所謂機器視覺（machine vision，MV），就是不同技術和方法的組合來自動提取圖像信息，為機器在工業和非工業環境中執行給定任務提供操作指導和關鍵數據。

　　近期，IoT Analytics對機器視覺市場的最新研究表明，相機、AI和芯片組的進步正在推動機器視覺應用的使用，這些進步增強了典型的機器視覺優勢

，例如節省成本、提高競爭力或提高產品質量，也影響了IoT Analytics在研究中確定的39個機器視覺應用的前景。

　　2022年的研究表明，機器視覺預計將在未來幾年經曆持續強勁的投資流入，同時，機器視覺還擁有所有工業4.0技術中最高的投資回報率（ROI）和最快的攤銷時間。

　　盡管機器視覺技術已經存在了30多年，但最近的技術轉變依然為其產業應用提供了新的推動力。

　　三項技術進步

　　關鍵技術轉變1：先進相機（Advanced cameras）

　　當前
，分辨率超過4500萬(wan)像(xiang)素(su)的(de)相(xiang)機(ji)不(bu)僅(jin)在(zai)許(xu)多(duo)情(qing)況(kuang)下(xia)優(you)於(yu)人(ren)眼(yan)，而(er)且(qie)還(hai)可(ke)以(yi)以(yi)極(ji)高(gao)的(de)速(su)度(du)無(wu)失(shi)真(zhen)地(di)追(zhui)蹤(zong)移(yi)動(dong)的(de)物(wu)體(ti)。然(ran)而(er)
，還(hai)有(you)其(qi)他(ta)的(de)一(yi)些(xie)創(chuang)新(xin)可(ke)能(neng)對(dui)用(yong)戶(hu)來(lai)說(shuo)並(bing)不(bu)明(ming)顯(xian)，其(qi)中(zhong)一(yi)個(ge)就(jiu)是(shi)引(yin)入(ru)了(le)“基於事件的視覺傳感器”（Event-based vision sensors）。與yu視shi神shen經jing處chu理li信xin息xi的de方fang式shi類lei似si
，基ji於yu事shi件jian的de視shi覺jiao傳chuan感gan器qi僅jin通tong過guo檢jian測ce每mei個ge像xiang素su的de亮liang度du變bian化hua來lai捕bu獲huo圖tu像xiang，與yu傳chuan統tong的de基ji於yu幀zhen的de視shi覺jiao傳chuan感gan器qi相xiang比bi，在zai更geng暗an的de環huan境jing或huo更geng惡e劣lie的de天tian氣qi條tiao件jian下xia也ye可ke以yi擁yong有you更geng好hao的de效xiao果guo。

　　關鍵技術轉變2：更好的決策型AI

　　從基於規則的機器視覺到基於AI的機器視覺的轉變是有影響力的。通常，基於規則的機器視覺是更為嚴格的描述，隻適用於可量化的、清晰的和非常具體的特征，例如，產品上的劃痕是水平的

、長度為30毫米等。相反，基於AI的機器視覺可以為無法量化的特征提供準確的結果
，可以更加靈活地處理產品外觀和缺陷類型的變化，深度學習是AI的一個更複雜和強大的子集，也越來越多地用於機器視覺應用。

　　關鍵技術轉變3：更強大的硬件和AI芯片

　　芯片的進步與AI的進步密切相關，最新的芯片功能已經十分強大，適合處理圖像和運行基於AI的計算機視覺算法，這些性能的提升有助於將深度學習的訓練時間從幾周縮短到幾個小時。現在的很多智能相機也都配備了強大的AI芯片，例如ADLINK的NEON-2000-JNX係列就內置了英偉達的Jetson XavierNX模塊。

　　七個即將到來的機器視覺應用

　　根據IoT Analytics的市場研究，由於前麵提到的相機
、AI和芯片的最新變動
，有七個機器視覺應用正被大力推動，在其分析的39個用例中，這七個用例被標記為“特別令人感興趣”。

　　1、缺陷檢測

　　缺陷檢測是一種機器視覺用例，主要部署在質量檢測過程中。在過去，非AI機ji器qi視shi覺jiao需xu要yao一yi個ge包bao含han所suo有you可ke能neng缺que陷xian圖tu像xiang的de數shu據ju庫ku，以yi便bian係xi統tong成cheng功gong識shi別bie缺que陷xian。然ran而er，今jin天tian的de機ji器qi視shi覺jiao技ji術shu已yi經jing可ke以yi在zai不bu需xu要yao特te定ding圖tu像xiang的de情qing況kuang下xia識shi別bie某mou些xie缺que陷xian，進jin行xing異yi常chang檢jian測ce。以yi富fu士shi通tong日ri本ben工gong廠chang為wei例li，通tong過guo訓xun練lianAI修複數千張有缺陷（例如形狀，大小和顏色異常）的模擬圖像中的異常區域
，從而生成正常圖像
，使得工廠檢查印刷電路板所需的小時數減少了25%。當AI對特定類型的異常檢測得不夠準確時，就可以產生更多此類型異常的模擬圖片，從而精確地改善模型的弱點。

　　2、流程/操作優化

　　另一個與製造相關的機器視覺用例是流程/操cao作zuo優you化hua。例li如ru，機ji器qi人ren現xian在zai可ke以yi比bi人ren類lei以yi更geng高gao的de精jing度du和he效xiao率lv完wan成cheng複fu雜za任ren務wu。其qi結jie果guo就jiu是shi，借jie助zhu於yu機ji器qi視shi覺jiao，機ji器qi人ren或huo其qi他ta機ji械xie可ke以yi用yong和he以yi前qian不bu同tong的de方fang式shi來lai執zhi行xing操cao作zuo，或huo者zhe完wan成cheng從cong前qian無wu法fa完wan成cheng的de事shi情qing。例li如ru
，弗fu勞lao恩en霍huo夫fu-設計工程機電一體化研究所（IEM）所開發的新型橡膠研磨解決方案，就是使用三菱電機機械臂、光學激光掃描儀和配備AI軟件的控製係統
，開發了一種新的AI研磨係統，該係統使得研磨複雜橡膠狀材料的過程自動化。據該團隊稱
，新方法可以縮短高達40%的橡膠研磨過程花費的時間。

　　3
、自動駕駛

　　機器視覺在開發全自動駕駛汽車的過程中起著至關重要的作用。自動駕駛有六個級別，從0級（全手動）到5級（全自動）。如今，大多數商用車輛都還在提供1級或2級的輔助駕駛，隻有少數可以提供3級，而想要達到4級或5級，車輛使用的技術必須實現飛躍才可以，而非常複雜的機器視覺係統和AI計算正是讓這一技術實現飛躍的一部分。穀歌Waymo One的自動叫車服務就是4級自動駕駛的一個例子。每輛車都配備了Waymo司機係統，這是一個複雜的MV係統
，由五個激光雷達、四個雷達、29個攝像頭和AI軟件組成，可以收集傳感器數據並實時計算最佳路線。該解決方案已經收集了超過2000萬英裏的真實駕駛體驗數據。

　　4、托盤尺寸標注

　　在物流領域
，即將到來的機器視覺用例之一是托盤尺寸標注。創新的3D飛行時間（time-of-flight）技ji術shu使shi得de測ce量liang裝zhuang載zai托tuo盤pan的de尺chi寸cun成cheng為wei可ke能neng，消xiao除chu了le手shou動dong測ce量liang所suo花hua費fei的de時shi間jian，並bing最zui大da程cheng度du地di減jian少shao了le由you於yu尺chi寸cun重zhong量liang不bu準zhun確que而er導dao致zhi的de承cheng運yun人ren的de潛qian在zai費fei用yong。產chan品pin包bao裝zhuang公gong司siDSSmith與機器視覺公司NeAdvanced和傳感器儀表公司SICK合he作zuo，在zai生sheng產chan傳chuan送song帶dai的de末mo端duan安an裝zhuang了le攝she像xiang頭tou，並bing在zai所suo有you托tuo盤pan被bei拾shi取qu之zhi前qian對dui其qi進jin行xing快kuai照zhao
，準zhun確que地di提ti供gong了le托tuo盤pan的de尺chi寸cun和he體ti積ji。隨sui著zhe時shi間jian的de推tui移yi，製zhi造zao商shang可ke以yi使shi用yong這zhe些xie信xin息xi來lai優you化hua生sheng產chan，而er承cheng運yun人ren也ye可ke以yi使shi用yong它ta來lai確que保bao貨huo物wu安an全quan有you效xiao地di移yi動dong，並bing減jian少shao相xiang關guan費fei用yong。

　　5
、姿態/運動分析

　　jiqishijiaoyezaiyiliaobaojianlingyushixianleyixiexindeyingyong
，xiangjijingduhezhiliangdejinbushishentizishiheyundongfenxichengweikeneng。xianzai，zhixushiyongxiangjierwuxuewaideshebei，jiukeyishibiegugeheguanjiedeweizhihefangxiang。rentigongchengxue、骨科等醫療保健以及手勢交互等都可以從這種機器視覺應用中受益。利用德國相機製造商IDS研發的新型工業相機
，生物醫學解決方案公司DIERS開發了一種解決方案

，可以對人體背部

、脊柱和骨盆進行快速
、高gao分fen辨bian率lv的de光guang學xue測ce量liang，通tong過guo使shi用yong相xiang機ji連lian續xu記ji錄lu設she備bei投tou射she到dao患huan者zhe背bei部bu的de光guang線xian，可ke以yi生sheng成cheng脊ji柱zhu曲qu率lv的de準zhun確que表biao示shi，從cong而er幫bang助zhu骨gu科ke醫yi生sheng檢jian測ce肌ji肉rou係xi統tong的de不bu平ping衡heng或huo姿zi態tai缺que陷xian。

　　6、自動結帳

　　通過使用基於機器視覺的解決方案
，可以顯著減少結賬所需的時間，改善零售店的自動結賬體驗。初創公司Mashgin已yi經jing開kai發fa出chu一yi種zhong機ji器qi視shi覺jiao解jie決jue方fang案an，可ke以yi對dui產chan品pin進jin行xing掃sao描miao而er不bu必bi搜sou索suo條tiao形xing碼ma。由you於yu自zi動dong結jie賬zhang解jie決jue方fang案an減jian少shao了le排pai隊dui時shi間jian，使shi得de交jiao易yi量liang增zeng加jia了le34%。

　　7、汙染物識別

　　汙wu染ran物wu的de識shi別bie是shi食shi品pin質zhi量liang評ping估gu的de重zhong要yao組zu成cheng部bu分fen，但dan這zhe一yi過guo程cheng很hen難nan用yong傳chuan統tong方fang法fa來lai解jie決jue，因yin為wei需xu要yao一yi個ge包bao含han所suo有you可ke能neng汙wu染ran物wu組zu合he的de數shu據ju庫ku。然ran而er，通tong過guoAI便可以有效地識別加工食品中的變色、異物和其他異常。例如，冷凍食品公司Apeto在20多條生產線上測試並部署了自動化定性評估解決方案，從而確保加工食品部門能夠成功檢測原料中的所有汙染物。

　　寫在最後

　　IoT Analytics預計，從2022年到2027年，機器視覺市場將以8%的CAGR增長。與當今許多技術領域一樣，預計從AI的進步中受益的軟件增長最快。IoT Analytics的研究還表明，在確定的313家機器視覺供應商中，約60%已經提供了特定的機器視覺軟件，預計上述七個用例將在接下來的幾年中變得更加普遍，更多的其他用例也會出現。