有公開數(shù)據(jù)顯示，在 2018 年，全球用于工業(yè)自動化領域的機器視覺技術市場規(guī)模達 44．4 億美元，預計 2023 年將達 122．9 億美元，年復合增長率高達 21％，市場需求巨大。
在近日的GSMA Thrive活動中，華為輪值董事長郭平在演講中也分享了這樣一個有關機器視覺的應用場景：
在飛機機體的制造中使用了大量的碳纖維材料，多達70層的疊加材料，每層材料拼縫間隙要求小于2mm。采用傳統(tǒng)人工檢查，每層檢測需花費40分鐘，不合格品要整層重新鋪貼。人工質(zhì)檢耗時費力還檢測不準，浪費物資。上海商飛采用了5G＋AI的“智眼”檢測，檢測時間從40min縮小到1min以內(nèi)，另外還減少了90％以上的物資浪費。
萬物互聯(lián)與人工智能時代，機器視覺已經(jīng)成為備受全球科技巨頭關注與重點投入的新基礎設施技術。華為也不例外，正如日前華為安防突然官宣：將“華為安防”更名為“華為機器視覺”，說不準哪天華為機器視覺就從“智能安防”領域拓展到工業(yè)領域。
誰占據(jù)了工業(yè)機器視覺的半壁江山？
機器視覺在工業(yè)生產(chǎn)中主要應用在一些不適合于人工作業(yè)的危險工作環(huán)境或人工視覺難以滿足要求的場合。除此之外，在大批量的工業(yè)生產(chǎn)過程中，人工檢查產(chǎn)品質(zhì)量效率低且精度不高，采用機器視覺檢測可以大幅提高生產(chǎn)效率和生產(chǎn)的自動化程度。
在工業(yè)4．0和制造業(yè)轉型，數(shù)字化建設項目持續(xù)推進的背景下，制造業(yè)總體規(guī)模持續(xù)擴大、智能化水平不斷提高，下游行業(yè)對機器視覺的需求度和認知度也在逐步提升，帶動了中國機器視覺市場穩(wěn)定增長的基礎。
機器視覺目前主要應用在消費電子、汽車制造、食品包裝、制藥業(yè)等領域，其中又以消費電子和汽車制造領域為主。
根據(jù)gongkong市場研究顯示：中國機器視覺行業(yè)市場仍然保持高度集中，電子制造行業(yè)以59．0％的市場份額占整體市場的半壁江山。2019年，電子制造、汽車、制藥、食品與包裝機械、印刷機械五大應用行業(yè)的市場份額高達80％以上。
在汽車制造行業(yè)，機器視覺幾乎涉及所有系統(tǒng)和部件的制造流程，例如車身裝配檢測、面板印刷和質(zhì)量檢測、零件尺寸的精密測量、工業(yè)零部件表面缺陷檢測等。在消費電子行業(yè)，機器視覺應用于高精度制造和質(zhì)量檢測，包括圓晶切割、3C表面檢測、觸摸屏制造、AOI 光學檢測、PCB 印刷電路、電子封裝等。
總結來說，機器視覺在工業(yè)中的應用主要包括三個功能：視覺測量、視覺引導和視覺檢測。
視覺測量技術通過測量產(chǎn)品關鍵尺寸、表面質(zhì)量、裝配效果等，可以確保出廠產(chǎn)品合格；
視覺引導技術通過引導機器完成自動化搬運、最佳匹配裝配、精確制孔等，可以顯著提升制造效率和裝配質(zhì)量；
視覺檢測技術可以監(jiān)控制造工藝的穩(wěn)定性，同時也可以用于保證產(chǎn)品的完整性和可追溯性，有利于降低制造成本。
機器視覺在汽車制造行業(yè)的應用
機器視覺技術的應用已貫穿了整個汽車車身制造過程，包括從初始原料質(zhì)量檢測發(fā)展到汽車零部件100％在線測量，再對制造過程中的焊接、涂膠、沖孔等工藝過程進行把控，最后對車身總成、出廠的整車質(zhì)量進行把關。
機器視覺引入非接觸測量技術，逐步發(fā)展成固定式在線測量站與機器人柔性在線測量站等在線測量系統(tǒng)，可嚴格監(jiān)控車身尺寸波動，提供數(shù)據(jù)支持。
視覺引導技術逐漸滲透到汽車制造的全過程，例如引導機器人進行最佳匹配安裝、精確制孔、焊縫引導及跟蹤、噴涂引導、風擋玻璃裝載引導等。
機器視覺檢測系統(tǒng)可以對產(chǎn)品進行制造工藝檢測、自動化跟蹤、追溯與控制等，包括通過光學字符識別（OCR）技術獲取車身零件編碼以保證零件在整個制造過程中的可追溯性，通過識別零件的存在或缺失以保證部件裝配的完整性，以及通過視覺技術識別產(chǎn)品表面缺陷或加工工具是否存在缺陷以保證生產(chǎn)質(zhì)量。
市場：2019年，傳統(tǒng)汽車行業(yè)產(chǎn)能由于政策調(diào)整，目前產(chǎn)能嚴重過剩，新增產(chǎn)能進入瓶頸期，行業(yè)項目主要集中在維護改造。而油品升級導致車型更換對整車產(chǎn)能擴張影響力有限。此外，新能源汽車也增長乏力，行業(yè)主要經(jīng)濟效益有所回落。汽車市場的整體下滑，對機器視覺在汽車行業(yè)的應用深化或產(chǎn)生一定影響。
12下一頁>（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。 ）
