点击上方“”,选择加"
重磅干货,第一时间送达
▲由机器视觉系统组成
另一个关注度很高的概念
目前,机器视觉的基本功能可分为四类:
▲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品进行识别,容易识别外观、颜色、图案、数字、条码等,以及人脸、指纹、虹膜识别等信息量较大或抽象的识别。
视觉定位主要是指在识别对象的基础上准确地给出对象的坐标和角度信息。定位是机器视觉应用中非常基本和核心的功能,软件的质量与定位算法的质量密切相关。
尺寸测量主要是指将获得的图像像素信息标记为常用的测量单元,然后准确计算图像中需要知道的几何尺寸。其优点是测量高精度、高通量和复杂形式。例如,由于人眼测量困难,一些高精度产品只能进行抽样检查,机器视觉可以实现全面检查。
外观检测主要检测产品的外观缺陷,最常见的包括表面装配缺陷(如漏装、混料、错配等)、表面印刷缺陷(如多印、漏印、重印等)以及表面形状缺陷(如崩边、凸起、凹坑等)。由于产品外观缺陷一般情况下种类繁杂,所以检测在机器视觉中的应用中属于相对较难的一类。
在技术实现难度方面,识别、定位、测量和测试的难度越来越大,基于四个基本功能的各种细分功能在实现难度上也存在差异。D视觉功能是当前机器视觉应用技术中最先进的方向之一。
简单地说,我们可以将机器视觉产业链分为底层开发商(核心部件和软件提供商)、集成和软件服务提供商(二次开发)。核心部件和软件可细分为光源、镜头、工业相机、图像采集卡、图像处理软件等。在整个机器视觉系统的当前成本中,零部件和软件开发占80%,是产业链的绝对核心环节和价值获取者。
1)软件是主要壁垒,底层算法库是核心。目前是外资企业的垄断,比如康耐视和MVTec,主要依靠国外几十年的自动化过程;国内自动化过程不长,软件算法仍处于研发阶段,应用不多,2)应用技术也非常关键,主要是掌握不同的应用环境Know-How,制作适应性产品。
目前,国内机器视觉行业主要有四种市场参与者: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国内自动化设备公司。其中,在底层开发商层面或国际企业占主导地位,国内公司布局更低附加值(包括系统集成和组装生产自动化专机),并在此基础上逐步尝试上游核心环节。
▲机器视觉系统成本构成
▲参与企业内外光源
▲参与国内外镜头的企业
▲国内外工业相机参与企业
▲国内外图像处理软件参与企业
国内厂商在集成端发展迅速,,特别是在一些外资尚未布局的领域,或非标准自动化领域,如3C 等等。国内一体化厂商单纯进行二次开发利润空间小。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开发延伸,进口核心软硬件。
广泛应用于电子和半导体、汽车制造、食品包装、制药等领域,
▲全球机器视觉下游需求结构
根据前瞻性研究所的数据,电子行业贡献了近50%的机器视觉需求,主要用于晶圆切割和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高精度制造和质量检测,如锡膏检测、半导体对位和识别。
以iPhone例如,整个生产过程需要70多个系统。未来,全球智能手机、平板电脑、可穿戴设备等消费电子领域的需求有望爆发。
以3C以行业为例,我们判断未来行业机器视觉需求将继续快速增长,主要需求来自几个方面:1)视觉技术进步(许多玻璃和屏幕缺陷检测技术无法实现),促进应用领域的扩大;2)随着国内智能手机利润率的逐步提高,国内手机生产线视觉检测的应用有望得到推广。
▲机器视觉在SMT典型的装配线应用
根据前瞻性研究所的数据,汽车行业贡献了约15%的机器视觉需求,主要用于几乎所有系统和部件的制造过程,如车身装配检测、面板印刷质量检测、字符检测、零件尺寸精确测量、工件表面缺陷检测、自由曲面检测、间隙检测等。目前,一条生产线大约配备了十几个机器视觉系统。未来,随着汽车质量控制、智能汽车和轻型汽车化趋势对检测提出更高要求,对机器视觉技术的需求还会逐步提高。
例如,3D视觉系统可以以高精度测量间隙并对准每一辆车,并对装配的所有车门和车身进行全面检测。3D 视觉系统还能帮助底盘制造商使货架中车身板件的上架、下架和检测实现自动化,在自动设备拾取缺陷元件之前检测货架上是否存在缺陷元件,从而减少将缺陷元件焊接到一起。
▲机器视觉在车身检测领域的应用
根据前瞻研究院数据,制药行业贡献了机器视觉7%左右的需求,主要应用在药瓶封装缺陷检测、胶囊封装质量检测、药粒却是检测、生产日期打码检测、药片颜色识别及分拣等。目前大多数企业流水线上有1-2套机器视觉系统,而实际需求至少应该在5处,未来随着制药行业自动化升级改造提速,渗透率会持续提升。
例如,在药品包装后的检测环节中,可以利用机器视觉快速、准确地检测到对象是否完好无缺,通过设定图像传感器,获取包装后的对象图片信息,通过预先设定的面积参数对每个药粒或者药瓶进行检测对比,这样,破损的药粒或者缺瓶的包装都将被检测出来,正确的正常通过。
▲药粒泡罩检测示意图
▲缺瓶检测示意图
食品及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、外观封装检测、食品封装缺漏检测、外观和内部质量检测、分拣与色选等,单条产线用量在不同产品中差异较大。目前机器视觉在大型食品企业(如伊利、蒙牛)中应用较多,而在行业整体的渗透率并不高。
例如,欧洲鲜货市场广泛使用食品分拣器,一般采用多台摄像机捕获产品整个表面影像。当产品基本为圆形时,在漏洞内设有机构,让产品在摄像机下进行旋转。形状可以根据最大直径和最小直径、比例关系等进行分选。颜色一般根据已扫描的整个表面情况来决定。鉴定方法如简单百分比、强度值直方图、定义最大面积或最小面积等。
▲机器视觉在食品行业中的典型应用示意图
1)更多更快的图像数据传输、更先进的软件算法带来实现数字化、实时化和智能化的性能提升;
2)硬件性能的提升(更高分辨率、更快扫描率等)和产品软件价格的下降推动机器视觉渗透率提升;
3)产品向着小型化、集成化发展。
在「
在「
在「
交流群
欢迎加入公众号读者群一起和同行交流,目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群(以后会逐渐细分),请扫描下面微信号加群,备注:”昵称+学校/公司+研究方向“,例如:”张三 + 上海交大 + 视觉SLAM“。请按照格式备注,否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。