机器视觉的研究内容和发展趋势
1.1研究内容：
机器视觉是用机器代替人眼进行目标对象的识别、判断和测量，主要研究用计算机来模拟人的视觉功能。机器视觉技术涉及目标对象的图像获取技术、对图像信息的处理技术以及对目标对象的测量和识别技术。
1.2发展趋势：
机器视觉是人类视觉的扩展和延伸。随着研究的不断深入，新的描述方式、求解手段的不断探索和创新以及微处理器性能的快速提高，机器视觉的研究必将会迎来一个更加繁荣的时代，机器视觉技术与产品将会被广泛地应用于更为复杂的场合。机器视觉的未来发展趋势主要包含以下几方面：
（1）多传感器信息融合方法研究
在机器视觉研究中，仅仅利用理想环境下获取的静止或瞬时视觉信息作为输入远不能满足认识复杂客观世界的要求。如果能将机器视觉、机器听觉、机器嗅觉、机器触觉等有机地结合起来，将多种信息相互融合，则有可能突破单一视觉信息的局限性。这里的融合不仅包括多传感器融合，还包括系统内部各信息通道的融合、系统模块的融合和各类信息处理方法的融合。
（2）深层初级视觉理论和方法研究
初级视觉是光学成像的逆问题，它研究从二维光强度阵列恢复三维可见表面物理性质的方法，包含一系列复杂的处理过程。因为各过程的输入数据及计算目的都是能够明确描述的，所以人们在这方面已研究了一些专用方法，如边缘检测、立体匹配、由运动恢复结构等。但由于三维世界投影成二维图像的过程中损失了很多信息，导致病态问题的产生，因此进一步加强对初级视觉过程及其约束条件的研究是十分重要的。
（3）主动视觉的研究
主动视觉是指观察者以确定的或不确定的方式运动，或通过转动视线来跟踪目标物体的技术和方法。在主动视觉中，观察者和目标物体也可同时运动。观察者的运动为研究目标的形状、距离和运动提供了附加条件。同时，主动视觉还可以在已知摄像机运动参数时，把一些原来的非线性问题转化成线性问题。主动视觉是
一个有发展前途的解决病态结构问题的研究方向。
（4）完整三维场景重建
现有三维场景重建理论和算法基本都局限于对目标“可视”部分的重构，如果用Marr视觉计算理论来说，还主要停留在2.5维表达上，这种表达仅提供了物体可见轮廓以内的三维信息。如何恢复物体完整表面的信息，即包括物体表面不可见部分，是一个复杂但也亟待解决的问题。
（5）视觉并行计算结构的研究
视觉本身具有内在的并行性，但要完成视觉并行计算还有许多理论上、算法上和技术上的问题要解决。视觉并行计算结构的一个发展趋势是在越来越大的结构中采用越来越小的处理单元，即实现由许多只能进行集中基本逻辑运算的简单处理单元组成庞大的网络，同时通过设计一些精巧的算法有效地利用并行性，提高视觉计算的速度。
（6）通过视觉信息系统的研究
机器视觉研究的一个重要目的是要建成各种视觉任务的通用视觉信息系统。从目前的研究水平和技术水平来看，在短期内建成可以类比于人类视觉系统的机器视觉系统的可能性不大。不过可以首相针对具体应用建立局部性的专用视觉系统，进而发展到更为完善的一般系统，这是达到上述最终目标的一条途径。
随着中国加工制造业的发展，对于机器视觉技术与产品的需求将逐步增多，机器视觉产品将更加丰富，检测技术水平不断提高，基于机器世界的自动化检测系统将广泛用于生产、生活的各个领域和场合。机器视觉系统将使人们的生产活动朝着更智能、更便捷的方向发展。
机器视觉技术发展现状 人类认识外界信息的80%来自于视觉，而机器视觉就是用机器代替人眼来做 测量和判断，机器视觉的最终目标就是使计算机像人一样，通过视觉观察和理解 世界，具有自主适应环境的能力。作为一个新兴学科，同时也是一个交叉学科，取“信息”的人工智能系统，其特点是可提高生产的柔性和自动化程度。目前机器视觉技术已经在很多工业制造领域得到了应用，并逐渐进入我们的日常生活。 机器视觉是通过对相关的理论和技术进行研究，从而建立由图像或多维数据中获机器视觉简介 机器视觉就是用机器代替人眼来做测量和判断。机器视觉主要利用计算机来模拟人的视觉功能，再现于人类视觉有关的某些智能行为，从客观事物的图像中提取信息进行处理，并加以理解，最终用于实际检测和控制。机器视觉是一项综合技术，其包括数字处理、机械工程技术、控制、光源照明技术、光学成像、传感器技术、模拟与数字视频技术、计算机软硬件技术和人机接口技术等，这些技术相互协调才能构成一个完整的工业机器视觉系统[1]。 机器视觉强调实用性，要能适应工业现场恶劣的环境，并要有合理的性价比、通用的通讯接口、较高的容错能力和安全性、较强的通用性和可移植性。其更强调的是实时性，要求高速度和高精度，且具有非接触性、实时性、自动化和智能 高等优点，有着广泛的应用前景[1]。 一个典型的工业机器人视觉应用系统包括光源、光学成像系统、图像捕捉系统、图像采集与数字化模块、智能图像处理与决策模块以及控制执行模块。通过 CCD或CMOS摄像机将被测目标转换为图像信号，然后通过A/D转换成数字信号传送给专用的图像处理系统，并根据像素分布、亮度和颜色等信息，将其转换成数字化信息。图像系统对这些信号进行各种运算来抽取目标的特征，如面积、 数量、位置和长度等，进而根据判别的结果来控制现场的设备动作[1]。 机器视觉一般都包括下面四个过程：
机器视觉的发展史 机器视觉技术是计算机学科的一个重要分支，自起步发展至今，机器视觉已经有20多年的历史，其功能以及应用范围随着工业自动化的发展逐渐完善和推广。 20世纪50年代开始研究二维图像的统计模式识别。 60年代Roberts开始进行三维机器视觉的研究。 70年代中，MIT人工智能实验室正式开设“机器视觉”的课程。 80年代开始，开始了全球性的研究热潮，机器视觉获得了蓬勃发展，新概念、新理论不断涌现。 初级阶段为1990～1998年，期间真正的机器视觉系统市场销售额微乎其微。主要的国际机器视觉厂商还没有进入中国市场。1990年以前，仅仅在大学和研究所中有一些研究图像处理和模式识别的实验室。在20世纪90年代初，一些来自这些研究机构的工程师成立了他们自己的视觉公司，开发了第一代图像处理产品，人们能够做一些基本的图像处理和分析工作。尽管这些公司用视觉技术成功地解决了一些实际问题，例如多媒体处理，印刷品表面检测，车牌识别等，但由于产品本身软硬件方面的功能和可靠性还不够好，限制了他们在工业应用中的发展潜力。另外，一个重要的因素是市场需求不大，工业界的很多工程师对机器视觉没有概念，另外很多企业也没有认识到质量控制的重要性。 第二阶段1998～2002年定义为机器视觉概念引入期。自从1998年，越来越多的电子和半导体工厂，包括香港和台湾投资的工厂，落户广东和上海。带有机器视觉的整套的生产线和高级设备被引入中国。随着这股潮流，一些厂商和制造商开始希望发展自己的视觉检测设备，这是真正的机器视觉市场需求的开始。设备制造商或OEM厂商需要更多来自外部的技术开发支持和产品选型指导，一些自动化公司抓住了这个机遇，走了不同于上面提到的图像公司的发展道路——做国际机器视觉供应商的代理商和系统集成商。他们从美国和日本引入最先进的成熟产品，给终端用户提供专业培训咨询服务，有时也和他们的商业伙伴一起开发整套的视觉检测设备。经过长期市场开拓和培育，不仅仅是半导体和电子行业，而且在汽车、食品、饮料、包装等行业中，一些顶级厂商开始认识到机器视觉对提升产品品质的重要作用。在此阶段，许多著名视觉设备供应商，如：Cognex, Basler , Data Translation, TEO,SONY开始接触中国市场寻求本地合作伙伴，但符合要求的本地合作伙伴寥若晨星。 第三阶段从2002年至今，我们称之为机器视觉发展期，从下面几点我们可以看到中国机器视觉的快速增长趋势： 1.在各个行业，越来越多的客户开始寻求视觉检测方案，机器视觉可以解决精确的测量问题和更好地提高他们的产品质量，一些客户甚至建立了自己的视觉部门。 2.越来越多的本地公司开始在他们的业务中引入机器视觉，一些是普通工控产品代理商，一些是自动化系统集成商，一些是新的视觉公司。虽然他们绝大多数尚没有充分的回报，但都一致认为机器视觉市场潜力很大。资深视觉工程师和实际项目经验的缺乏是他们面临的最主要的问题。 3.一些有几年实际经验的公司逐渐给自己定位，以便更好的发展机器视觉业务。他们或者继续提高采集卡、图像软件开发能力，或者试图成为提供工业现场方案或视觉检查设备的领袖厂商。单纯的代理仍然是他们业务的一部分，但他们已经
机器人视觉（Robot Vision）简介 机器视觉系统的组成 机器视觉系统是指用计算机来实现人的视觉功能，也就是用计算机来实现对客观的三维世界的识别。按现在的理解，人类视觉系统的感受部分是视网膜，它是一个三维采样系统。三维物体的可见部分投影到网膜上，人们按照投影到视网膜上的二维的像来对该物体进行三维理解。所谓三维理解是指对被观察对象的形状、尺寸、离开观察点的距离、质地和运动特征（方向和速度）等的理解。 机器视觉系统的输入装置可以是摄像机、转鼓等，它们都把三维的影像作为输入源，即输入计算机的就是三维管观世界的二维投影。如果把三维客观世界到二维投影像看作是一种正变换的话，则机器视觉系统所要做的是从这种二维投影图像到三维客观世界的逆变换，也就是根据这种二维投影图像去重建三维的客观世界。 机器视觉系统主要由三部分组成：图像的获取、图像的处理和分析、输出或显示。 将近80%的工业视觉系统主要用在检测方面，包括用于提高生产效率、控制生产过程中的产品质量、采集产品数据等。产品的分类和选择也集成于检测功能中。下面通过一个用于生产线上的单摄像机视觉系统，说明系统的组成及功能。 视觉系统检测生产线上的产品，决定产品是否符合质量要求，并根据结果，产生相应的信号输入上位机。图像获取设备包括光源、摄像机等；图像处理设备包括相应的软件和硬件系统；输出设备是与制造过程相连的有关系统，包括过程控制器和报警装置等。数据传输到计算机，进行分析和产品控制，若发现不合格品，则报警器告警，并将其排除出生产线。机器视觉的结果是CAQ系统的质量信息来源，也可以和CIMS其它系统集成。 图像的获取 图像的获取实际上是将被测物体的可视化图像和内在特征转换成能被计算机处理的一系列数据，它主要由三部分组成： ＊照明 ＊图像聚焦形成 ＊图像确定和形成摄像机输出信号
2 机器视觉系统概述 2.1 机器视觉的概念 美国制造工程师协会（SME Society of Manufacturing Engineers）机器视觉分会和美国机器人工业协会（RIA Robotic Industries Association）的自动化视觉分会对机器视觉下的定义为：“机器视觉是通过光学的装置和非接触的传感器自动地接收和处理一个真实物体的图像，以获得所需信息或用于控制机器人运动的装置”。 在现代工业自动化生产中，涉及到各种各样的检验、生产监视及零件识别应用，例如零配件批量加工的尺寸检查，自动装配的完整性检查，电子装配线的元件自动定位，IC上的字符识别等。通常人眼无法连续、稳定地完成这些带有高度重复性和智能性的工作，其它物理量传感器也难有用武之地。由此人们开始考虑利用光电成像系统采集被控目标的图像，而后经计算机或专用的图像处理模块进行数字化处理，根据图像的像素分布、亮度和颜色等信息，来进行尺寸、形状、颜色等的判别。这样，就把计算机的快速性、可重复性，与人眼视觉的高度智能化和抽象能力相结合，由此产生了机器视觉的概念。 工业线扫描相机系统 一个成功的机器视觉系统是一个经过细致工程处理来满足一系列明确要求的系统。 当这些要求完全确定后，这个系统就设计并建立来满足这些精确的要求。机器视觉的优点包括以下几点： ■精度高 作为一个精确的测量仪器，设计优秀的视觉系统能够对一千个或更多部件的一个进行空间测量。因为此种测量不需要接触，所以对脆弱部件没有磨损和危险。 ■连续性
视觉系统可以使人们免受疲劳之苦。因为没有人工操作者，也就没有了人为造成的操作变化。多个系统可以设定单独运行。 ■成本效率高 随着计算机处理器价格的急剧下降，机器视觉系统成本效率也变得越来越高。一个价值10000美元的视觉系统可以轻松取代三个人工探测者，而每个探测者每年需要20000美元的工资。另外，视觉系统的操作和维持费用非常低。 ■灵活性 视觉系统能够进行各种不同的测量。当应用变化以后，只需软件做相应变化或者升级以适应新的需求即可。 许多应用满意过程控制（SPC）的公司正在考虑应用机器视觉系统来传递持续的、协调的和精确的测量SPC命令。在SPC中，制造参数是被持续监控的。整个过程的控制就是要保证这些参数在一定的范围内。这使制造者在生产过程失去控制或出现坏部件 时能够调节过程参数。 机器视觉系统比光学或机器传感器有更好的可适应性。它们使自动机器具有了多样性、灵活性和可重组性。当需要改变生产过程时，对机器视觉来说“工具更换”仅仅是软件的变换而不是更换昂贵的硬件。当生产线重组后，视觉系统往往可以重复使用。 2.2 机器视觉系统的构成 机器视觉技术用计算机来分析一个图像，并根据分析得出结论。现今机器视觉有两种应用。机器视觉系统可以探测部件，在此光学器件允许处理器更精确的观察目标并对哪些部件可以通过哪些需要废弃做出有效的决定；机器视觉也可以用来创造一个部件，即运用复杂光学器件和软件相结合直接指导制造过程。 尽管机器视觉应用各异，但都包括以下几个过程； ■图像采集 光学系统采集图像，图像转换成模拟格式并传入计算机存储器。 ■图像处理 处理器运用不同的算法来提高对结论有重要影响的图像要素。 ■特性提取 处理器识别并量化图像的关键特性，例如印刷电路板上洞的位置或者连接器上引脚的个数。然后这些数据传送到控制程序。 ■判决和控制
机器视觉 市场调研报告 营业部:李凯丽 2015年9月2日
机器视觉技术是一项新兴产业，自起步发展至今，机器视觉在中国经历了三个发展阶段，其功能以及应用范围随着工业自动化的发展也在逐渐完善和推广。而在世界范围内，机器视觉已经为人类解决了许多重大问题，由于机器视觉自身领域的特点，目前应用于工业、农业、交通运输业、新兴行业等多领域，创造了人工无法比拟的经济和社会价值。本文从机器视觉的发展、机器视觉的应用领域、竞争状态、市场规模和预测等多方面，调研了机器视觉行业的发展状态，为公司投资机器视觉领域提供了参考依据。 关键词：机器视觉、市场规模、竞争、前景
第一章机器视觉发展背景 (3) 1.1 机器视觉综述 (3) 1.1.1 机器视觉定义及组成 (3) 1.1.2 行业发展阶段 (5) 1.1.3 机器视觉特点及应用优点 (6) 1.2 机器视觉行业发展特性 (7) 1.3 产业链分析 (8) 1.4 行业发展环境分析 (9) 1.4.1 行业政策环境 (9) 1.4.2 行业技术环境分析 (10) 第二章国际机器视觉行业发展趋势和现状 (11) 2.1 市场发展规模 (11) 2.1.1 产业发展历程 (11) 2.1.2 应用现状分析 (12) 2.1.3 产业市场规模和格局 (13) 2.2 行业分布状况和发展趋势 (14) 2.2.1 产业地区分布情况 (14) 2.2.2 发展趋势预测 (16) 第三章中国机器视觉行业的发展现状和趋势 (18) 3.1 发展现状及市场规模 (18) 3.1.1 产业发展历程 (18) 3.1.2 市场规模 (19) 3.2 行业竞争现状 (21) 3.2.1 行业竞争主体 (21) 3.2.2 企业分布状况 (26) 3.3 发展趋势 (27) 第四章机器视觉的应用 (29) 4.1 应用领域分布 (29) 4.2 机器视觉在各行业的应用情况 (30) 4.2.1 在工业领域中的应用 (30) 4.2.2 在农业领域中的应用 (34) 4.2.3 在医药行业中的应用 (36) 4.2.4 在交通领域中的应用 (37) 第五章机器视觉行业发展前景与投资建议 (39) 5.1 发展前景及进入壁垒 (39) 5.2 投资机会和风险 (41)
中国机器视觉行业发展现状与前景分析 机器视觉就是用机器来代替人眼做测量和判断的系统，它通过光学装置和非接触传感器自动获取目标对象的图像，并由图像处理设备根据所得图像的像素分布、亮度和颜色等信息进行各种运算处理和判别分析，以提取所需的特征信息或根据判别分析结果对某些现场设备进行运动控制。机器视觉系统中的图像处理设备一般都采用计算机，所以机器视觉有时也称为计算机视觉。 机器视觉行业的上游有光源、镜头、工业相机、图像采集卡、图像处理软件等的提供商。行业下游应用较广，主要下游市场是半导体和电子制造行业。除此之外还有应用到汽车、印刷包装、烟草、农业、医药和交通等领域。 图表1：机器视觉行业链示意图 资料来源：前瞻产业研究院 前瞻产业研究院发布的《2014-2018年中国机器视觉产业发展前景与投资预测分析报告》数据显示，2010年是中国机器视觉市场爆发增长的一年。行业经过了4-5年的孕育和积累，经济增长回暖，行业实现48%的快速增长。2010年，机器视觉市场高速增长的主要原因在于：电子制造、市政交通、汽车、食品和包装机械等众多行业需求的大幅增长带来包括机器视觉在内的自动化产品的需求增长；政策性因素和内生式复苏带来的增长在市政交通、汽车和电子制造行业表现明显。 从行业应用来看，电子制造行业仍然是拉动需求高速增长的主要因素。2010年机器视觉产品电子制造行业的市场规模为3.7亿人民币，增长60.9%，市份额达到了43.6%。汽车和市政交通的市场规模增长更是高达66.7%和63.2%。电子制造、汽车制造和市政交通行业占据了2/3以上的机器视觉市场份额。
2011年以来，制造行业发展环境不佳，机器视觉也增速态势下滑，2012年行业市场规模约12.5亿元。 图表2：2007-2012年我国机器视觉行业市场规模及增长率（单位：亿元，%） 资料来源：前瞻产业研究院 目前在我国随着配套基础建设的完善，技术、资金的积累，各行各业对采用图像和机器视觉技术的工业自动化、智能需求开始广泛出现，国内有关大专院校、研究所和企业近两年在图像和机器视觉技术领域进行了积极思索和大胆的尝试，逐步开始了工业现场的应用。 其主要应用于制药、印刷、矿泉水瓶盖检测等领域。这些应用大多集中在如药品检测分装、印刷色彩检测等。真正高端的应用还很少，因此，以上相关行业的应用空间还比较大。当然、其他领域如指纹检测等等领域也有着很好的发展空间。 分别按照20%，25%以及30%的增长率，2013-2018年我国机器视觉行业市场规模增长情况如下，乐观估计可达到60.3亿元。 图表3：2013-2018年我国机器视觉行业市场规模预测（单位：亿元，%）
机器视觉入门知识详解 随着工业4.0时代的到来，机器视觉在智能制造业领域的作用越来越重要，为了能让更多用户获取机器视觉的相关基础知识，包括机器视觉技术是如何工作的、它为什么是实现流程自动化和质量改进的正确选择等。小编为你准备了这篇机器视觉入门学习资料。 机器视觉是一门学科技术，广泛应用于生产制造检测等工业领域，用来保证产品质量，控制生产流程，感知环境等。机器视觉系统是将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。 机器视觉优势：机器视觉系统具有高效率、高度自动化的特点，可以实现很高的分辨率精度与速度。机器视觉系统与被检测对象无接触，安全可靠。人工检测与机器视觉自动检测的主要区别有：
为了更好地理解机器视觉，下面，我们来介绍在具体应用中的几种案例。 啤酒厂采用的填充液位检测系统为例来进行说明： 当每个啤酒瓶移动经过检测传感器时，检测传感器将会触发视觉系统发出频闪光，拍下啤酒瓶的照片。采集到啤酒瓶的图像并将图像保存到内存后，视觉软件将会处理或分析该图像，并根据啤酒瓶的实际填充液位发出通过-未通过响应。如果视觉系统检测到一个啤酒瓶未填充到位，即未通过检测，视觉系统将会向转向器发出信号，将该啤酒瓶从生产线上剔除。操作员可以在显示屏上查看被剔除的啤酒 瓶和持续的流程统计数据。
机器人视觉引导玩偶定位应用： 现场有两个振动盘，振动盘1作用是把玩偶振动到振动盘2中，振动盘2作用是把玩偶从反面振动为正面。该应用采用了深圳视觉龙公司VD200视觉定位系统，该系统通过判断玩偶正反面，把玩偶处于正面的坐标值通过串口发送给机器人，机器人收到坐标后运动抓取产品，当振动盘中有很多玩偶处于反面时，VD200视觉定位系统需判断反面玩偶数量，当反面玩偶数量过多时，VD200视觉系统发送指令给振动盘2把反面玩偶振成正面。 该定位系统通过玩偶表面的小孔来判断玩偶是否处于正面，计算出玩偶中心点坐标，发送给机器人。通过VD200视觉定位系统实现自动上料，大大减少人工成本，大幅提高生产效率。 视觉检测在电子元件的应用：
机器视觉这个行业的发展前景怎么样机器视觉已经出现在了很多领域，那么这个行业的前景怎么样呢?下文是一篇关于机器视觉行业的相关分析，小编个人觉得写得不错，故在此想跟大家分享一下。 基于计算机视觉与深度学习的人脸检测、人脸识别正在从安防、商业、金融、家居等各个领域不断迅速地、广泛而深入地介入到人们的生活中，但是对于传统人脸识别解决方案仍存在准确率不高、漏抓误报较多、人脸抓拍不清晰、图像质量不理想等问题，还是无法满足一些商业需求。 机器视觉产业链 机器视觉在生活中的的应用及其广泛，在交通领域、水文观测、地质灾害预警识别等领域，都发挥着重要的作用。而宏观上看，发展速度较快的细分产业是人脸识别与图像识别。这两个分支行业，在金融、安防以及交通领域较为集中。
这些细分领域的投资者，大多都具有自身技术优势，并将为各类场景提供应用解决方案来盈利。 机器视觉可说是工业自动化系统的灵魂之窗，从物件/条码辨识、产品检测、外观尺寸量测到机械手臂/传动设备定位，都是机器视觉技术可以发挥的舞台。而为了因应层出不穷的新应用需求，工业相机的设计也出现新的发展方向。 国内机器视觉发展历史 我国机器视觉行业的起步比较晚，集中度也不是很高，最开始主要是代理国外品牌。近几年，很多的经销商开始自主开发产品，但在行业分布、渠道分销以及成熟的自动化产品等方面还是和国外有一定差距。国内机器视觉的相对成熟的自动化产品质量以及技术含量偏低，市场也远远没有饱和。 机器视觉企业大体可以分为层开发厂商、二次开发厂商和产品代理商。国内机器视觉企业主要为国外机器视觉产品代理商和系统二次开发厂商。目前进入我国机器视觉市场的国外品牌有100多家，我国本土的企业负责销售代理的企业有200多家，专业的系统集成商超过50家。我国真正的专业机器视觉底层厂商凤毛麟角，本土机器视觉系统厂商和机器视觉系统元器件生产商不多。 许多跨国公司开始在中国建立自己的分支机构。一般他们会在北京、上海、广州、深圳等建立自己在中国的分支机构，来管理关键的客户以及向合作伙伴提供技术和商务支持。 视觉行业企业数量
机器视觉基本概念 2018.1.29 机器视觉系统 作用：利用机器代替人眼来做各种测量和判断。 它是计算机学科的一个重要分支，它综合了光学、机械、电子、计算机软硬件等方面的技术，涉及到计算机、图像处理、模式识别、人工智能、信号处理、光机电一体化等多个领域。 机器视觉系统的特点：是提高生产的柔性和自动化程度。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。而且机器视觉易于实现信息集成，是实现计算机集成制造的基础技术。可以在最快的生产线上对产品进行测量、引导、检测、和识别，并能保质保量的完成生产任务 视觉检测：指通过机器视觉产品（即图像摄取装置，分CMOS 和CCD 两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。是用于生产、装配或包装的有价值的机制。它在检测缺陷和防止缺陷产品被配送到消费者的功能方面具有不可估量的价值。 照明 照明是影响机器视觉系统输入的重要因素，它直接影响输入数据的质量和应用效果。由于没有通用的机器视觉照明设备，所以针对每个特定的应用实例，要选择相应的照明装置，以达到最佳效果。 光源可分为可见光和不可见光。常用的几种可见光源是白帜灯、日光灯、水银灯和钠光灯。可见光的缺点是光能不能保持稳定。如何使光能在一定的程度上保持稳定，是实用化过程中急需要解决的问题。另一方面，环境光有可能影响图像的质量，所以可采用加防护屏的方法来减少环境光的影响。 照明系统按其照射方法可分为：背向照明、前向照明、结构光和频闪光照明等。其中，背向照明是被测物放在光源和摄像机之间，它的优点是能获得高对比度的图像。前向照明是光源和摄像机位于被测物的同侧，这种方式便于安装。结构光照明是将光栅或线光源等投射到被测物上，根据它们产生的畸变，解调出被测物的三维信息。频闪光照明是将高频率的光脉冲照射到物体上，摄像机拍摄要求与光源同步。 镜头 FOV（Field of Vision）=所需分辨率*亚象素*相机尺寸/PRTM（零件测量公差比） 镜头选择应注意： ①焦距②目标高度③影像高度④放大倍数⑤影像至目标的距离⑥中心点/节点⑦畸变
机器视觉市场调研报告
机器视觉技术是一项新兴产业，自起步发展至今，机器视觉在中国经历了三个发展阶段，其功能以及应用范围随着工业自动化的发展也在逐渐完善和推广。而在世界范围内，机器视觉已经为人类解决了许多重大问题，由于机器视觉自身领域的特点，目前应用于工业、农业、交通运输业、新兴行业等多领域，创造了人工无法比拟的经济和社会价值。本文从机器视觉的发展、机器视觉的应用领域、竞争状态、市场规模和预测等多方面，调研了机器视觉行业的发展状态，为公司投资机器视觉领域提供了参考依据。 关键词：机器视觉、市场规模、竞争、前景
第一章机器视觉发展背景 (3) 1.1 机器视觉综述 (3) 1.1.1 机器视觉定义及组成 (3) 1.1.2 行业发展阶段 (5) 1.1.3 机器视觉特点及应用优点 (6) 1.2 机器视觉行业发展特性 (7) 1.3 产业链分析 (8) 1.4 行业发展环境分析 (9) 1.4.1 行业政策环境 (9) 1.4.2 行业技术环境分析 (10) 第二章国际机器视觉行业发展趋势和现状 (11) 2.1 市场发展规模 (11) 2.1.1 产业发展历程 (11) 2.1.2 应用现状分析 (12) 2.1.3 产业市场规模和格局 (13) 2.2 行业分布状况和发展趋势 (14) 2.2.1 产业地区分布情况 (14) 2.2.2 发展趋势预测 (16) 第三章中国机器视觉行业的发展现状和趋势 (18) 3.1 发展现状及市场规模 (18) 3.1.1 产业发展历程 (18) 3.1.2 市场规模 (19) 3.2 行业竞争现状 (21) 3.2.1 行业竞争主体 (21) 3.2.2 企业分布状况 (26) 3.3 发展趋势 (27) 第四章机器视觉的应用 (29) 4.1 应用领域分布 (29) 4.2 机器视觉在各行业的应用情况 (30) 4.2.1 在工业领域中的应用 (30) 4.2.2 在农业领域中的应用 (34) 4.2.3 在医药行业中的应用 (36) 4.2.4 在交通领域中的应用 (37) 第五章机器视觉行业发展前景与投资建议 (39) 5.1 发展前景及进入壁垒 (39) 5.2 投资机会和风险 (41)
机器视觉的应用及发展 一台机器为什么能看到你？因为它有了自己的视觉。机器视觉技术是一门涉及人工智能、神经生物学、心理物理学、计算机科学、图像处理、模式识别等诸多领域的交叉学科。机器视觉主要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，最终用于实际检测、测量和控制，技术最大的特点是速度快、信息量大、功能多。机器视觉主要用计算机来模拟人的视觉功能，但并不仅仅是人眼的简单延伸，更重要的是具有人脑的一部分功能一一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。一个典型的工业机器视觉应用系统，包括数字图像处理技术、机械工程技术、控制技术、光源照明技术、光学成像技术、传感器技术、模拟与数字视频技术、计算机软硬件技术、人机接口技术等。 全球应用情况 在国外，机器视觉的应用普及主要体现在半导体及电子行业，其中大概40%-50%都集中在半导体行业。机器视觉系统还在质量检测的各个方面已经得到了广泛的应用，并且其产品在应用中占据着举足轻重的地位。除此之外，机器视觉还用于其他各个领域。 而在中国，视觉技术的应用开始于90年代，因为行业本身就属于新兴的领域，再加之机器视觉产品技术的普及不够，导致以上各行业的应用几乎空白。目前国内机器视觉大多为国外品牌像德国的basler、SONY、美国TEO等随着机器视觉的不断应用，公司规模慢慢做大，技术上已经逐渐成熟。 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。例如在物流行业，可以使用机器视觉技术进行快递的分拣分类，不会出现大多快递公司人工进行分拣，减少物品的损坏率，可以提高分拣效率，减少人工劳动。 主要问题和发展瓶颈 机器视觉可以看作是与人工智能和模式识别密切相关的一个子学科或子领域。限制机器视觉发展的瓶颈是多方面的，其中最重要的可以归结为三个方面：计算能力不足、认知理论未明以及精确识别与模糊特征之间的自相矛盾。 1.机器视觉面向的研究对象主要是图像和视频，其特点是数据量庞大、冗余信息多、特征空间维度高，同时考虑到真正的机器视觉面对的对象和问题的多样性，单一的简单特征提取算法（如颜色、空间朝向与频率、边界形状等等）难以满足算法对普适性的要求，因此在设计普适性的特征提取算法时对计算能力和存储速度的要求是十分巨大的，这就造成了开发成本的大幅度提高。 2. 如何让机器认知这个世界？这一问题目前没有成熟的答案，早期的人工智能理论发展经历了符号主义学派、行为主义学派、连接主义学派等一系列的发展但都没有找到令人满意的答案，目前较新的思想认为应该从分析、了解和模拟人类
机器视觉系统的５个主要组成结构介绍 从机器视觉系统字面意思就可看出主要分为三部分：机器、视觉和系统。机器负责机械的运动和控制；视觉通过照明光源、工业镜头、工业相机、图像采集卡等来实现；系统主要是指软件，也可理解为整套的机器视觉设备。下面我们重点说下机器视觉系统中的五大模块： 1.机器视觉光源（即照明光源） 照明光源作为机器视觉系统输入的重要部件，它的好坏直接影响输入数据的质量和应用效果。由于没有通用的机器视觉照明设备，所以针对每个特定的应用实例，要选择相应的视觉光源，以达到最佳效果。常见的光源有：LED环形光源、低角度光源、背光源、条形光源、同轴光源、冷光源、点光源、线型光源和平行光源等。 2.工业镜头 镜头在机器视觉系统中主要负责光束调制，并完成信号传递。镜头类型包括：标准、远心、广角、近摄和远摄等，选择依据一般是根据相机接口、拍摄物距、拍摄范围、CCD尺寸、畸变允许范围、放大率、焦距和光圈等。 3.工业相机 工业相机在机器视觉系统中最本质功能就是将光信号转变为电信号，与普通相机相比，它具有更高的传输力、抗干扰力以及稳定的成像能力。按照不同标准可有多种分类：按输出信号方式，可分为模拟工业相机和数字工业相机；按芯片类型不同，可分CCD工业相机和CMOS工业相机，这种分类方式最为常见。 4.图像采集卡 图像采集卡虽然只是完整机器视觉系统的一个部件，但它同样非常重要，直接决定了摄像头的接口：黑白、彩色、模拟、数字等。比较典型的有PCI采集卡、1394采集卡、VGA 采集卡和GigE千兆网采集卡。这些采集卡中有的内置多路开关，可以连接多个摄像机，同时抓拍多路信息。 5.机器视觉软件
国内机器视觉的发展现状 机器视觉是最近几年新发展起来的新兴技术领域,通过利用计算机模拟人的视觉能力来进行判断和识别,它是机器人、智能装备以及自动化领域至关重要不可或缺的技术之一。 目前国内的机器视觉技术和国外相比还相对落后,关键的技术设备还依赖于进口。国内大部分的机器视觉公司都集中在系统集成领域。国内机器视觉市场需求凸显,而国内机器视觉技术的滞后已无法满足国内市场的需求。 机器视觉应用主要包括表面缺陷检测、产品尺寸测量、机器人视觉定位、视觉目标识别这个四大类: 表面质量的检测至关重要,产品的表面缺陷不仅影响产品外观本身,还将对产品使用性能产生影响,比如做易拉罐的镀锡板,如果表面有微小的孔洞;卫生用无纺布表面有污点;液晶玻璃面板表面有结晶;太阳能电池片有断栅或隐裂等。 现代化高速的生产线,人眼无法识别或效率较低,还有高额的人工成本,都迫使生产企业进行变革,引入表面视觉检测系统,让机器来替代人工检测,大幅提高生产检测效率。 产品尺寸测量大部分应用于机械加工制造领域,现代机械加工技术精益求精,大规模批量化生产,通过构建机器视觉系统,对产品外观尺寸进行检测处理,发现不合格进行剔除。随着机械加工现代化水平的日益发展,视觉尺寸检测不可或缺。
视觉图像识别技术应用广泛,互联网中的人脸识别、交通防中的车牌识别、商品中二维码条码识别、ocr文字识别等。相比视觉检测和视觉测量,视觉图像识别技术相对成熟。 机器视觉定位系统主要应用机器人视觉引导,机器视觉给机器人装上大脑和眼睛,通过视觉系统引导机器人做各种不同的姿态和动作,机器人与机器视觉的融合将是未来智能装备发展的重要领域。 从整个国内机器视觉发展来看,国产化程度不高,机器视觉硬件设备核心零部件主要依靠进口。机器人技术和国外相比不仅是价格上的差距。系统集成企业以中小型企业为主,大部分企业一方面代理国外设备,一方面进行系统集成,真正投入的研发力量非常有限。 国内机器视觉无疑是个处于上升时期的朝阳产业,2025中国制造大战略政策支持下,机器视觉企业将加大投入力量,促进国内机器视觉技术的快速发展。 本文作者:大军闲谈
2017年机器视觉行业现状及发展趋势展望报告 (此文档为word格式，可任意修改编辑！） 2017年8月
一、作为人工智能重要分支，机器视觉备受关注 (5) 1.1 机器视觉：人工智能范畴最重要的前沿分支之一 (6) 1.2 事件频频：国内外企业前瞻性布局机器视觉领域 (8) 1.3 特性分析：三方面优势树立机器视觉的“重中之重” (11) 二、机器视觉在应用方面具有广泛性 (13) 2.1 应用广泛：高度扩展应用属性可满足不同诉求 (13) 2.2 智能制造领域：机器视觉取代重复劳动，大幅提高作业效率 (14) 2.3 扫地机器人领域：机器视觉与激光雷达导航，共同引领行业未来 (16) 2.4 无人驾驶汽车领域：机器视觉是多传感器融合中的必备技术模块 (21) 2.5 新兴服务机器人领域：机器视觉是智能装备环境交互的重要基础 (25) 2.6 定制化消费、智能安防等领域：实现身份识别功能，想象空间巨大. 30 三、机器视觉在技术方面具有独特性 (32) 3.1 机器视觉识别物体：唯一非接触式识别物体的前沿技术 (32) 3.2 智能生活领域技术案例：Mobileye行人检测技术与测距技术 (34) 3.3 智能制造领域技术案例：基于机器视觉的工业机器人定位技术 (38) 四、机器视觉在硬件方面具有经济性 (38) 4.1 智能生活领域：低硬件依赖程度保证产品成本高度可控 (39) 4.2 智能制造领域：硬件成本相对较低，属技术密集型产业 (41) 五、机器视觉技术背后的行业趋势 (44) 5.1 未来：机器视觉能在多个领域灵活展开关键性应用 (44) 5.2 智能生活领域：技术团队群雄割据，终端优秀品牌或抢占先机 (45) 5.3 智能制造领域：中国市场将成主要增长点，国内企业竞相布局 (47) 六、相关建议及风险提示 (50)
机器视觉 机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品（即图像摄取装置，分CMOS和CCD两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。 发展折叠 如今，中国正成为世界机器视觉发展最活跃的地区之一，应用范围涵盖了工业、农业、医药、军事、航天、气象、天文、公安、交通、安全、科研等国民经济的各个行业。其重要原因是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。 经历过长期的蛰伏，2010年中国机器视觉市场迎来了爆发式增长。数据显示当年，中国机器视觉市场规模达到8.3亿元，同比增长48.2%，其中智能相机、软件、光源和板卡的增长幅度都达到了50%，工业相机和镜头也保持了40%以上的增幅，皆为2007年以来的最高水平。 2011年，中国机器视觉市场步入后增长调整期。相较2010年的高速增长，虽然增长率有所下降，但仍保持很高的水平。2011年中国机器视觉市场规模为10.8亿元，同比增长30.1%，增速同比2010年下降18.1个百分点，其中智能相机、工业相机、软件和板卡都保持了不低于30%的增速，光源也达到了28.6%的增长幅度，增幅远高于中国整体自动化市场的增长速度。电子制造行业仍然是拉动需求高速增长的主要因素。2011年机器视觉产品电子制造行业的市场规模为5.0亿人民币，增长35.1%。市份额达到了46.3%。电子制造、汽车、制药和包装机械占据了近70%的机器视觉市场份额。 概述折叠编辑本段 机器视觉(Machine vision) 机器视觉系统的特点是提高生产的柔性和自动化程度。在一些不视觉系统工作原理简图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;
机器视觉的研究内容和发展趋势 1.1研究内容： 机器视觉是用机器代替人眼进行目标对象的识别、判断和测量，主要研究用计算机来模拟人的视觉功能。机器视觉技术涉及目标对象的图像获取技术、对图像信息的处理技术以及对目标对象的测量和识别技术。 1.2发展趋势： 机器视觉是人类视觉的扩展和延伸。随着研究的不断深入，新的描述方式、求解手段的不断探索和创新以及微处理器性能的快速提高，机器视觉的研究必将会迎来一个更加繁荣的时代，机器视觉技术与产品将会被广泛地应用于更为复杂的场合。机器视觉的未来发展趋势主要包含以下几方面： （1）多传感器信息融合方法研究 在机器视觉研究中，仅仅利用理想环境下获取的静止或瞬时视觉信息作为输入远不能满足认识复杂客观世界的要求。如果能将机器视觉、机器听觉、机器嗅觉、机器触觉等有机地结合起来，将多种信息相互融合，则有可能突破单一视觉信息的局限性。这里的融合不仅包括多传感器融合，还包括系统内部各信息通道的融合、系统模块的融合和各类信息处理方法的融合。 （2）深层初级视觉理论和方法研究 初级视觉是光学成像的逆问题，它研究从二维光强度阵列恢复三维可见表面物理性质的方法，包含一系列复杂的处理过程。因为各过程的输入数据及计算目的都是能够明确描述的，所以人们在这方面已研究了一些专用方法，如边缘检测、立体匹配、由运动恢复结构等。但由于三维世界投影成二维图像的过程中损失了很多信息，导致病态问题的产生，因此进一步加强对初级视觉过程及其约束条件的研究是十分重要的。 （3）主动视觉的研究 主动视觉是指观察者以确定的或不确定的方式运动，或通过转动视线来跟踪目标物体的技术和方法。在主动视觉中，观察者和目标物体也可同时运动。观察者的运动为研究目标的形状、距离和运动提供了附加条件。同时，主动视觉还可以在已知摄像机运动参数时，把一些原来的非线性问题转化成线性问题。主动视觉是
国际机器视觉产业发展现状与趋势 一、国际机器视觉产业市场规模 1.产业发展历程 机器视觉的概念起始于20世纪60年代，最先的应用来自"机器人"的研制。最早基于视觉的机器系统，先由视觉系统采集图像并进行处理，然后通过计算估计目标的位置来控制机器运动。1979年提出了视觉伺服（VisualServo）概念，即可以将视觉信息用于连续反馈，提高视觉定位或追踪的精度。 20世纪50年代：主要集中在二维图像的简单分析和识别上，如字符识别，工件表面、显微图片和航空图片的分析和解释等． 60年代：MIT(MassachusettsInstituteofTechnology)的Roberts通过计算机程序从数字图像中提取出诸如立方体、楔形体、棱柱体等多面体的三维结构，并对物体形状及物体的空间关系进行描述．他的研究工作开创了以理解三维场景为目的的三维计算机视觉研究。 70年代:首次提出较为完整的视觉理论，已经出现了一些视觉应用系统．70年代中期，MIT人工智能(ArtificialIntelligence)实验室正式开设"机器视觉"课程。1973年MITAILab吸引了国际上许多知名学者参与视觉理论、算法、系统设计的研究，D.Marr教授就是其中的一位．他于1973年应邀在MITAILab领导一个以博士生为主体的研究小组，1977年提出了视觉计算理论(VisionComputationalTheory)，该理论在80年代成为计算机视觉领域中的一个十分重要的理论框架。 80年代中期：计算机视觉获得蓬勃发展，新概念、新方法、新理论不断涌现。我国早期正式介绍计算机视觉的文献：计算机视觉：一个兴起的研究领域，计算机应用与软件，1984年第3期。 90年代中期：深入发展、广泛应用的时期。 2.应用现状分析 随着微处理器、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，国外机器视觉于20世纪90年代进入高速发展期，广泛运用于工业控制领域。
中国机器视觉未来发展趋势及特性 机器视觉自起步发展到现在，已有15年的发展历史。目前全球整个视觉市场总量大概在60~70亿美元，是按照每年8.8%的增长速度增长的。而在中国，这个数字目前看来似乎有些庞大，但是随着加工制造业的发展，中国对于机器视觉的需求将承上升趋势。在国外，机器视觉的应用普及主要体现在半导体及电子行业，其中大概40%-50%都集中在半导体行业。具体如PCB印刷电路，SMT表面贴，电子生产加工设备：电子组件制造设备、半导体及集成电路制造设备、元器件成型设备、电子工模具。机器视觉系统还在质量检测的各个方面已经得到了广泛的应用，并且其产品在应用中占据着举足轻重的地位。除此之外，机器视觉还用于其他各个领域。 而在中国，以上行业本身就属于新兴的领域，再加之机器视觉产品技术的普及不够，只是低端方面的应用。目前在我国随着配套基础建设的完善，技术、资金的积累，各行各业对采用图像和机器视觉技术的工业自动化、智能化需求开始广泛出现，国内有关大专院校、研究所和企业近两年在图像和机器视觉技术领域进行了积极思索和大胆的尝试，逐步开始了工业现场的应用。其主要应用于制药、印刷、矿泉水瓶盖检测等领域。这些应用大多集中在如药品检测分装、印刷色彩检测等。真正高端的应用还很少，因此，以上相关行业的应用空间还比较大。当然、其他领域如指纹检测等等领域也有着很好的发展空间。 中国机器视觉未来发展趋势在机器视觉赖以普及发展的诸多因素中，有技术层面的，也有商业层面的，但制造业的需求是决定性的。制造业的发展，带来了对机器视觉需求的提升；也决定了机器视觉将由过去单纯的采集、分析、传递数据，判断动作，逐渐朝着开放性的方向发展，这一趋势也预示着机器视觉将与自动化更进一步的融合。未来，中国机器视觉发展主要表现为以下一些特性： 1 随着产业化的发展对机器视觉的需求将呈上升趋势，机器视觉发展空间较大的部分在半导体和电子行业；国家加大对集成电路产业这一战略领域的规划力度，“信息化带动工业化”，
1.（C）是自然语言处理的重要应用，也可以说是最基础的应用。（3.0分） A.文本识别 B.机器翻译 C.文本分类 D.问答系统 2.（B）是人工智能的核心，是使计算机具有智能的主要方法，其应用遍及人工智能的各个领域。（ 3.0分） A.深度学习 B.机器学习 C.人机交互 D.智能芯片 3.关于专用人工智能与通用人工智能，下列表述不当的是（D）。（3.0分） A.人工智能的近期进展主要集中在专用智能领域 B.专用人工智能形成了人工智能领域的单点突破，在局部智能水平的单项测试中可以超越人类智能 C.通用人工智能可处理视觉、听觉、判断、推理、学习、思考、规划、设计等各类问题 D.真正意义上完备的人工智能系统应该是一个专用的智能系统 4.生物特征识别技术不包括（A）。（3.0分） A.体感交互 B.指纹识别
D.虹膜识别 5.（B），中共中央政治局就人工智能发展现状和趋势举行第九次集体学习。（3.0分） A.2018年3月15日 B.2018年10月31日 C.2018年12月31日 D.2019年1月31日 6.（A）是通过建立人工神经网络，用层次化机制来表示客观世界，并解释所获取的知识，例如图像、声音和文本。（3.0分） A.深度学习 B.机器学习 C.人机交互 D.智能芯片 7.下列选项中，不属于生物特征识别技术的是（C）。（3.0分） A.步态识别 B.声纹识别 C.文本识别 D.虹膜识别 8.（A）是指直接通过肢体动作与周边数字设备和环境进行交互。（3.0分）
B.指纹识别 C.人脸识别 D.虹膜识别 9.下列对人工智能芯片的表述，不正确的是（C）。（3.0分） A.一种专门用于处理人工智能应用中大量计算任务的芯片 B.能够更好地适应人工智能中大量矩阵运算 C.目前处于成熟高速发展阶段 D.相对于传统的CPU处理器，智能芯片具有很好的并行计算性能 10.立体视觉是（D）领域的一个重要课题，它的目的在于重构场景的三维几何信息。（3.0分） A.人机交互 B.虚拟现实 C.自然语言处理 D.计算机视觉 1.量子计算加速人工智能的好处包括（ABCD）。（4.0分） A.处理速度快 B.所需数据量更小 C.处理能力强