机器视觉是指通过光学器件和非接触式传感器自动接收和处理真实物体的图像，从而获得所需的信息或控制。机器人通俗地说，运动装置用于工业领域的可视化应用。
▲机器视觉系统的组成
目前引起极大关注的另一个概念，计算机视觉，主要强调计算机应该具有对客观三维场景的感知、识别和理解能力(侧重于定性分析)。比如无人驾驶，人脸识别，都可以归为计算机视觉。
机器视觉的四个基本功能
目前机器视觉的基本功能主要可以分为四大类:模式识别/计数、视觉定位、尺寸测量和外观检测，目前的应用基本都是基于这四大类。
▲机器视觉的四个基本功能
模式识别/计数主要是指对已知规律的物体的识别，可以很容易地包括对形状、颜色、图案、数字、条形码等的识别。，以及更多信息或更抽象信息的人脸、指纹、虹膜的识别。
视觉定位主要是指在识别物体的基础上，准确给出物体的坐标和角度信息。定位是机器视觉应用中一个非常基础和核心的功能，一个软件的高概率与其定位算法密切相关。
尺寸测量主要是指将获取的图像像素信息标定为常用的测量单位，然后精确计算出图像中所需的几何尺寸。优势在于高精度、高通量、复杂形状的测量。比如一些高精度的产品，以前因为人眼测量困难只能取样，用机器视觉就可以实现全检。
外观检查主要检测产品的外观缺陷，最常见的包括表面。装配缺陷(如缺失、混合、不匹配等。)、表面印刷缺陷(如叠印、漏印、重印等。)和表面形状缺陷(如崩边、凸起、凹坑等。).由于产品外观缺陷的多样性，在机器视觉的应用中对其进行检测是比较困难的。
从技术实现难度来看，识别、定位、测量、检测的难度在增加，而基于四大基本功能的各种细分功能的实现难度也有所不同。目前，3D视觉功能是当前机器视觉应用技术中最前沿的方向之一。
国内机器视觉产业链梳理
简单，我们可以把机器视觉产业链分为底层开发者(核心部件和软件提供商)、集成和软件服务商(二次开发)，核心部件和软件又可以细分为光源、镜头、工业摄像机、图像采集卡、图像处理软件等。在目前整个机器视觉系统的成本构成中，零部件和软件开发占80%，是产业链中绝对的核心环节和价值获取者。
从技术壁垒来看，1)软件是主要壁垒，底层算法库是核心。目前被外资企业垄断，如康耐视、MVTec，主要是国外几十年自动化培育出来的；国内自动化进程并不长，软件算法还处于研发阶段，应用也没有做好。2)应用层面的技术也很关键，主要是掌握不同应用环境下的诀窍，做出适配的产品。
目前国内机器视觉行业的市场参与者主要有四类:国际综合自动化。公司国际专业机器视觉公司，国内专业机器视觉公司和家用自动化设备。公司。其中，在底层开发者层面，国际企业仍占主导地位，而国内公司更多的是在附加值较低的二次开发层面(以系统集成和组装生产自动化平面的形式)进行布局，并在此基础上逐步尝试到上游核心环节。
1.光源
光源是定位最充分的环节。光源的好坏在于对比度、亮度和对位置变化的敏感度。LED光源产品主要应用于机器视觉行业。目前没有。通用机器视觉照明设备针对每个具体应用实例都有个性化的方案，以达到最佳效果。目前光源行业国产化程度高，竞争激烈。
2.镜头
低端镜头国内企业有一定竞争力，高端镜头基本依赖进口。镜头的基本功能是实现光束调制，将目标成像在图像传感器的感光面上，完成信号传输。工业镜头可分为定焦镜头、固定放大率镜头、远心镜头、连续变焦镜头等。不同的镜片根据需要适用于不同类型的镜片。工业现场，价格差距也大。
3.工业照相机
工业相机主要从欧美进口，国产品牌也逐渐从低端市场进口。工业相机是工业视觉系统的核心部件，其本质功能是将光信号转化为电信号的过程，要求有较高的传输功率、抗干扰能力和稳定的成像能力。
4.图像采集卡
图像采集卡在国内发展成熟，也称为视频采集卡。该组件通常是插在PC中的卡。这个采集卡的功能是连接摄像机和PC。它从摄像头获取数据(模拟信号或数字信号)，然后将其转换为PC可以处理的信息。
5.图像处理软件
图像处理软件基本被国外企业垄断，国内企业在二次开发上也有一些布局。工业视觉软件对数字信号进行各种运算，提取目标的特征，然后根据判别结果控制现场设备的动作，自动完成图像的采集、显示、存储和处理。目前流行的开发模式是“软件平台+可视化开发包”。开发包基于软件平台封装了各种常用的图像处理算法，软件工程师可以直接调用封装的算法实现各种复杂的图像处理功能，降低了二次开发的难度和工作量。
6.系统综合
国内厂商在集成端发展迅速，尤其是在一些外资尚未布局的地区，或者3C等非标准自动化领域。国内集成厂商如果单纯进行二次开发，利润空间很小。在某个行业下游完成良好布局后，他们会尝试逐步向上游底层发展延伸，对核心软硬件进行进口和替换。
机器视觉最重要的下游
机器视觉广泛应用于电子和半导体、汽车制造、食品包装、制药等领域，其中电子汽车和电子是目前机器视觉最重要的应用领域。
1.下游应用领域-电子
前瞻研究院数据显示，电子行业贡献了约50%的机器视觉需求，主要用于晶圆切割、3C表面检测、触摸屏制造、AOI光学检测、PCB印刷电路、电子封装、丝网印刷、SMT表面贴装、SPI焊膏检测、半导体对准与识别等的高精度制造和质量检测。以iPhone为例，整个生产过程需要70多个系统。未来，全球对智能手机、平板电脑、可穿戴设备等消费电子产品的需求有望爆发式增长。
以3C行业为例，我们判断未来行业对机器视觉的需求将持续快速增长，主要需求来自几个方面:1)视觉技术的进步(目前很多玻璃和屏幕缺陷检测技术无法实现)促进应用领域的拓展；2)随着国产智能手机逐渐高端化，手机厂商利润空间增大，目测在国产手机生产线的应用有望普及。
2.下游应用领域-汽车
前瞻研究院数据显示，汽车行业贡献了约15%的机器视觉需求，主要用于车身。装配检验、面板印刷质量检验、字符检验、零件尺寸精确测量、工件表面缺陷检验、自由曲面检验、间隙检验等几乎所有系统和部件的制造过程。目前一条生产线配备了十几个机器视觉系统。未来，随着汽车质量控制、汽车智能化、轻量化的趋势，对检测提出了更高的要求，对机器视觉技术的需求也将逐渐增加。
例如，3D视觉系统可以高精度地测量间隙并瞄准每辆车，对间隙进行精确测量。装配对所有车门和车身进行全面检查。3D视觉系统还可以帮助底盘制造商自动装载、卸载和检测货架上的车身面板，并在自动设备拾取它们之前检测货架上是否有缺陷组件，从而减少缺陷组件的数量。焊接一起。
3.下游应用领域-制药
根据前瞻研究院的数据，医药行业对机器视觉的需求贡献了7%左右，主要应用于药瓶包装缺陷检测、胶囊包装质量检测、药物颗粒检测、生产日期编码检测、药片颜色识别和分拣等等。目前大部分企业的流水线上都有1-2套机器视觉系统，但实际需求应该至少有5套。未来，随着医药行业自动化升级改造的加速，渗透率将持续提升。
比如在药品包装后的检验过程中，可以利用机器视觉快速准确地检测物体是否完好。通过设置图像传感器，可以获取被包装物体的图像信息，并通过预设的面积参数对每个药物颗粒或瓶子进行检测和比较。这样，损坏的药物颗粒或无瓶包装将被正确和正常地检测和通过。
4.下游应用领域-食品
食品和包装也是机器视觉应用的重要下游领域，主要用于高速检测，外观包装检测，食品包装泄漏检测，外观和内部质量检测，分拣与色选相比，不同产品之间，单条生产线的用量差别很大。目前机器视觉在大型食品企业(如伊利、蒙牛)应用广泛，但在行业整体的普及率并不高。
例如，食品在欧洲生鲜市场上被广泛使用。分拣通常，使用多个摄像机来捕捉产品的整个表面图像。当产品基本为圆形时，有机构让产品在摄像头下旋转。形状可以按照最大直径和最小直径、比例关系等进行排序。颜色通常根据整个扫描的表面来确定。简单百分比、强度值直方图、最大面积或最小面积定义等识别方法。
▲机器视觉在食品行业的典型应用示意图
展望未来，机器视觉行业有几个发展趋势:
1)更多更快的图像数据传输和更先进的软件算法带来数字化、实时化和智能化的性能提升；
2)硬件性能的提升(更高的分辨率，更快的扫描速率等。)和产品软件。价格机器视觉的衰落促进了机器视觉渗透率的提高；
3)产品向小型化、集成化发展。