的竞争增加了视觉技术方面的优势。因为ARM自己并不是设备生产商，但全球数以亿计的设备中都能发现ARM的IP设置。
还有汽车巨头福特收购以色列机器视觉和机器学习公司SAIPS，该公司开发的图像和视频算法解决方案、深度学习、信号处理及分类技术，能够帮助福特的无人驾驶汽车学习和适应周围的环境。
总之，随着新技术对于机器视觉的需求逐渐增多，机器视觉必然会成为新经济的热点。机器视觉技术将有效转换、升级设备功能与人机交互方式，为市场带来新的变革。
背景 机器视觉系统是工业4.0之眼
如果说工业机器人是人类手的延伸、交通工具是人类腿的延伸，那么机器视觉就相当于人类视觉在机器上的延伸。机器视觉实现了对工件尺寸、形状、颜色等特征的自动判断和识别，可以让机器代替人眼做测量和判断，是实现工业自动化和智能化的必要手段。
据悉，机器视觉工业应用广泛，主要具有四个功能：
首先是引导和定位功能。视觉定位要求机器视觉系统能够快速准确的找到被测零件并确认其位置，上下料使用机器视觉来定位，引导机械手臂准确抓取。比如在半导体封装领域，设备需要根据机器视觉取得的芯片位置信息调整拾取头，准确拾取芯片并进行绑定。
其次是外观检测功能。检测生产线上产品有无质量问题，该环节也是取代人工最多的环节。机器视觉可以检测的对象包括尺寸检测、外观缺陷检测、质量缺陷检测、附属物检测等。另外高精度检测则在电子产品检测中有很多应用。有些电子产品的精密度较高，达到0.01--0.02m甚至到微米级，人眼无法检测必须使用机器完成。
最后是识别功能，就是利用机器视觉对图像进行处理、分析和理解，以识别各种不同模式的目标和对象。可以达到数据的追溯和采集，在汽车零部件、食品、药品等应用较多。
概括地说，机器视觉系统的特点是提高生产的柔性和自动化程度，主要在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉；同时在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。
比如在食品药品生产领域，众所周知，食品药品关系到人类的生命健康，如果因为药品的质量问题而对人的生命造成威胁，这将是一个大的灾难。因而各药品生产厂家，尤其是世界知名大厂对药品的整个生产过程甚至后段的包装都给予了非常大的重视。在食品药品的生产、包装过程中，无论是药品的泡罩包装、液体灌装，还是后段的压盖、贴标、喷码，以及最后的装盒检测，机器视觉技术都可以发挥其强大的功能。
再比如果蔬采摘是农业生产链中最耗时耗力的一个环节。应用农业机器人在解决劳动力不足、降低采摘成本、提高劳动生产率、保证果蔬适时采收等方面具有很大潜力，然而，由于作业环境复杂多变，对视觉辨别能力要求高。目前的机器人视觉定位蔬果已由最初的单目视觉发展到双目视觉甚至多目视觉，以实现对蔬果在三维空间的精确定位。荷兰、美国等国家已经有基于双目立体视觉原理的温室黄瓜、草莓采摘机器人系统，正确识别率能达96%以上。
焦点 机器人产业的难点和痛点
在以智能制造为核心的工业4.0时代背景下，随着中国制造2025战略的深入，智能机器人产业市场呈现爆炸式增长势头。作为机器人的“大脑中枢神经”，人工智能在过去的几年里一直处于持续的高速发展阶段，很多机器人也已经具备了相当高的智能化特点，但是还远远达不到人类所设想的智能化程度，原因就在于机器人的视觉系统技术一直难以突破。想想无人驾驶汽车, 即轮式机器人，无人机，即飞行机器人，如果仅仅依靠雷达，其技术成本将会十分高昂。要让这些机器人去很好的替代人类工作的话，首先要做的就是让它们得能“看”到才行，不仅如此，在日常生活中我们所用到的很多智能化的东西也是需要去看的，除了无人驾驶汽车、智能无人机和智能吸尘器，工业生产线、农业生产机械、各种娱乐产品启示都与机器视觉有着重要的关系。
只有当工业机器人具备观察事情的能力时，才能够很好的对事情判断，从而做到智能化的灵活自行解决一些问题。
在工业4.0的大势力下，智能制造对工业机器人的要求也越来越高，传统的通过编程来执行某一特定动作的机器人，将不再能满足制造业向前发展的需求。很多时候，我们将需要机器人能够具备识别、分析、处理等更高级的功能，也就是说需要为工业机器人安装一双“火眼金睛”来替代人眼做测量和判断，机器视觉相当于为工业机器人装上了“眼睛”，让他们能够清晰地不知疲倦的看到物体，发挥人眼检查检测的功能，这在高度自动化的大规模生产中非常重要。
在行业应用方面，主要有制药、包装、电子、汽车制造、半导体、纺织、烟草、交通、物流等行业，用机器视觉技术取代人工，可以提供生产效率和产品质量。例如在今天的电商时代需要强大的物流行业，物流企业就可以使用机器视觉技术进行快递的分拣分类，这样不仅可以代替人工进行分拣，减少物品的损坏率，还可以提高分拣效率，减少人工劳动。
目前中国正成为世界机器视觉发展最活跃的地区之一，其重要原因是除了机器人产业，中国已经成为全球制造业的加工中心，高要求的零部件加工及其相应的先进生产线，使许多具有国际先进水平的机器视觉系统和应用经验也进入了中国。数据显示，中国机器视觉市场规模达到50亿元，其中智能相机、软件、光源和板卡每年的增长幅度都达到了15%以上，工业相机和镜头也保持了20%以上的增幅。我国正在实施的工业4.0离不开智能制造，智能制造离不开机器视觉。2017-2020年，在中国制造2025的推动下，中国机器视觉市场增速预计将保持在20%左右。
目前，美日两国的机器视觉制造商在全球处于绝对领先地位。其中，日本基恩士无论从产业规模还是市场占有率看，都位居行业第一。与国际市场不同，中国机器视觉行业尚未形成明显的竞争格局。据悉，国外大多数机器视觉制造商基本具备从核心组件（光源、镜头、相机、图像采集卡、图象处理软件等）到系统集成的产业链优势，而中国机器视觉制造商在软件及硬件市场都不具备优势（硬件主要外购），因此大多集中在机器视觉系统集成及设备制造上。随着中国微处理器、半导体技术的进步，以及劳动力成本上升和高质量产品的需求，中国机器视觉市场将从2017年进入高速发展期，但长期的技术短板还需要逐步解决。
启示 中国制造需要的核心技术仍需攻坚
中国经济正在努力回归制造业。中国制造业向来“大而不强”，由于普遍缺乏核心技术，大部分制造企业处于世界产业链的下游。从2010年左右，中国制造业已经开始意识到核心技术缺失削弱了中国制造业整体竞争力的事实，并开始进行转型。值得兴奋的是，中国制造在轨道交通、船舶工业、工程器械、航空工业等领域逐渐掌握核心技术并迎头赶上。但是中国制造依然在众多领域与发达国家在技术水平上存在较大的差距。
比如医疗设备、汽车发动机和电喷系统、家电领域的线性变频压缩机和直驱变频电机、钢铁领域的模具钢和工具钢、自动化生产线、高端化妆品和药品等等。这些领域由于我国产业结构不合理、自主创新能力不够，长期以来一直没有大的突破，成长制约中国制造的主要障碍。
据钢铁行业专家介绍，虽然国内钢铁产能过剩，但我国在模具钢、工具钢的制造方面与国外的制造水平仍存在一定差距。“模具钢就是机车轴承、精密仪器的零部件所使用的钢材”，目前国内生产水平难以与国外相比较，大部分企业的采购渠道还是直接从国外进口，另外，做比较好的刀具所用的工具钢，现在也基本上要从国外进口。
近几年，中国制造业开始意识到自主创新以及掌握核心技术的重要性，逐渐加大了技术研发的投入，并取得了初步成效。但是在机器视觉领域，从刚才的陈述中读者就能体会到，目前主要的创新动力主要来自于美国、英国、俄罗斯、以色列等国家。随着现代工业自动化技术日趋成熟，虽然越来越多的制造企业考虑如何采用机器视觉来帮助生产线实现检查、测量和自动识别等功能，以提高效率并降低成本，从而实现生产效益最大化，但是采用的产品基本还不是中国制造。
从“世界工厂”的“美誉”到“中国制造”的期待，中国现在的创新动力正在逐步恢复，但中国缺少的是一种集成创新的领导者。比如机器视觉系统由多种技术构成，这些技术涉及人工智能、神经生物学、心理物理学、计算机科学、图像处理、模式识别等诸多学科，所以也就需要多个领域的专业知识。视觉系统的开发需要关注硬件、软件以及它们的跨界集成，硬件系统又需要成像系统、照明系统、处理器等领域的持续进步，所以只有众多细分领域的创新小溪动力不止，才能汇成中国制造的创新海洋。
50 亿元
中国机器视觉市场规模达到50亿元，其中智能相机、软件、光源和板卡每年的增长幅度都达到了15%以上，工业相机和镜头也保持了20%以上的增幅。
