機器視覺（Machine Vision）作為光電技術應用的一個特定領域，目前已經發展成為一個備受矚目的行業。隨著工業4.0浪潮襲來，機器視覺會擺脫最初“輔助工具”的地位成為生產系統的“眼睛”與“大腦”。

一、機器視覺概念及其產生背景

   機器視覺技術是計算機科學的一個重要分支，它涉及到計算機、圖像處理、模式識別、人工智能、信號處理、光學、機械等多個領域，其目的就是給機器或者自動生產線添加一套視覺系統。機器視覺是采用機器代替人眼來做測量與判斷，通過計算機攝取圖像來模擬人的視覺功能，實現人眼視覺的延伸。通過機器視覺產品即（工業相機）將被攝取目標轉換成圖像信號，傳送給專用的圖像處理系統，得到被攝目標的形態信息，根據像素分布和亮度、顏色等信息，轉變成數字化信號；圖像系統對這些信號進行各種運算來抽取目標的特征，進而根據判別的結果來控制現場的設備動作。

機器視覺系統的特點是提高生產的柔性和自動化程度，在一些不適合于人工作業的危險工作環境或人工視覺難以滿足要求的場合，常用機器視覺來替代人工視覺；同時在大批量工業生產過程中，用人工視覺檢查產品質量效率低且精度不高，用機器視覺檢測方法可以大大提高生產效率和生產的自動化程度。而且機器視覺易于實現信息集成，是實現計算機集成制造的基礎技術。

   在現代自動化生產過程中，機器視覺已經開始慢慢取代人工視覺。特別是隨著工業4.0的進一步推廣，這一趨勢愈加明顯。越來越多的從業者投入到芯片技術、圖像算法和圖形處理等技術中，機器視覺呈現階躍式狀態，與此同時也助推了機器視覺更高速、良性的發展方向。機器視覺作為近20多年的新興技術和產業，它的發展大大提高了工業生產過程中的靈活性和智能性水平。特別是近幾年中國的視覺類產品以及專門從事視覺產品、設備銷售和研發的公司更是如雨后春筍般，公眾對視覺的接受度和依賴度越來越高。

二、機器視覺行業發展現狀

   機器視覺的概念起始于20世紀60年代，最先的應用來自"機器人"的研制。最早基于視覺的機器系統，先由視覺系統采集圖像并進行處理，然后通過計算估計目標的位置來控制機器運動。1979年提出了視覺伺服（Visual Servo）概念，即可以將視覺信息用于連續反饋，提高視覺定位或追蹤的精度。在國外，機器視覺的應用普及主要體現在半導體及電子行業，其中大概40%-50%都集中在半導體行業。從全球產業發展來看，國際機器視覺市場正處于產業成熟期，未來3～5年歐美日機器視覺技術仍將有不斷創新，國際機器視覺市場規模有望繼續增長。

   縱觀中國的機器視覺行業，始終是伴隨著中國工業化進程的發展而發展起來的。中國的機器視覺起步相對較晚，從20世紀90年代末開始起步，直到2009年以后才正式進入高速發展期。其間經歷了啟蒙階段、發展階段、快速發展階段、逐步成熟階段。究其主要原因為，機器視覺行業本身屬于新興的領域，加之機器視覺產品技術的普及不夠，導致以上各行業的應用幾乎空白。

   目前國內機器視覺大多為國外品牌，國內大多機器視覺公司基本上是靠代理國外各種機器視覺品牌起家。近年來，隨著各大高校及企業紛紛投入研發，國內機器視覺專利數量逐年增加，國內機器視覺公司規模逐漸做大，技術上已經趨于成熟，機器視覺的功能及應用范圍隨著工業自動化的發展逐漸完善和推廣。其中特別是CCD工業攝像機、智能相機、ARMFPGA、圖像處理和模式識別等技術的快速發展，極大地推動了機器視覺系統的發展。據悉，中國目前已成為繼美國、日本之后全球第三大機器視覺市場。2015年，中國機器視覺市場規模已達到61.2億元，預計在2016-2020年間中國制造在機器視覺上維持20%的增長率，預計到2020年前后，市場規模將達152億元，國內機器視覺將進入產業成熟期。　

   機器視覺發展歷程

   20世紀50年代：主要集中在二維圖像的簡單分析和識別上，如字符識別，工件表面、顯微圖片和航空圖片的分析和解釋等。

   20世紀60年代：MIT(Massachusetts Institute of Technology)的Roberts通過計算機程序從數字圖像中提取出諸如立方體、楔形體、棱柱體等多面體的三維結構，并對物體形狀及物體的空間關系進行描述。他的研究工作開創了以理解三維場景為目的的三維計算機視覺研究。

   20世紀70年代：首次提出較為完整的視覺理論，已經出現了一些視覺應用系統。70年代中期，MIT人工智能（Artificial Intelligence）實驗室正式開設"機器視覺"課程。1973年MITAI Lab吸引了國際上許多知名學者參與視覺理論、算法、系統設計的研究，D. Marr教授就是其中的一位。他于1977年提出了視覺計算理論（Vision Computational Theory），該理論在80年代成為計算機視覺領域中的一個十分重要的理論框架。

   80年代中期：計算機視覺獲得蓬勃發展，新概念、新方法、新理論不斷涌現。

   90年代中期：隨著微處理器、半導體技術的進步，以及勞動力成本上升和高質量產品的需求，國外機器視覺于20世紀90年代進入高速發展期，廣泛運用于工業控制領域。

   目前，機器視覺已形成幾個重要研究分支：1）目標制導的圖像處理；2）圖像處理和分析的并行算法；3）從二維圖像提取三維信息；4）序列圖像分析和運動參量求值；5）視覺知識的表示；6）視覺系統的知識庫等。

三、機器視覺系統的優勢  

   在工業生產的過程中，機器視覺相對于人眼識別體現了較大優勢。機器視覺具有自動化、客觀、非接觸和高精度等特點。特別是在工業生產領域，機器視覺強調生產的精度和速度，以及工業現場環境下的可靠性與安全性，在重復和機械性的工作中具有較大的應用價值。

   精確性——由于人眼有物理條件的限制，在精確性上機器有明顯的優點。即使人眼依靠放大鏡或顯微鏡來檢測產品，機器仍然會更加精確，因為它的精度能夠達到千分之一英寸。特別是檢測生產線上高速運動的物體時，機器視覺更具優勢。

   重復性——機器可以以相同的方法一次一次的完成檢測工作而不會感到疲倦。與此相反，人眼每次檢測產品時都會有細微的不同，即使產品時完全相同的。

   客觀性——人眼檢測還有一個致命的缺陷，就是情緒帶來的主觀性，檢測結果會隨工人心情的好壞產生變化，而機器沒有喜怒哀樂，檢測的結果自然非常可觀可靠。

   效率高——機器視覺系統可以快速獲取大量信息，實現更為快速的產品檢測，同時也易于加工過程中的信息集成，尤其是在大批量工業生產過程中，用人工視覺檢查產品質量效率低且精度不高，用機器視覺檢測方法可以大大提高生產效率和生產的自動化程度。

   成本低——由于機器比人快，一臺自動檢測機器能夠承擔多人的任務。而且機器不需要停頓、能夠連續工作，所以能夠極大的提高生產效率從而降低生產成本。