机器视觉应用的优势体现在（机器视觉应用的优势体现在哪里）

从科学上讲，人眼可以感知的电磁波波长范围为390至770nm。机器视觉是一种将图像转换为数字信号进行分析和处理的技术，使机器具有人眼无法企及的视觉功能。非常适合不适合人类工作的危险任务或人眼无法满足要求的情况。

什么是机器视觉？

理解机器视觉系统最简单的方法之一就是将其视为机器的眼睛。从专业角度来看，机器视觉是一种通过图像处理实现自动检测和分析应用的技术。可以说，机器视觉是以新的方式集成现有技术并应用其解决现实问题的技术能力。

机器视觉是一门系统工程学科，有时会与计算机视觉进行比较。事实上，计算机视觉和机器视觉是重叠的技术。机器视觉系统需要计算机和特定的软件和硬件才能工作，而计算机视觉不需要有形硬件，例如连接到机器人的视觉盒或相机。这是两者之间最显着的区别。机器视觉可以看作计算机视觉的一个子类，计算机视觉是它的大脑，机器视觉离不开计算机视觉。

具体来说，计算机视觉可以在线分析图像或视频，以及来自运动探测器、红外传感器或其他来源的图像。随着边缘AI的发展，计算机视觉开始从云端转移到边缘，更靠近收集数据的传感器。机器视觉系统始于20 世纪50 年代。从1980 年到1990 年，这项技术真正开始起飞并变得越来越流行。

值得注意的是，随着计算机视觉技术的发展，机器视觉潜在应用的可能性也相应增加，并已从主要应用领域——工业自动化环境——转向安全、自动驾驶汽车、食品生产、包装和物流，甚至包括机器人和无人机等行业扩张。机器视觉系统现在可以对各个行业的各种物体和物品进行检查和分类，包括汽车、电子和半导体、食品和饮料、道路和车辆交通或智能交通系统(ITS)、医学成像、包装、标签和印刷、药品等

Markets and Markets报告称，机器视觉市场规模预计将从2020年的107亿美元增长到2025年的147亿美元，复合年增长率为6.5%。对质量检测和自动化的需求不断增长、非传统和新兴应用对机器视觉系统的需求不断增长以及对视觉引导机器人的需求不断增长是推动机器视觉市场增长的关键因素。

哪些行业受益于此？

机器视觉应用的优势主要体现在五个方面：

一是在检验、测量、计量和装配验证方面具有更高的性能和质量。

其次，它可以提高重复性任务的生产率，还可以有效减少机器停机时间，缩短安装时间。第三，它在测量和计量方面具有更大的灵活性，同时还可以保证更严格的过程控制。第四，可以降低生产成本，及早发现缺陷，降低废品率。五是占地面积小，降低生产成本。

目前，机器视觉应用在工业领域占有很大比例，该领域也从中受益匪浅。通过与深度学习、机器学习等技术的深度融合，机器视觉可以帮助使用该技术的企业更好地理解数据并优化业务，从而实现更高的效率。例如，宝马将这项技术与人工智能和机器学习结合起来使用，以提高效率。随着各种技术的不断完善，机器视觉的应用领域也在不断扩大，包括物体识别、产品检测、外观尺寸，甚至3D建模库存盘点。在实践中，机器视觉系统还可以通过定制的方式设计并实现到系统中，以满足更多的应用需求。

根据最终用途，机器视觉市场分为汽车、制药和化学品、电子和半导体、纸浆和造纸、印刷和标签、食品和饮料（包装和装瓶）、玻璃和金属、邮政和物流等。目前，汽车行业是机器视觉系统的重要采用者。 2020年，汽车行业占比19.38%，预计2021年至2028年将出现可观增长。

在汽车行业，机器视觉广泛用于检测目的，包括存在和不存在检测、防错、装配验证和最终检测。此外，机器视觉系统还用于尺寸测量、机器人引导和测试自动化，这些都是测量和引导应用。因此，整个汽车行业对机械化成像的需求很高，预计未来几年将继续稳定增长。

机器视觉的“眼睛”

所有机器视觉方法都受到人类视觉系统的启发，并从2D 图像中提取概念信息。他们拥有基于2D 图像的捕获系统和模拟人类视觉感知的计算机视觉算法。人类以3D 方式感知周围的世界。在机器视觉系统的三种分类中，一维视觉系统不会一次查看整个图像，而是一次分析一行信号。它们通常对连续工艺制造的产品（例如金属、塑料、纸张、无纺布片材或卷材）中的缺陷进行检测和分类。

在标准照明条件下，机器视觉系统通常使用传统的2D 成像。有时物体需要特定的照明来记录缺陷—— 例如，机器视觉系统可以使用多光谱成像、高光谱成像、红外波段、线扫描成像、3D 成像和X 射线成像。通常，2D 可见光照明图像是单色的，相比之下，更复杂的照明会考虑颜色、帧速率、分辨率以及成像过程是否在整个图像上同步等因素，使其适用于需要技术跟踪的系统具体搬家项目。

目前，还没有典型的机器视觉系统可以作为其他设计的参考，因为机器视觉是一种能力，而不是一种产品或特定类型的设计。在实际应用中，它们是通过将不同的组件集成在一起来实现的。机器视觉系统的主要组成部分包括照明系统、镜头、图像传感器、视觉处理和通信系统。灯光照亮要检查的零件，突出显示其特征，以便相机可以看到它们。镜头捕获图像并将其以光的形式呈现给传感器。

传感器将这种光转换成数字图像，然后发送到视频处理器进行分析。视觉处理包括检查图像并提取必要检查和决策所需信息的算法。如果说机器视觉给机器增加了一双眼睛，从字面上和实际来讲，图像传感器就是机器视觉系统的“视线”，相当于系统的“眼睛”。它的好坏直接关系到整个系统的“眼睛”。可以达到什么水平的视力？随着机器视觉的应用越来越广泛，图像传感器也迎来了良好的发展机遇。根据安森美半导体提供的数据，2018年至2022年机器视觉传感器市场将以14%的复合年增长率增长。

CMOS图像传感器是机器视觉中最常用的传感器。与CCD 传感器一样，它可以是单色或彩色。 ON Semiconductor MT9P031I12STC-DR1 是一款适用于高分辨率机器视觉应用的彩色CMOS 传感器。它属于MT9P031 系列CMOS 数字图像传感器。该产品系列具有2592 H x 1944 V的主动成像像素阵列，是一款可编程、高集成度、低功耗的产品。它具有CCD 的图像质量，同时保持CMOS 图像传感器的尺寸和成本。优点。 MT9P031 传感器在默认模式下运行，也可以由用户对帧尺寸、曝光、增益设置和其他参数进行编程。默认模式以每秒14 帧(fps) 的速度输出全分辨率图像。

当然，一些机器视觉应用也有特定的分辨率要求。与由显示标准（16:9 或4:3）驱动的传统RGB 查看应用不同，许多机器人和机器视觉场景可以通过使用不同的分辨率进行优化。例如，ON Semiconductor 的2 兆像素AR0234 在X 方向提供额外像素，以提供更好的条形码解决方案。在XGS系列图像传感器中，8兆像素、9兆像素和12兆像素产品分别提供2:1、1:1和4:3的图像比率。 XGS 30 兆像素和320 兆像素产品分别提供1:1 和4:3 的图像比率。 ——1:1可用于半导体检查，而4:3可用于屏幕检查。

3D机器视觉解决方案

3D机器视觉的图像检测更接近人眼的图像检测。借助数字3D 扫描数据，可以提取物体的尺寸，包括表面积、体积和身体尺寸。 3D视觉传感技术是一种深度传感技术，可增强相机执行面部和物体识别的能力。目前市场上主流的3D光学视觉解决方案主要有三种，分别是：立体视觉、结构光和飞行时间（ToF）。

其中，结构光技术最为成熟，已广泛应用于工业3D机器视觉中。在结构光方法中，一系列图案被投影到物体上，相机或传感器检测这些图案的扭曲和变形。接下来，图像处理和三角测量算法将这些扭曲和变形转换为3D 点云数据，可直接用于分析或导出为各种CAD 建模格式。例如，德州仪器（TI）的DLP系统可以实时生成非接触式高精度3D数据，使3D机器视觉更容易实现。在此解决方案中，DLP 芯片组具有不同的DMD（数字微镜器件）尺寸、像素间距、分辨率和波长范围。

随着技术的发展，利用飞行时间技术重建3D信息已成为机器视觉最重要的方法。飞行时间技术使用激光扫描仪根据光到达目标并返回所需的时间来估计光源和目标之间的距离。 Analog Devices (ADI) ADSD3100 是一款基于CMOS 3D 飞行时间的3D 深度和2D 可见光成像仪，可集成到3D 传感器系统中。

所需的功能块包括模数转换器(ADC)、像素偏置电路和传感器控制逻辑，这些功能块内置于芯片中，为系统提供简单、经济高效的解决方案。 ADSD3100 通过MIPI、摄像头串行接口2 (CSI-2) 接口与主机系统进行电气连接。

结论

与自动化、机器学习、深度学习和神经网络等其他能力一样，机器视觉是一种能力，而不是一个行业。它是一种可以集成到其他技术和流程中的功能，以使行业受益并提高业务效率。边缘智能，即边缘人工智能，是机器视觉技术发展的下一个大趋势，它将机器学习从云端转移到物理设备的边缘。这一切都与机器视觉的未来密切相关。边缘计算的进步使得将深度学习功能应用于传统的机器视觉任务成为可能。

从研究机构的预测可以看出，机器视觉市场正在快速增长，企业越来越希望通过引入机器视觉、机器人等自动化功能来实现业务流程的自动化。这种趋势不会很快放缓。

责任编辑：haq