機器視覺主要研究用計算機來模擬人的視覺功能，通過攝像機等得到影象，然後將它轉換成數字化影象訊號，再送入計算機，利用軟體從中獲取所需資訊，做出正確的計算和判斷，通過數字影象處理演算法和識別演算法，對客觀世界的三維景物和物體進行形態和運動識別，根據識別結果來控制現場的裝置動作。從功能上來看，典型的機器視覺系統可以分為：影象採集部分、影象處理部分和運動控制部分，計算機視覺是研究試圖建立從影象或者多維資料中獲取“所需資訊”的人工智慧識別系統。正廣泛地應用於醫學、軍事、工業、農業等諸多領域中。

視覺技術研究與應用的必要性

視覺技術在國內外發展極其必要。2008年經濟危機極大衝擊了美國至全球的各個領域。美國汽車製造業 “Big Three”頻臨破產，進一步自動化是唯一出路。美國政府推行“Made in US” 計劃。出臺多個政策刺激鼓勵企業技術發明創新，視覺技術的應用就顯得非常必要。近年在國內，勞動力工資成本大幅提高，很多生產企業遷移到人力資源更低廉的國家和區域，食品、醫藥質量事件不斷。“Made in China”在世界聲譽亟需提高，為提高質量保持競爭力，各領域的視覺檢測及高度自動化勢在必行。視覺檢測對工業自動化的重要性與日俱增，工業自動化需求對視覺技術的推動高度整合化。

國外典型研究與應用

對於機器視覺技術，世界各國都在研究與應用。1994年S.T rika等研究了一種基於機器視覺的多面體零件特徵提取技術，獲得零件特徵。1998年，J.Merlet等將機器視覺技術應用於部件裝配。同年， Du-Ming Tsai等將機器視覺和神經網路技術相結合， 實現對機械零件表面粗糙度的非接觸測量。2003年，Eladaw .iA.E將機器視覺技術用於數控銑加工中， 以獲得實時加工資料。日本的視覺識別機器人研究，從數量或研究成果看都佔據著明顯的領先地位.美英德韓也都在開展相關研究。國外的卡耐基-梅隆M.A.Smith等提出了一種在視訊幀中檢測文字的方法。韓國Soongsil大學的Kim基於支援向量機和Camshift演算法檢測視訊幀中的文字。

國內典型研究與應用

相對國外，國內計算機視覺技術應用研究起步較晚，與國外有差距，還需進一步在深度、廣度及實踐方面作出努力。國內的李留格等採用BP神經網路來進行輪胎胎號字元識別；李朝輝等利用形態運算元提取視訊幀的高頻分量，把文字字元從複雜的視訊中分離出來；周詳等利用改進的BP神經網路對字元進行識別，提高了識別率和識別速度。字元識別技術是機器視覺領域的一個重要分支，在文字資訊處理，辦公自動化、實時監控系統等高技術領域，都有重要的使用價值和理論意義。

機器視覺識別技術應用例項

當前，機器視覺已成功地應用於工業檢測領域，大幅度地提高了產品的質量和生產效率。譬如，企業中用於檢測輸血袋編號。在血袋生產過程中，血袋上的字元編號的正確和唯一是必不可少的檢測資訊。依靠工人的肉眼逐條檢測帶狀轉印薄膜上的字串，來追蹤血袋編號是否錯印，勞動強度大，效率低，不能從根本上保證檢測質量。一旦血袋編號出現重印、錯印將會發生嚴重醫療事故，因此一種基於機器視覺技術的血袋編號字元的提取、識別與錯誤反饋於一體的檢測系統就適時、必要的誕生了，用以提高一次性血袋出廠編號的檢測精度和自動化水平，保證產品質量，解決生產實際問題。

字元線上識別系統組成

為達到識別目的，識別系統由硬體和軟體構成。硬體系統主要有血袋編號檢測臺機械結構、LED陣列照明系統、血袋編號影象採集系統、攝像機和計算機等。軟體部分是系統的核心，主要由影象預處理、字元定位、字元傾斜校正、字元分割、字元識別等部分組成。

識別系統的實現

系統基於labVIEW程式設計、影象處理、微型計算機介面技術等實現輸血袋的文字線上識別。使用影象灰度化技術、平滑、校正、直方圖均衡化等技術進行影象預處理。使用投影定位法等對字元進行定位。使用投影法、模版匹配等進行傾斜角度調整。使用垂直投影法對字元進行分割。使用了BP神經網路來識別分割後的字元。為提高識別率，設計訓練了三個神經網路：字母網路、數字網路、字母與數字網路。

實驗結果

利用該系統做過多次實驗，測試了大量資料，整體看，系統穩定可靠，系統對輸血袋文字識別程度非常高。本系統提高生產效率和生產過程的自動化程度，併為機器視覺系統應用於此種生產線，提供了成功的先例和經驗。但由於各種原因，也會對識別的結果有一定的影響，因此，在識別率方面，尚有一定的差距。

機器視覺技術在應用中存在問題

雖然機器視覺技術目前已廣泛應用到各領域，但由於其自身或配套技術上仍有不完善的地方，要廣泛的應用還有一定限制。而影象處理演算法的效率高低是計算機視覺成功應用的關鍵，儘管國內外都提出一些新的演算法， 但是大部分仍處於實驗階段。特別是有複雜背景的工業現場，對視覺識別技術的識別率和精度降低。

機器視覺技術應用前景極為廣闊，目前應用於生產生活各領域，但我國發展滯後，在工業檢測中離實用化、商業化還有差距，因此亟待提高我國機器視覺技術的發展速度和水平，達到工業生產的智慧化、現代化，為我國的現代化建設做出應有貢獻。

鋼鐵製造廠運用機器視覺優化效率及質量

鋼鐵製造過程中，辨識及追溯其產品是一項困難的任務。要快速且精準地查詢、追溯、檢索品項，幾乎每個產業都將條形碼辨識看作一項非常重要的技術，使得庫存及庫存控制系統有重大的進步。當一家日本鋼鐵製造商尋求方法提升辨識及追蹤自家產品質量時，The Imaging Source 映美精相機的機器視覺產品為他們提供瞭解決方案。

機器視覺與條形碼追溯：使用機器視覺進行條形碼辨識，能很容易地追蹤及檢視大型鋼鐵。

挑戰：建立一套穩健的條形碼辨識系統

線性（一維）條形碼提供可靠的追蹤及追溯功能已長達幾十年。即使掃描條形碼為非常簡單且高度自動化的動作，但如果我們可精確地控制條形碼在產品上的位置及方向，一維條形碼仍為最穩健的掃描方式。然而，許多鋼鐵製品通常巨大笨重，增加掃描定位困難，許多鋼鐵工廠不得不選擇以人工的方式追蹤製品，例如快速噴漆、粉筆做記、人為辨別及手抄資料紀錄等方式。而吵雜、繁忙、光線不足的工作環境、易耗損的卷標（記號）及其他人為因素（如工作疲乏等），皆可能導致產線出錯，造成更多時間及金錢損失。

解決方案：變焦相機擷取條形碼影像及視覺化資訊

鋼鐵工廠工程師選擇The Imaging Source映美精相機的GigE 彩色變焦相機，搭配條形碼辨識軟體IC Barcode。變焦相機搭載全域性及捲簾快門感光元件，提供130~500MP畫素解析度，包含電動變焦、聚焦及光圈控制，通過乙太網絡供電GigE介面驅動。安裝於輸送帶上的相機，即便與物體的距離改變或沒有定位於最佳位置，光學變焦功使其不僅能擷取條形碼影像，還可以實時獲得其他視覺化資訊，檢查產品是否有瑕疵，把控產品質量。

變焦相機安裝於生產線：即便不是定位在最準確的位置，也能擷取條形碼影像與其他視覺化資訊，把控產品質量。

通過相機的GigE介面，影像資料便轉換至主計算機。不同於鐳射掃描系統，影象式條形碼辨識並不僅限於一維條形碼，該系統使產線經理可以使用一維或二維條形碼，甚或兩者同時交替使用。例如，IC Barcode軟體高效穩健的條形碼辨識演算法，能夠迅速地偵測並辨識任何方位的一維與二維條形碼。此外，也可設定只掃描特定條形碼圖形及方位，或設定感興趣區域（ROI）來加速偵測及解碼。同時，IC Barcode將條形碼影象資料轉換成可用的訊息並儲存於主計算機中，供未來讀取使用。

在質量管控上，鋼鐵製品常常出現各種表面瑕疵。因此，增設影象式條形碼系統能夠提升質量控制效益。The Imaging Source映美精相機的產品內建光學鏡頭，可快速調整以捕獲鋼鐵製品影象，幫助品管經理通過機器視覺技術來檢查產品。該視覺系統有助於減少高代價錯誤，提升管控效率，提高精準度及員工的安全性。

國內機器視覺發展如何實現逆風翻盤？

我國機器視覺產業發展起步晚，但增速迅猛，技術集中且升級較快。當下，國內機器視覺發展的重要任務，是深耕好電子和半導體領域主要市場，在此基礎上不斷開拓出更加智慧化、數字化的細分市場。

全球機器視覺發展至今，已有三十餘年曆史，我國機器視覺從90年代末發展以來，也已經有了十餘年的發展經驗。在這個過程中，影象處理、光學成像、感測器、處理器等技術的飛速崛起帶動了機器視覺的蓬勃發展，各種新概念、新理論的不斷湧現，也使得機器視覺技術與時俱進、日久彌新。

隨著生產逐漸從勞動密集型向技術密集型轉移，我國對能提效增速、減少成本的機器視覺技術需求也愈發旺盛，在國際先進機器視覺企業和國內企業的共同作用下，如今，我國已經成為機器視覺技術的主要集散地，同時，國內市場也已成為全球機器視覺產業發展的主要市場之一。

國內機器視覺發展現狀

一直以來，全球機器視覺市場都保持著穩定發展態勢，從2015年至2017年，全球機器視覺市場規模從40多億美元擴大到70多億美元，年均增長率維持在兩位數左右，相關機構預測，至2020年全球市場將突破百億大關，2025年將爭取達到200億。

目前，美國和日本佔據著全球機器視覺市場超過一半的份額，而我國因為起步較晚，與其差距較大。2015年我國機器視覺市場為3.5億美元，僅佔全球市場份額的8%左右。

不過，隨著十三五規劃對製造業技術創新的強調，和中國製造2025戰略的持續推進，我國機器視覺迎來了爆發式增長。進入工業4.0時代以來，國內機器視覺市場常年以20%以上的增速飛速發展，並將繼續維持這個全球領先的增速對前面國家實現追趕。

辰視智慧在工業級機器視覺領域也有多年深耕，並研發出工業機器人3D視覺引導系統、二維定位以及檢測等國內領先的技術。

市場在高速增長，持續擴大的同時，機器視覺先進技術也在不斷向國內市場聚集。一方面緣於國外企業帶來了先進系統和技術，另一方面主要得益於國內技術的自我發展。據瞭解，從2016年以來，國內機器視覺技術相關專利申請常年連續兩年維持在1000項以上，為2010年以來的最大值，這個成績相對於全球機器視覺專利的數量來說也很亮眼。

遺憾的是，雖然專利申請眾多，技術發展迅猛，但商業化落地程度卻遠遠不夠。因為如此眾多的專利之中，基本都是大學或研究機構申請居多，企業專利相對較少，這就意味著國內大部分機器視覺技術仍然停留在研究和試驗階段，距離真正商業化應用還有一定距離。

電子和半導體領域為國內機器視覺增長主力

從全球應用領域的演變來看，機器視覺最初在電子和半導體領域獲得了廣泛應用。不少專家認為，國際機器視覺的崛起在一定程度上得益於電子和半導體行業的發展。

機器視覺具有測量、檢測、識別、定位上的強大功能，在電子和半導體領域扮演者不可或缺的角色。一方面，在半導體大規模積體電路的產業鏈中，從上游加工切割，到末端印刷、貼片，都需要依賴高精度的機器視覺元件進行引導和定位；另一方面，在電子製造領域，從小型元器件到大型硬體裝置，也都對機器視覺系統有旺盛需求。

如今，在國家缺芯事件如火如荼的時間節點，電子和半導體領域的發展越來越受到國家和行業的重視。《中國半導體產業“十三五”發展規劃》就對大力發展積體電路產業提供了政策支援，計劃2020年市場規模達到9000億，在這樣千億市場需求的帶動下，初步預計將給機器視覺帶來30億的規模增長。

眼下，在國際市場上，電子和半導體領域已經成為了機器視覺增長的主力軍，佔到了全行業市場需求的40-50%，而我國起步較晚，機器視覺的發展階段還未與國際步調一致。因此，從國際市場發揮樣板作用的角度來說，提高機器視覺在電子和半導體領域的滲透率，牢牢把握住這個掘金行業，將成為當前我國機器視覺發展的重要任務之一。

智慧城市、無人模式將成為未來增長帶動點

把握主要發展領域的同時，由於新的發展趨勢也在不斷繁衍，新技術和新標準在不斷革新，國內機器視覺發展還需要緊跟時代潮流。如今，在智慧化的趨勢下，智慧城市和無人模式的出現有望成為機器視覺發展新的增長點。

不管是智慧城市建設下的智慧交通管理、自動駕駛、智慧安防，還是無人模式下的無人商店、無人物流，機器視覺技術都是這些新概念發展的前提，預計在未來3-5年內，不少企業和政府機構都將積極擁抱機器視覺技術。

當然，市場和需求的增加，同樣也對機器視覺本身提出了更高的技術要求，數字化、智慧化、實時化逐漸成為企業未來發展方向，與其他技術的融合和跨領域合作成為機器視覺必須要踏出的一步，只有做好了這些，才能在耕耘好主要市場的情況下，開拓出更多的增長點。

深圳辰視智慧科技有限公司是一家集機器視覺、工業智慧化於一體的高新技術企業，是由一支中國科學院機器視覺技術研究的精英團隊在深圳創立。

辰視智慧擁有基於深度學習的三維視覺引導、機器人運動控制、視覺檢測、三維建模等方面的核心技術，並研發了機器人三維視覺引導系統 、機器人二維視覺引導系統、三維檢測系統、產品外觀檢測系統等可根據客戶需求定製化的智慧產品。以高效·低成本·模組化的方式為自動化整合商、自動化裝置廠商、機器人廠家提供機器視覺的相關解決方案。