跳至主要內容
機器視覺系統是集光學、機械、電子、計算、軟件等技術為一體的工業應用系統，它通過對電磁輻射的時空模式進行探測及感知，可以自動獲取一幅或多幅目標物體圖像，對所獲取圖像的各種特徵量進行處理、分析和測量，根據測量結果做出定性分析和定量解釋，從而得到有關目標物體的某種認識並作出相應決策，執行可直接創造經濟價值或社會價值的功能活動。我國機器視覺行業屬於技術更新較快、受市場主導型產業，行業內企業競爭程度較高。
機器視覺是一個“光、機、電、算、軟”等技術高度集成的系統，通常來講，機器視覺核心部件主要包括工業相機、圖像採集卡、光源、鏡頭和機器視覺算法軟件等。其中，工業相機和圖像採集卡作為機器視覺系統的關鍵核心部件，對機器視覺系統的整體性能起著非常重要的作用。機器視覺主要起步於基礎科學和工程技術水平領先的美國、歐洲、日韓和加拿大等工業發達國家和地區，這些國家或地區的機器視覺系統相關企業具備從部件、設備到系統的全產業鏈的研發及生產能力。長期以來，我國機器視覺設備廠商使用的工業相機和圖像採集卡，特別是高速高分辨率相機和高速圖像採集卡，主要依賴進口，國產化率很低。
工業相機是機器視覺系統的核心部件，其本質是一個光電轉換器件，主要功能是將收到的光信號轉變成有序的電信號，然後再通過模數轉換並送到處理器以合成圖像，並進一步進行處理、識別和分析。相比於普通的民用單反相機而言，工業相機具備更好的圖像質量、更高的工作穩定性、更強的抗干擾能力以及更高效可靠的數據傳輸等特點。工業相機的選型是機器視覺系統設計中的重要環節，直接決定系統的工作效率以及所獲取到的數據質量，同時也關係到系統的工作模式、配套選擇等。目前市面上的工業相機主要有工業線掃描相機、工業面掃描相機、3D相機以及智能相機等類型。
工業線掃描相機，或叫線陣相機、線掃描相機，以“線”為單位進行圖像採集。早期線掃描相機的圖像傳感器通常只有一行感光像素，隨著檢測速度不斷的提高，相機的曝光時間被不斷縮短，發展出的多線TDI（時間延時積分）線掃描相機也逐漸被推廣應用。當前線掃描相機的水平分辨率從2K到16K不等，大部分線掃描相機的行頻都非常高，因此在檢測或測量幅寬比較寬、檢測效率要求比較高的場景中線掃描相機具備獨特的優勢。現階段，工業線掃描相機被大量應用於工業製造、生物醫藥、科學研究、軌道交通、農產品分選等領域的圖像採集與處理，典型的場景為具備連續運動能力的材料類產品檢測與測量，例如金屬膜材、金屬板材、塑料薄膜、纖維製品的表面檢測：被檢測的物體通常勻速運動，利用一臺或多臺相機對其逐行連續掃描，以實現對其整個表面圖像的完整採集；此外在生產線上跟隨產線運動的產品表面檢查也非常適合線掃描成像，如高密度PCB、玻璃基板、顯示模組、光伏組件等。線掃描相機非常適合寬幅的測量場合，這主要歸功於傳感器的超高分辨率，同時線掃描相機也有其應用的不足：由於需要運動控制與反饋系統支持，系統相對複雜，成本也會較高一些；此外線掃描成像系統一般都要求被檢測物體能夠接近勻速運動，否則採集的圖像精度可能受掃描運動精度的影響而降低，這增加了系統的不確定性，最終影響檢測和測量的精度；此外，高分辨率的線掃描系統，對鏡頭和光源的要求也相對比較高，這些因素都增加了系統開發的難度和成本。
工業面掃描相機，或叫面陣相機、面掃描相機，通常以“面”為單位進行圖像採集，與線掃描相機不同之處在於其圖像傳感器是一個二維的陣列，單次拍照輸出一幅二維圖像，展示目標物信號強度在空間水平和豎直兩個方向上的分佈。
工業面掃描相機在進行圖像採集時往往使用電子快門進行曝光控制，常見的電子快門包括全局快門和捲簾式快門兩類。全局快門下，相機所有像素一次性完成曝光動作，比較適合用來採集快速運動的物體信號；捲簾式快門下，相機內所有像素不是同時完成曝光操作，一般每次只完成單行像素的曝光，啟動圖像採集後從第一行開始，依次曝光所有行，最終完成所有像素的曝光。捲簾式快門的這種非同時曝光的特性在拍攝運動物體時會導致圖像拖影，引起圖像失真，所以捲簾式快門相機一般只用於拍攝靜止的物體。此外，全局快門相機由於在設計時需要更多的控制信號，導致其成本往往更高，同時讀出噪聲也更大。
由於工業面掃描相機一次性獲取二維圖像信息，不需要外部運動機構配合，系統相對簡單，因此被廣泛的應用於在非流水線的工業場景中，用於採集目標物的形狀、尺寸、面積、溫度等信息，執行定位、測量、檢測、識別等諸多任務。
工業面掃描相機圖像傳感器像素數量遠大於線掃描相機，受半導體制造工藝限制往往存在壞像素點，無法保證全部像素輸出有效；同等價格水平相機的水平分辨率一般也較線掃描相機低，導致部分場景下很難達到應用對檢測視場的需求；同時幀率也常常受到限制。
圖像採集卡，是構建完整的機器視覺系統的一個重要部件，其功能是建立和前端相機中的連接，管理相機控制信號，從相機中獲取數據，並將其轉換成計算機能處理的信息。圖像採集卡對外接口包括面向相機端的圖像信號接口，面向計算機端的數據接口，以及控制信號接口。工業相機的圖像接口規格很多，目前機器視覺系統中較常見的包括CameraLink和CoaXPress接口，其相關協議標準分別由AIA（美國自動化圖像協會）和JIIA（日本工業成像協會）發起；採集卡到計算機端的接口一般為通用的PCI、PCIe、USB以及網絡接口等數據接口。圖像採集卡依據CameraLink等協議標準收取前端工業相機數據，在板載內存中進行處理，然後通過PCIe等接口寫入計算機內存，計算機中的圖像處理程序通過採集卡底層驅動加載圖像數據後進行信息分析。圖像採集卡控制信號接口主要功能為接收外部各種圖像採集控制觸發信號輸入，以及輸出相機同步信號以控制光源等外部設備，輔助完成機器視覺系統的工作流程。
機器視覺在智能製造領域應用廣泛，按功能主要分為四大類：定位、識別、測量、檢測，不同的應用場景側重不同的功能運用。
定位功能：定位是工業機器視覺技術的基礎功能。機器視覺應用的第一步是根據一定的模板在相機視野中找到相對應的對象或特徵，關注對象的定位是否符合相應標準。如模式匹配軟件工具無法精確定位圖像中的零件，則無法進行識別、引導、檢測或測量。定位功能主要應用於加工設備工具端的路徑引導，是工業機器人重要的輔助性功能。根據賽迪研究院《中國工業機器視覺產業發展白皮書》報告，機器視覺定位功能在工業應用場景中約佔16%。
識別功能：識別是工業機器視覺技術最根本的功能。機器視覺技術可以字母、數字、字符等標識及符號。首先，光學字符識別（OCR）系統通過工業相機掃描對象或特徵，傳輸至PC主機；然後，由字符驗證（OCV）系統確認相對應的字符串是否存在。此外，機器視覺系統還可以通過定位具體圖案來識別零件種類或根據顏色、形狀識別物品。在工業應用場景中，物流標籤讀取和字符識別是識別功能最直接的服務對象。根據賽迪研究院《中國工業機器視覺產業發展白皮書》報告，機器視覺識別功能在工業應用場景中約佔24%。
測量功能：測量是工業機器視覺技術應用的重要支撐。測量距離和位置以評估是否符合規格。測量應用中的機器視覺系統可以計算並測量對象上兩個點、多個點甚至幾何位置之間的距離以確定這些測量是否符合規格。如不符合標準，視覺系統向機器控制器發送失敗信號，觸發拒絕機制，並將對象從生產線上彈出。在工業應用場景中，測量功能主要應用於對目標物體的高速、高精測量，特別適合複雜形態測量。根據賽迪研究院《中國工業機器視覺產業發展白皮書》報告，機器視覺測量功能在工業應用場景中約佔10%。
檢測功能：檢測是對識別、測量、定位功能的集成和深度應用。檢測功能主要表現為通過使用機器視覺技術對目標物體進行缺陷檢測，在產品質量一致性控制和成本控制上發揮著重要作用。機器視覺檢測設備是工業機器視覺技術最重要載體。根據賽迪研究院《中國工業機器視覺產業發展白皮書》報告，機器視覺檢測功能在工業應用場景中約佔50%。
機器視覺產業鏈中相關企業主要分為三類：上游的機器視覺部件提供商、中游的相關裝備製造商及機器視覺系統商、下游的機器視覺產品的終端應用商。機器視覺的產業鏈分佈如下：
機器視覺行業內上游企業專注於與機器視覺相關的軟硬部件的生產與研發。其中，硬件包括光源、鏡頭、工業相機、圖像採集卡以及控制器及配件等；軟件包括圖像處理軟件以及底層算法平臺等構成的機器視覺軟件及算法。根據開源證券《工業機器視覺之“眼”——機器視覺》報告，在目前的整個機器視覺系統成本構成上，核心零部件大約佔比45%、軟件開發大約佔比35%、組裝集成大約佔比15%、維護服務大約佔比5%，核心零部件和軟件開發是產業鏈中絕對的核心環節。
機器視覺行業內中游企業為機器視覺裝備製造商與機器視覺系統商。其中，機器視覺系統包含獨立完整的成像單元（光源、鏡頭、相機）和相應的算法軟件，集圖像採集、處理與通信功能於一身，可以靈活的進行配置和控制。而機器視覺裝備則以機器視覺系統的感知能力和分析決策能力為核心，在系統的基礎上賦予了設備自動化和智能化的功能，將其應用在下游實際的生產運作之中，可實現多種功能。
機器視覺行業下游主要為機器視覺設備的終端應用場景。具體來說，由於機器視覺具有定位、識別、測量、檢測四大功能，通常下游應用企業會將相關設備配置應用在產品生產製造過程中的檢測、篩查等重要環節，從而達到提高良品率、提升生產效率、減少對人工的依賴以及節約成本等目的。因此，工業相機、圖像採集卡作為機器視覺設備的核心部件之一，將被廣泛應用於生產生活的各個領域。此外，未來隨著工業智能製造的不斷升級，機器視覺設備在各個行業的滲透率將進一步提高，相關核心部件的市場需求有望迎來新一輪的爆發增長。
從全球範圍來看，機器視覺行業起源於20世紀70年代，發展至今，行業已經歷五個發展階段。
第一階段，1969-1979年，在成像傳感器誕生的驅動下，機器視覺進入產業萌芽期。1969年美國貝爾實驗室成功研製出CCD傳感器，可以直接把圖像轉換為數字信號並存儲到電腦中參與計算和分析，從而為機器視覺的產生奠定了基礎；
第二階段，1980-1989年，在需求應用的驅動下，機器視覺進入起步期。機器視覺概念首次在產業界被提及，加拿大的TeledyneDalsa、英國的E2V以及美國的Cognex（康耐視）等相關知名企業誕生；
第三階段，1990-1999年，隨著需求端應用的不斷發展，機器視覺行業進入成長波動期。其中，1990年半導體產業的發展為機器視覺行業提供了較大的發展潛力，但受限於成像技術和算法算力尚不成熟，無法有效滿足行業的應用需求，難以全面推廣；
第四階段，2000-2009年，在應用和算力的共同驅動下，機器視覺進入產業發展早期。在CPU算力大幅提升，FPD平板顯示製造、PCB檢測和汽車製造等行業陸續對機器視覺技術應用表現出強烈需求的雙重因素影響下，產業需求和技術進步共同促進了機器視覺行業的快速發展與繁榮。我國機器視覺產業也在這個階段加入了全球陣營；
第五階段，2010-2020年，AI算法的興起推動機器視覺進入發展中期。2016年以來AI迅速發展，隨著人工智能賦能的機器視覺開始在智能製造應用中的加速普及，相關產業得到了進一步發展。
相較而言，我國機器視覺行業雖起步較晚，但發展速度較快，行業已經歷三個發展階段。
第一階段，1995-1999年，隨著對國外設備與技術的引進與吸收，我國機器視覺行業進入了萌芽期。但由於算法、算力及成像技術尚不成熟，我國僅有航空航天、軍工及高端科研等核心機構和行業開始出現應用，部分相關企業作為國外代理會提供機器視覺器件及技術服務；
第二階段，2000-2008年，在應用與算法的雙驅動下，我國機器視覺行業邁入了起步期。隨著算力強度的進一步提升，且國內如人民幣印鈔質量檢測、郵政分揀等行業對機器視覺提出強烈的應用需求，我國開始出現一些專業的機器視覺企業；
第三階段，2009-2020年，我國機器視覺產業逐步進入高速發展期。特別指出的是，2010年後，以蘋果為代表的手機產業的飛速發展給整個3C電子製造業帶來巨大的變革。一方面，隨著3C電子製造產業進入高精度時代，迫切需要用機器替代人工來保障產品加工精度和質量的一致性；另一方面，3C電子由於更新較快，應用場景較為豐富，大大擴展了機器視覺的應用。受到這兩方面因素的共同影響，加速促進了我國機器視覺產業的發展，我國陸續湧現出近百家機器視覺企業。
此外，2016年以來AI算法的發展，再次為我國機器視覺行業注入新一輪的發展活力。整體來看，從2010年開始的近十年，我國機器視覺產業發展一直保持20%-30%的增速。
從產品類型來看，根據機器視覺產業聯盟（CMVU）的分類，我國機器視覺 行業主要的產品/服務包括系統、組件和服務三大類。其中，機器視覺組件包括 光學元件及鏡頭、2D 相機（面陣相機）、照明光源或其他結構光源、3D 相機/3D 採集設備、工業線掃描相機、圖像採集卡、視覺軟件（單獨銷售的產品）、接口 及其他組件等。據機器視覺產業聯盟（CMVU）2021 年度對 153 家樣本企業調 查數據統計，2019-2021 年，機器視覺組件銷售額從 67.3 億元增長至 98.0 億元， 年均複合增長率為 20.7%，雖佔行業銷售額比例從 62.0%略微下降至 59.8%，但 仍佔據整體銷售額的一半之多，是我國機器視覺細分行業產值規模最大的市場。其中，2D 相機（面陣相機）的銷售額佔比為 12.7%，是機器視覺組件大類中的 第二大細分市場，且 2019-2021 年銷售額同期年均複合增長率達到 39.4%；工業 線掃描相機的銷售額佔比為 4.9%，若將工業線掃描相機與面陣相機統一劃分為 工業相機的統計口徑來看，2021 年工業相機產品的銷售額佔比為 17.6%，儼然已 成為機器視覺組件的第一大細分市場；此外，2021 年我國圖像採集卡的銷售額 佔比為 4.6%。
通過將 2021 年我國機器視覺行業整體銷售額 163.8 億元乘以 相應細分產品佔比數據，即可得到 2021 年我國工業相機產品的銷售額為 28.83 億元（面陣相機銷售額 20.80 億元，工業線掃描相機銷售額 8.03 億元），圖像採 集卡的銷售額為 7.53 億元。此外，受到機器視覺產業聯盟（CMVU）2021 年度 調查數據僅為 153 家樣本數量的限制，疊加這部分因素的影響，因此，2021 年 我國機器視覺行業中關於工業相機、圖像採集卡的實際銷售金額將進一步放大。
機器視覺行業技術更新較快，屬於受市場主導型的產業，行業內企業競爭程 度較高。機器視覺行業下游應用廣泛，包括 3C、半導體、鋰電、光伏、汽車、 包裝印刷、物流、軌道交通、生物醫藥、食品加工、輕工皮革等領域。如圖所示， 根據機器視覺產業聯盟（CMVU）、前瞻產業研究院整理的數據，目前我國機器 視覺產品的主要應用領域包括電子、新型顯示、汽車、電池（鋰電池和太陽能電 池）、印刷、機器人、半導體、包裝等領域。其中，電子領域佔比 24.79%，機 器視覺主要應用在電子元器件、PCB 缺陷檢測以及外觀結構部件等方面的檢查 與測試；新型顯示領域佔比 12.15%，機器視覺主要應用在玻璃基材、ITO 玻璃 鍍膜、絲網印刷和切割、背光模組、觸摸屏組貼合、蓋板玻璃製造等工藝的檢測 與校驗；汽車製造領域佔比 8.39%，機器視覺主要涉及車身裝配檢測、面板印刷 和質量檢測、零部件表面缺陷檢測等；電池領域佔比 8.29%，機器視覺主要涉及 鋰電領域及光伏領域中相關電池來料的質量檢測、生產過程的缺陷監控以及成品 電池的檢驗測試；印刷領域佔比 6.46%，機器視覺主要為印刷智能化提供印刷設 計問題攔截、印刷過程質量控制、出廠質量終檢機系統生產管理優化等功能；半 導體領域佔比5.53%，機器視覺在半導體中主要應用在晶圓切割、AOI光學檢測、 芯片字符對位和識別等工藝流程。
電子製造過程中，由於對產品外觀、功能以及可靠性等要求越來越高，加強 製造過程的檢測和品質管控已成為電子製造業的必備需求，機器視覺在電子製造 過程檢測中承擔越來越重要的作用。目前，電子行業機器視覺系統主要包括電子 元器件檢測、PCB 檢測以及外觀結構部件的檢測等。在電子元器件方面，機器視覺系統會根據元器件材質、缺陷類型及不同客戶 的需求，對元器件瑕疵或缺陷進行檢查、識別，在這個過程中，通常會將產品可 能存在的缺陷圖像從背景圖像中區分開，然後利用圖像的顏色、灰度、形狀、大 小等特徵對缺陷進行識別。
PCB（Printed Circuit Board，印製電路板）是電子製造過程中必不可少的部 件，其製造品質直接影響電子產品的可靠性。隨著電子組裝向更高密度、更小尺 寸 PCB 技術的縱深發展，為減少進入下步工序的缺陷電路板的數量，線路板廠 通常通過引入自動光學檢測（AOI，Automated Optical Inspection）和自動外觀檢 查（AVI，Automated Visual Inspection）設備來提升 PCB 製造品質。PCB AOI 通 過高分辨率相機提取 PCB 表面圖形、圖形數字化轉換、特徵點邏輯判斷與圖形 匹配、線條形態輪廓邏輯比對、缺陷點判定與提取這一技術流程來實現 PCB 表 面圖形的缺陷檢測，包括基板缺陷、孔缺陷、線路缺陷等。PCB AVI 是 PCB 製程最後一道品質防線，主要負責成品 PCB 的外觀檢查，包括阻焊均勻性、焊盤 覆蓋、線路覆蓋以及線路的表面缺陷等。PCB 缺陷檢查過程中，通常會通過專 用設備把缺陷自動標識出來，供維修人員進一步處理。
在外觀結構部件方面，各類消費電子產品如手機、PAD 的蓋板、中框等部 件、計算機鍵盤外設等，在製造過程中，經常會發生劃傷、碰傷、崩邊以及外形 尺寸不良等一系列的品質問題。要提升這類電子產品的品質，通過機器視覺系統 去完成識別和檢查工作是最為有效、可靠的方法，從而取代傳統的人工方法提升 檢測速度、提高檢出率，進而提升電子行業產品製造的效率和品質。
根據電子信息行業聯合會、中商產業研究院整理數據，2016 年至 2022 年間， 我國規模以上電子信息製造業收入規模在 2018 年度出現下滑，其餘年度均保持 增長趨勢，收入規模由 2016 年的 12.18 萬億元達到 2022 年的 15.45 萬億元，年 均複合增長率為 4.04%，電子信息製造業正穩步向前發展。
消費電子是電子行業中快速增長的代表性細分行業，得益於互聯網科技的不 斷髮展，消費電子產品更新頻率的加速、居民收入水平的持續增加，我國消費電 子產品市場快速增長。根據國家統計局數據，2021 年，我國手機產量進一步增 長至 16.6 億臺，同比增長 12.9%；彩色電視機產量小幅回落到 1.8 億臺，同比下 降 5.8%；微型計算機設備產量增長至 4.7 億臺，同比增長 23.5%。
目前，我國電子產業鏈上機器視覺技術已經基本覆蓋從元器件、關鍵零部件 和成品的全製造環節的自動化及品質檢測與測量。未來，以消費電子為代表的電 子行業產品數量需求的穩步增長，以及消費者對更輕、更薄、更高品質電子產品 的日益青睞，將共同推動相關電子生產製造企業通過更加高效、更加精細的機器 視覺檢測技術提升產能和質量、從而實現降本增效的目標。此外，隨著相關電子 技術的發展，電子行業更新換代將進一步加快、精度要求將逐步提高，相應的配 套產線設備採購將更加頻繁。因此，受益於這些因素的影響，電子產業對機器視 覺相關產品的需求也將進一步增大。
在新型顯示領域，LCD（液晶顯示器）是當前主流的顯示技術，機器視覺在 LCD製造過程中的應用從玻璃基材的檢測開始，工藝段主要涉及 ITO 玻璃鍍膜、 絲網印刷和切割、背光模組、觸摸屏組貼合、蓋板玻璃檢測等。機器視覺技術作 為非接觸、高精度、高速度的生產、檢測技術手段，目前已被廣泛應用於各類型 的新型面板顯示的生產過程中，AOI（自動光學檢測機）和 AVI/API（自動畫面 檢測機）是 LCD 製造過程中常見的兩種視覺檢測設備。AOI 設備幾乎在 LCD 的 每一個工藝段都會被應用，用於檢測各工藝部件的表面缺陷、Particle 異物顆粒、 斷線等外觀不良。AVI/API 則是對點亮後的顯示面板畫面缺陷進行檢查，取代人 工目視檢測。
AMOLED 是近年來投資力度比較大的新型顯示技術。AMOLED 技術工藝主 要分為 TFT 陣列、OLED 蒸鍍封裝和模組，其中 TFT 工藝段和 LCD 液晶顯示屏 的 TFT 工藝基本相同，但是精度要求更高，相應的對 AOI 設備要求也會更高。在 AMOLED 蒸鍍、模組工藝段，同樣有大量 AVI/API 自動畫面檢測的需求。此 外，DeMura 設備在 AMOLED 製程中被用於 Mura（注：指顯示器亮度不均勻， 造成各種痕跡的現象）補償，可進行 DeMura 畫面拍攝、補償數據燒錄等。
此外， 隨著 mini LED、Micro LED 技術的不斷成熟，新型顯示領域的泛半導體化，將 對視覺檢測提出更高的要求。根據賽迪智庫、工信部披露的數據，2020 年我國面板顯示行業的營收達 4,460 億元，較 2019 年增長了 19.7%，2016-2020 年期間行業營收的複合增長率達到了 22.0%。另據中國光學光電子行業協會液晶分會統計數據，2022 年我國面板顯示產業克服重重挑戰，在全球市場步入下行週期的不利環境下，我國顯示行業產值 已達到接近 5,000 億元，行業規模不斷擴大。此外，隨著新型面板顯示相關下游 應用的規模快速增長及國產新型面板顯示技術的不斷發展，我國面板顯示領域市 場規模有望進一步增大。相應地，應用在新型顯示領域的機器視覺市場的滲透率 將進一步提高，這將利好國產機器視覺廠商的進一步發展。
鋰電池的生產工序多，工藝也比較複雜。鋰電池生產由於工藝水平引起的不 良經過數道工序的疊加，通常會導致從原料到傳導到最終產品的不良率會達到驚 人的水平，極大地影響生產成本和效率。此外，由於工藝不良導致的電池缺陷， 其性能、安全和使用壽命都會受到影響。因此，通過投入機器視覺檢測系統加強 鋰電池的製程管控、提升產品質量和生產效率是各大鋰電池生產廠商近年來大力 投入的方向。鋰電池製造過程對視覺的需求從對隔膜、銅箔等鋰電池上游材料的 質量檢測開始，到前段的正、負極材料混合、塗布、膜切、分切、卷繞（或疊片）， 再到中段的注液、焊接、化成、分容和後段的成組、加工和組裝工藝，各個工藝 過程都需要對物料、部件外觀缺陷進行檢查、測量或對位等。鋰電製造過程的缺 陷檢查動作主要包括極片表面突起、凝聚、露箔、暗斑、掉料等；測量動作則包 括對極片、極耳的尺寸進行測量，對電池材料進行測長等。以塗布環節為例，機 器視覺通過上相機與下相機兩個拍攝角度分別拍攝塗布的正面與反面，再由圖像處理軟件對圖像進行處理，識別塗布表面的瑕疵，對不良品進行貼標區分。從鋰 電製程工藝特點來看，鋰電行業對機器視覺系統的需求量巨大。
新能源汽車是鋰離子電池的典型應用場景，隨著新能源汽車銷量不斷創新高， 我國鋰離子電池需求保持較高增速。根據國家統計局、機器視覺產業聯盟（CMVU） 整理數據，2016-2021 年，我國鋰離子電池產量由 78.4 億隻增長到 232.6 億隻， 年均複合增長 24.3%，2021 年鋰電全行業總產值突破 6,000 億元，表明鋰離子電 池行業規模正在快速增長。未來，受益於新能源應用場景的不斷擴展及動力電池 需求的增加，我國鋰電池出貨量將逐年上升。相應地，鋰電領域對機器視覺相關 的檢測設備以及智能製造裝備的需求量將不斷提高。
隨著微電子技術的高速發展，各種半導體芯片的集成度越來越高，同時芯片 的體積趨向於小型化、微型化，對芯片的質量檢測提出更高的要求。機器視覺檢 測所具有高精度、高效性、非接觸性、連續性、靈活性等優點，傳統人工檢測正 逐漸被機器視覺檢測替代應用於半導體制造中。
在半導體晶圓製造階段，氧化、塗膠、光刻、刻蝕、離子注入、擴散、薄膜 沉積、拋光、蝕刻、曝光、清洗等工序每一步完成後都需要在整個生產過程中進 行實時監測。根據檢測功能的不同分為量測類和缺陷檢測類兩種。量測類應用主 要包括透明薄膜厚度、不透明薄膜厚度、膜應力、摻雜濃度、關鍵尺寸、套準精度等；缺陷檢測類分為明暗場光學圖形圖片缺陷檢測、無圖形表面檢測、宏觀缺 陷檢測等。在這些檢測過程中，半導體機器視覺檢測發揮了重要的作用。晶圓製造機器視覺檢測主要分無圖形表面缺陷（未曝光）、有圖形表面缺陷 （曝光後）、尺寸測量、套刻標記等幾種類型。基於光學圖像檢測技術，檢測尺 度大於 0.5μm 的圓片缺陷檢測，一般用於光刻、CMP、刻蝕、薄膜沉積後的出 貨檢驗（OQC）以及入廠檢驗（IQC）中，包括正面檢測、背面檢測、邊緣檢測、 晶圓幾何形狀檢測等，這些檢測可通過高感光線掃相機（高階 TDI 相機）或高 幀率面掃相機飛拍掃描硅片的全表面，自動存儲和檢測硅片全景圖像、自動輸出 缺陷分類結果。
在半導體封測等後段工序中，包括晶片切割、黏晶、焊線、封膠、剪切、印 字、電鍍封裝等，也會大量用到量測和缺陷檢測機器視覺系統。在量測方面，按 照晶片尺寸大小對整片晶圓進行裁切，由於晶片之間有10~30μm不等間隙區分， 劃片區切道需確保在晶粒之間均等切割，對此需要高精度機器視覺引導測量裁切 位置，這裡一般常用光學線掃相機進行超感光量測；在缺陷檢測方面，包括晶圓 裁切後劃傷、崩邊、裂紋等表面缺陷檢測；成品晶片封裝在固定支架上需機器視 覺定位引導到相應安裝位置；IC 封裝成品也需機器視覺系統對其外觀缺陷進行 終檢。
太陽能電池作為光伏產業應用的核心部件之一，從原料到實際應用的電池組 件分別要經過硅料、硅片、電池片、電池組件四個大環節，其中硅錠、硅片質量 及加工鍍膜工藝等都會影響太陽能電池片的光電轉換效率。例如硅片在運輸過程 中很容易產生缺角、碎片、隱裂等缺陷；在生產過程中電池片會產生如碎片、電 池片隱裂、表面汙染、電極不良、劃傷等缺陷。這些缺陷影響了電池的光電轉化 效率和使用壽命，造成電池片等級降低或報廢。為了保證電池片的光電轉換效率 和良品率，相關產線需要採用有效的缺陷檢測方法以提高電池片的成品質量。
近年來，機器視覺技術憑藉著檢測精度高、可靠性強、速度快的特點，逐步 被應用於太陽能電池生產線的質量缺陷檢測與控制環節。具體來說，機器視覺系 統將在太陽能電池產線的每個工藝段提供相對應的光電視覺模組器件（相機、光 源、鏡頭等），通過這些視覺組件進行硅片、過程片、成品片的缺陷圖像採集， 然後配合圖像處理軟件進行缺陷分類及統計，從而達到可快速配置，提供高質量 的視覺成像效果的目標。整體來看，配備有機器視覺系統的生產線不僅可以使檢 測結果更加客觀可靠、準確率高，而且能夠長時間重複進行檢測，生產效率顯著 提升，還能夠大大降低太陽能電池的廢品率，從而減少生產能耗、提高太陽能電 池片產出比，使太陽能利用更加高效。
根據國家統計局數據，2022 年我國太陽能電池產量達到 34,364.2 萬千瓦， 較 2021 年增長了 46.8%，產量創歷史新高。未來，隨著太陽能行業的競爭愈發 激烈，電池片質量也將變得愈發重要，客戶對視覺檢測系統的成本、檢測效果、 穩定性要求也越來越高，相關機器視覺檢測產業的需求將不斷增加，行業整體將 迎來新一輪的發展機遇。
在各類型的印刷品生產製造過程中，受印刷工藝、印刷設備、印刷材料、環 境變量、人為操作隨機誤差等因素的影響，印刷產品經常會出現各種缺陷，如墨 點、異物、髒點、切線、拖墨、劃痕、溢膠、字符不完整、漏印、色差、套印不 準確及氣泡等。在印刷品缺陷檢測過程中，傳統人工隨機抽樣檢測印刷質量的方 法，受主觀判斷影響較大，難以保證印刷產品的準確性和一致性，一旦這些缺陷 出現在產品包裝上，產品的視覺觀感將會大大降低，嚴重影響產品的品牌形象， 降低客戶滿意度。因此，在印刷製造的多個工藝段，均需要配置機器視覺系統進 行質量缺陷檢測和數據反饋。
印刷行業的視覺檢測根據應用類型的不同主要分為卷材類檢測、單張片材類 檢測和標籤類檢測。其中，卷材類印刷包括檢測各類膜材、金屬箔、紙張、塑料 包裝等；單張片材主要包括檢測藥包、煙包、鈔票、3C 產品/食品/日化包裝盒等；標籤類檢測主要包括印刷字符、二維碼/條形碼、打標 logo、不乾膠標籤等。搭 配機器視覺檢測設備的印刷產線通常能將生產的各個環節的質量數據進行分析 處理，進一步反饋並優化生產工藝，從而形成決策判斷系統平臺，助力印刷企業 優化並提升生產管理。整體來看，在裝備技術水平穩步提升的基礎上，機器視覺 能夠為印刷智能化提供印刷設計問題攔截、印刷過程質量控制、出廠質量終檢、系統生產管理優化等功能。包裝印刷與社會進步、經濟發展與居民消費需求息息相關。
近年來，得益於 我國經濟快速穩定發展、日用品消費市場持續增長、文化市場的剛性需求、出口 市場的持續繁榮，對包裝印刷品的需求量和品質要求都在不斷提高，印刷行業取 得了長足的發展。根據前瞻產業研究數據統計，2020 年我國印刷行業市場規模 為 13,867.0 億元，預計 2021 年將達到 13,950.0 億元。未來，隨著印刷生產設備 持續高速、高精度、智能化的發展，將對印刷檢測提出了更高、更嚴的要求及標 準。相應的，機器視覺相關產品在印刷行業的應用將進一步擴大。
目前，我國人口結構正在發生較大變化，60 歲以上老人所佔人數比例逐漸 提升，人口老齡化問題日益突出。根據國家統計局數據顯示，2022 年我國 60 歲 及以上人口為 28,004 萬人，佔 19.8%（其中，65 歲及以上人口為 20,978 萬人， 佔 14.9%，我國正式跨入中度老齡社會的行列）。2011 年-2022 年期間，60 歲及 以上人口的比重由 13.7%上升至 19.8%，上升了 6.1%。
從製造業角度來看，老齡化趨勢不利於勞動力密集型產業發展，人口老齡化 使得我國製造業的勞動力供需愈發的緊張，勞動力成本優勢不再，用工成本不斷 提高。根據國家統計局數據，2021 年我國城鎮單位就業人員年平均工資上漲至 10.68 萬元，比 2020 年增加 0.95 萬元。此外，勞動力的愈發短缺、勞動力成本 的不斷提升，將進一步促使傳統的勞動密集型產業尋求轉變，利用機器視覺行業 可有效解決這一問題。特別是在需要重複性、繁重性生產加工環節中，機器視覺 系統的效用發揮的淋漓盡致。機器視覺的穩定性、客觀性、精確性在製造業中對 人眼形成了很好替代，同時完善了製造業的工藝環節，推動製造業向高端化、智 能化、自動化方向發展。
一方面，由於人力成本不斷攀升、年輕勞動力流失等問題日漸凸顯，大量制 造業企業開始逐步引入自動化設備替代人工。近兩年，企業綜合成本不斷上升， 對“機器換人”的需求更加迫切，在一定程度上倒逼企業加速自動化、智能化的 革新升級；另一方面，機器視覺技術是實現智能製造的重要技術之一，可實現工 業自動化現場的產品缺陷檢測、機器視覺引導定位等，為工業機器人代替人力起 著重要且決定性的作用。尤其在一些不適合於人工作業的危險工作環境或人工視 覺難以滿足要求的場合，用機器視覺來替代人工視覺已成為解決問題的重要方式， 同時在大批量工業生產過程中，用人工視覺檢查產品質量效率低且精度不高，用 機器視覺產品解決問題、難題、行業痛點的能力進一步加強。因此，技術升級是 機器視覺行業發展的核心驅動力之一。
2021 年 12 月，工信部、發改委等八部門發佈的《“十四五”智能製造發展 規劃》提到“深入實施智能製造工程，著力提升創新能力、供給能力、支撐能力 和應用水平，加快構建智能製造發展生態，持續推進製造業數字化轉型、網絡化 協同、智能化變革，構建虛實融合、知識驅動、動態優化、安全高效、綠色低碳 的智能製造系統。到 2025 年，規模以上製造業企業大部分實現數字化、網絡化，重點行業骨幹企業初步應用智能化；到 2035 年，規模以上製造業企業全面普及 數字化、網絡化，重點行業骨幹企業基本實現智能化。”因此，鼓勵並支持傳統 製造業智能升級，形成以數字化、網絡化、智能化為特徵的新型智能製造行業已 成為推動我國經濟高質量發展的新基礎。
從機器視覺來看，機器視覺產品需求與製造業的規模及智能程度發展水平密 切相關。機器視覺是實現工業自動化和智能化的必要手段，相當於人類視覺在機 器上的延伸。它具備高度自動化、高效率、高精度和適應較差環境等優點，具有 四大優勢。第一，智能識別，能夠從大量信息中找到關鍵特徵，識別準確度和可 靠度極高；第二，智能測量，測量是工業製造的基礎，要求測量的標準與細節精 度較為嚴格；第三，智能檢測，在測量的基礎上，能夠綜合分析判斷多樣化的信 息及指標，做出基於複雜邏輯的智能化判斷；第四，智能互聯，圖像的海量數據 在多節點採集互聯，同時將人員、設備、生產物資、環境、工藝等數據相互聯繫， 進而衍生出深度學習、智能優化、智能預測等創新能力。
因此，在智能製造過程 中，機器視覺主要用計算機來模擬人的視覺功能，把客觀事物的圖像信息提取、 處理並理解，最終用於實際檢測、測量和控制。隨著製造業智能發展的快速增長， 市場對於機器視覺的需求也將逐漸增多。相應的，機器視覺行業規模將受益於快 速增長的智能製造產業的發展而進一步增長。根據賽迪、中商產業研究院數據顯 示，2020 年我國智能製造裝備產值規模達 2.09 萬億元。據中商產業研究院預測， 2022 年我國智能製造裝備產值規模將達 2.68 萬億元。
如下表所示，相較於人類視覺，機器視覺在效率、速度、精度、可靠性、工 作時間、信息集成能力、成本投入、工作環境、灰度分辨力、空間分辨力及感光 範圍方面優勢明顯。具體來說，一方面，機器視覺能夠在危險工作環境或人工視 覺難以滿足要求的情境下工作。同時，在大批量工業生產過程中，用人工視覺檢 查產品質量效率低且精度不高，用機器視覺檢測方法可以大大提高生產效率和生 產的自動化程度；另一方面，機器視覺易於實現信息集成，是實現計算機集成制 造的基礎技術之一。機器視覺設備可以在比較快的生產線上對產品進行測量、引 導、檢測和識別，並能保質保量的完成生產任務；此外，人類視覺雖然適應性強， 能夠在複雜環境中識別目標，較為適合無結構化場景。但相較而言，機器視覺憑 借其速度、準確度和可重複性等優勢，更擅長定量測定的結構化場景。一般而言， 通過選用合適的相機分辨率和光學元件製造的機器視覺能夠檢測人眼難以看到 的物體細節。因此，在某些方面機器視覺相較於人眼具有更大的優勢且能更高效 的進行工作，機器視覺的這些性能優勢能夠驅動著相關行業市場的快速發展。未 來，隨著深度學習、3D 視覺技術、高精度成像技術和大數據智能算法技術的持 續發展，機器視覺的性能優勢將進一步加大，相關市場預計將迎來新一輪的爆發 式增長。
機器視覺核心部件的關鍵性能指標包括：工業相機的成像分辨率、數據位深 度、採樣速率、信噪比、圖像傳輸速度等；圖像採集卡的數據傳輸速度、圖像處理能力、圖像傳輸的穩定性和可靠性等。工業相機和圖像採集卡的關鍵性能指標 直接影響機器視覺系統的成像質量和工作效率。近年來機器視覺的重點應用領域 如 3C 電子檢測、鋰電池檢測、光伏檢測、半導體檢測等迅猛發展，新型應用場 景不斷湧現，機器視覺產業也隨之持續升級，需求端對機器視覺核心部件的性能 要求不斷提高，推動工業相機和圖像採集卡的技術不斷進步與升級。
得益於半導體技術的高速發展，圖像傳感器的分辨率不斷提升，信號質量逐 步提升，採樣速度越來越快。目前，線掃描相機圖像傳感器輸出分辨率已經達到 了 24K，面掃描相機分辨率已經發展 2 億像素以上，數據位寬也從最初的 8bit 逐步發展到 10bit、12bit 乃至 16bit。與此同時，前端嵌入式運算能力的進一步加 強，使得更多的複雜運算可以在相機端實現，例如藉助像素位移技術和超分辨率 算法，可以實現 4 倍甚至更高分辨率的圖像合成,實現了 1.5 億圖像傳感器基礎上的 6 億分辨率圖像輸出。此外，傳感器材料學和半導體 新制程的進步，使得工業相機逐步開始從可見光向紫外、紅外等多波段擴展，通 過光譜信息和圖像信息的結合，可以從更多維度檢測分析產品，不斷拓寬機器視 覺在各種工業領域應用場景。同樣的，得益於半導體技術的進步，在圖像採集卡方面，數據傳輸速度、傳 輸帶寬不斷提高，圖像數據的預處理能力不斷增強。隨著高速串行總線技術的成 熟，多路串行數據傳輸開始逐步在圖像採集卡中導入和推廣。
隨著數據中心等行業 的發展，先進工藝逐步提升大規模可編程邏輯處理器的各項性能指標，使得在圖 像採集卡中進行圖像預處理具備可行性，目前業界領先的圖像採集卡供應商開始 逐步開發可重構的圖像處理算法，在計算機中構建異構化的圖像處理平臺，將原 先完全由 CPU 承擔的圖像處理任務進行分解，從而大大地提升圖像處理效率和 能力。圖像採集卡在這些方面的進步，大大提升了機器視覺系統處理複雜任務的 能力，為進一步的廣泛應用奠定了基礎。
機器視覺部件硬件性能的不斷升級與軟件技術不斷進步，促進了機器視覺產 品的持續更新迭代，使機器視覺在傳統應用領域不斷深入，且新型應用領域不斷湧現。例如，近年來 3D 工業相機在國內外開始投入工業應用，執行多樣而複雜 的檢測、定位、測量和識別任務，通過對錶面形貌的獲取，在二維圖像信息的基 礎上，進一步豐富了對目標物特徵的採集，為複雜工業檢測提供了更多的可能性；多光譜相機也以其獨特的優勢在半導體晶圓檢測和光伏硅電池檢測中逐步推廣。與 AI、5G 等智能和物聯新技術的結合可拓展機器視覺應用的廣度，例如全息感 知技術在智慧交通建設中通過流量監測、智能交通信號燈等應用提高平均車速和 事故處理效率；在智慧工廠應用中以 5G 雲平臺與機器視覺硬件結合，可實現產 線柔性化部署、算法快速自優化，為其他應用場景如智慧水務、智慧園區、智慧 物流提供重要參考。
高精度光學成像是機器視覺行業始終追求的技術發展目標。高精度光學成像 需要光源、鏡頭、相機、圖像採集卡等各部分的精密配合，要求新型光源、更全 面的波長覆蓋和創新的光源佈局等光源技術，以及提供更大靶面和更小像元的新 型鏡頭和相機產品。高精度光學成像技術增強了機器視覺的圖像信息獲取能力， 通過多樣化光學成像技術，獲取到傳統成像中難以獲取的圖像信息，並通過高速、 高靈敏度的圖像採集技術深度挖掘圖像中隱含的內部信息，滿足更高分辨率、更 多維度、更大空間帶寬積的光電成像需求。
目前機器視覺主要採用的 2D 機器視覺技術僅能獲取固定平面內的形狀及紋 理信息等二維圖像，這主要基於物體在灰度或者彩色圖像中對比度的特徵提供處 理分析結果。2D 機器視覺技術的缺點包括無法提供物體高度、平面度、表面角 度、體積等三維信息；容易受光照條件變化的影響；對物體的運動比較敏感等。
隨著智能製造變革來臨，面對複雜的物件辨識和尺寸量度任務，以及人機互 動所需要的複雜互動，2D 視覺在精度和距離測量方面均出現技術限制。3D 機器 視覺技術相對於 2D 技術提供了更豐富的被攝目標信息，可以識別物體的深度、 形貌、位姿等 3D 信息。3D 技術提供了豐富的三維信息，使機器能夠感知物理 環境的變化，並相應地進行調整，從而在應用中提高了靈活性和實用性，擴大了機器視覺的應用場景。
多光譜技術，利用像元級的鍍膜技術實現對不同波長光譜信號的採集，從而 得到高分辨率的多/高光譜的圖像信號，大大簡化了視覺系統的光學部件複雜性。光譜技術推動機器視覺實現目標的多種特徵分析。隨著機器視覺的快速發展和普 及，機器視覺產品已經廣泛應用於 3C、鋰電池、半導體、PCB、新型顯示、汽 車零配件、光伏、物流、醫藥、包裝印刷、軌道交通等眾多產業中。各行業樣本 的複雜性要求機器視覺從可見光光譜到非可見光光譜、從單一光譜到多光譜，不 僅需要實現目標的外觀檢測，也需要實現目標的材料成分、顏色、溫度等複雜特 徵的分析。多光譜技術利用光的衍射和折射特性，通過光柵、稜鏡等分光元件， 獲取到不同譜段的有效信號，實現目標高維信息參量獲取，並通過相關分析算法 將譜域信號與測量需求建立聯繫，如物質成分、溫度、三維面型等，進而滿足復 雜多樣化的測量需求。
在工業領域中，隨著機器視覺的應用逐漸深入，自動化程度越來越高，機器 視覺核心部件的智能化程度不斷提升，集成更多邊緣智能已經成為工業相機未來 發展的主要趨勢之一。智能工業相機是一個兼具圖像採集、圖像處理和信息傳遞 功能的小型機器視覺檢測系統，是一種嵌入式計算機視覺檢測系統，提供了具有 多功能、模塊化、高可靠性、易於實現的機器視覺解決方案。它將圖像傳感器、 處理模塊、通訊模塊和其他外設集成到一個單一的相機內，由於這種一體化的設 計，可降低系統的複雜度，並提高可靠性，同時系統尺寸大大縮小，拓寬了機器 視覺的應用領域。
智能工業相機可以在特定的應用環境中實現圖像處理並利用內嵌的人工智 能算法做出邏輯判斷，為自動化場景提供無需人工干預的智能方案，是工業自動 化領域集成邊緣智能的重要手段。通過對智能芯片和算法的集成，智能工業相機 具有強大的軟硬件功能，未來將在各個工業領域中發揮重要作用，例如可應用於 高端工業檢查、產品分類、質量檢測、視覺傳感器網絡、條碼閱讀、入侵檢測和 交通監控等工業過程。
深度學習方法作為傳統神經網絡的拓展，近年來在語音、圖像、自然語言等 的語義認知問題上取得巨大的進展，為解決機器視覺大數據的表示和理解問題提 供了通用的框架。隨著機器視覺在不同行業應用的擴展，傳統算法的機器視覺在針對缺陷類型 複雜化、細微化、背景噪聲複雜等外觀檢測以及分選定級應用場景時，呈現通用 性低、不易複製、對使用人員要求高等缺點。基於深度學習的機器視覺採用更復 雜的規則實現精細的量化評估，憑藉 AI 深度學習更強的特徵提取能力為機器視 覺提供更多應用可能，使得機器視覺能夠解決更加複雜背景下的定位與識別、工 件的缺陷檢測和分割、畸變物體的分類、難辨字符與文本的讀取等複雜的工作任 務。隨著工業機器視覺的檢測對象越來越複雜，應用越來越廣泛，機器視覺應用 逐漸從傳統機器視覺向基於深度學習的機器視覺過渡，機器視覺的應用領域也會 因深度學習技術而得到極大擴展。
此外，基於深度學習方法的機器視覺系統對機器視覺核心部件的軟硬件水平 提出了更高要求，與深度學習算法相匹配的工業相機和圖像採集卡等機器視覺核 心部件的技術發展將成為機器視覺未來發展趨勢之一。
文章信息來源：AIOT大數據
如有侵權，請聯繫我們刪除
