中國(guó)機(jī)器視覺起步于80年代的技術(shù)引進(jìn)，隨著910年半導(dǎo)體工廠的整線引進(jìn)，也帶入機(jī)器視覺體系，06年往常國(guó)產(chǎn)機(jī)器視覺產(chǎn)品首要集中在外資制造企業(yè)，規(guī)模都較小，06年開始，工業(yè)機(jī)器視覺應(yīng)用的用戶群開始擴(kuò)大到印刷、食品等檢查領(lǐng)域，2011年市場(chǎng)開始高速增長(zhǎng)，隨著人工成本的增加和制造業(yè)的升級(jí)需求，加上計(jì)算機(jī)視覺技術(shù)的快速進(jìn)展，越來(lái)越多機(jī)器視覺方案滲透到各領(lǐng)域，到2016年我國(guó)機(jī)器視覺市場(chǎng)規(guī)模已達(dá)近70億元。
機(jī)器視覺中，缺陷檢查作用，是機(jī)器視覺應(yīng)用得最多的作用之一，首要檢查產(chǎn)品表面的不同信息內(nèi)容。在現(xiàn)代工業(yè)自動(dòng)化成產(chǎn)中，連續(xù)批量成產(chǎn)中每顆制程都有所次品率，獨(dú)自看盡管比率很小，但相乘后卻成為企業(yè)難以提升良率的瓶頸，同時(shí)在通過完整制程后再剔除次品成本會(huì)高眾多（例如，要是錫膏印刷工序存在定位偏差，且該咨詢題直到芯片貼裝后的在線測(cè)試才被發(fā)覺，所以返修的成本將會(huì)是原成本的100倍之上），因而即時(shí)檢查及次品剔除對(duì)質(zhì)量操控和成本操控是特別重要的，也是制造業(yè)進(jìn)一步升級(jí)的重要基石。
1、在檢查行業(yè)，與人類視覺相比，機(jī)器視覺優(yōu)勢(shì)比較明顯
1）精確度高：
人類視覺是64灰度級(jí)，且對(duì)微小目標(biāo)分辨力弱；機(jī)器視覺可顯著提升灰度級(jí)，同時(shí)可觀測(cè)微米級(jí)的目標(biāo)；
2）速度快：人類是沒法看清快速運(yùn)動(dòng)的目標(biāo)的，機(jī)器快門時(shí)刻則可達(dá)微秒級(jí)不；
3）平穩(wěn)性高：機(jī)器視覺解決了人類一顆特別嚴(yán)重的咨詢題，不平穩(wěn)，人工目檢是勞動(dòng)特別枯燥和辛苦的行業(yè)，不管你設(shè)計(jì)怎么樣的獎(jiǎng)懲制度，都會(huì)出現(xiàn)較為高的漏檢率。但是機(jī)器視覺檢查裝備則沒有疲勞咨詢題，沒有情緒波動(dòng)，只假如你在算法中寫好的東西，每一次都會(huì)認(rèn)真執(zhí)行。在質(zhì)控中大大提高效果可控性。
4）信息內(nèi)容的集成與留存：機(jī)器視覺獲得的信息內(nèi)容量是全面且可追溯的，相關(guān)信息內(nèi)容可以很便利的集成和留存。
2、機(jī)器視覺技術(shù)近年進(jìn)展迅速
1）圖象采集技術(shù)進(jìn)展迅猛
CCD、CMOS等固件越來(lái)越成熟，圖象敏感器件外形尺寸不斷縮小，像元數(shù)量和數(shù)據(jù)率不斷提升，分辨率和幀率的提高速度可以講日新月異，產(chǎn)品系列也越來(lái)越多樣化，在增益、快門和信噪比等參數(shù)上不斷優(yōu)化，通過關(guān)鍵測(cè)試指標(biāo)（MTF、畸變、信噪比、燈源亮度、勻稱性、色溫、體系成像能力綜合評(píng)估等）來(lái)對(duì)燈源、鏡頭和照相機(jī)展開綜合選用，使得眾多往常成像上的難點(diǎn)咨詢題得以不斷突破。
2）圖象處理和方式識(shí)不進(jìn)展迅速
圖象處理上，隨著圖象高周密度的邊緣信息內(nèi)容的提取，眾多原本混合在背景噪聲中難以直截了當(dāng)檢查的低對(duì)比度瑕疵開始得到分辨。
方式識(shí)不上，本身可以看作一顆標(biāo)記過程，在一定量度或觀測(cè)的基礎(chǔ)上，把待識(shí)方式劃分到各自的方式中去。圖象識(shí)不中運(yùn)用得較多的首要是決策理論和構(gòu)造方法。決策理論方法的基礎(chǔ)是決策函數(shù)，利用它對(duì)方式向量展開分類識(shí)不，是以定時(shí)描述（如統(tǒng)計(jì)紋理）為基礎(chǔ)的；構(gòu)造方法的關(guān)鍵是將物體分解成了方式或方式基元，而不一樣的物體構(gòu)造有不一樣的基元串（或稱字符串），通過對(duì)未知物體利用給定的方式基元求出編碼邊界，得到字符串，再依據(jù)字符串推斷它的屬類。在特征生成上，眾多新算法不斷呈現(xiàn)，包括基于小波、小波包、分形的特征，及其獨(dú)二重量分析；還有關(guān)子支持向量機(jī)，變形模板匹配，線性及其非線性分類器的設(shè)計(jì)等都在不斷延展。
3）深度學(xué)習(xí)帶來(lái)的突破
傳統(tǒng)的機(jī)器學(xué)習(xí)在特征提取上首要依靠人來(lái)分析和建立邏輯，而深度學(xué)習(xí)則通過多層感知機(jī)模擬大腦工作，構(gòu)建深度神經(jīng)網(wǎng)絡(luò)（如卷積神經(jīng)網(wǎng)絡(luò)等）來(lái)學(xué)習(xí)簡(jiǎn)易特征、建立復(fù)雜特征、學(xué)習(xí)折射并輸出，訓(xùn)練過程中全部層級(jí)都會(huì)被不斷優(yōu)化。在具體的應(yīng)用上，例如自動(dòng)ROI區(qū)域分割；標(biāo)點(diǎn)定位（通過防真視覺可靈活檢查未知瑕疵）；從重噪聲圖象重檢查沒法描述或量化的瑕疵如橘皮瑕疵；分辨玻璃蓋板檢查中的真假瑕疵等。隨著越來(lái)越多的基于深度學(xué)習(xí)的機(jī)器視覺軟件推向市場(chǎng)，深度學(xué)習(xí)給機(jī)器視覺的賦能會(huì)越來(lái)越比較明顯。
4）3d視覺的進(jìn)展
3D視覺還處于起步時(shí)期，眾多應(yīng)用程序都在安裝3D表面重構(gòu)，包括導(dǎo)航、工業(yè)檢查、逆向工程、測(cè)繪、物體識(shí)不、測(cè)量與分級(jí)等，但周密度咨詢題限制了3D視覺在眾多場(chǎng)景的應(yīng)用，目前工程上最先鋪開的應(yīng)用是物流里的標(biāo)準(zhǔn)件體積測(cè)量，相信未來(lái)這塊潛力巨大。
