近日，一场“机器视觉的盛宴”——第十一届中国国际机器视觉展览会在北京举办，三宝兴业、凌云、大恒、嘉恒、陕西维视、注视者、奥特梅尔、铨识、乐视、高识能、图星等厂商集体亮相。观众不仅能在展会上亲身体验并观看到机器视觉技术和产品的突飞猛进，而且还可以在同期举行的机器视觉技术及工业应用研讨会上，听到不少有关这一新兴产业发展的相关信息。
聪明绝顶的机器视觉应用
在展览会现场的不少展台前都可以近距离感受机器视觉带来的“冲击波”。在上海波创电气有限公司的展台前，该公司研发的一系列专业机器视觉解决方案展示了其应用广度。例如，汽车工业是一个高度自动化的行业，大部分零部件都由机器来安装完成，波创的机器视觉系统可以验证装备的准确性，防止漏装和反装；在电子行业中，机器视觉检测系统可以快速检测排线的顺序是否有误，电子元器件是否错装、漏装，接插件及电池尺寸是否合规等；在食品、包装、制药行业，利用机器视觉检测系统，可以在最严格的制造环境下检测产品质量、外观、日期、条码等。
在维视数字图像技术有限公司的展台前，记者看到一款“FVR2104六轴工业视觉机器人系统”，可以精确地完成象棋的自动识别、定位及摆放。它不仅可以区分不同颜色的棋子，还可以识别棋子的正反面，保证棋子方向及角度正确。该公司工作人员介绍，目前，具有视觉功能的智能化机器人已经被广泛应用于晶圆检测、吻合器缺钉检测、离线式自动装配作业、自动点胶涂胶、自动焊接、印制电路板（PCB）自动切割等。此外，该公司推出一系列机器视觉科研开发平台，帮助科研人员进行相关实验室开发与教学。
在北京凌云光子技术有限公司的展台前，其自主研发的凌云光子 VisionALN平台对位视觉组件，将视觉技术与运动控制技术相结合，无需靶标系统自标定，平台数量、平台类型、对位模式、相机数量、相机安装方式等配置灵活，可帮助设备实现高精度、高速度对位，显著提升系统生产精度和效率，成为设备在精度、稳定性、速度方面获得市场竞争优势的利器……
欣欣向荣的机器视觉产业
前瞻产业研究院发布的《2013－2017年中国机器视觉产业发展前景与投资预测分析报告》显示，2013年，我国机器视觉市场规模达到8.3亿元，同比增长48.2%，其中智能相机、软件、光源和板卡的增长幅度都达到50%，工业相机和镜头也保持了40%以上的增幅，皆为2007年以来的最高水平。
中科院长春光学精密机械与物理研究所朱明教授介绍，机器视觉系统是指通过机器视觉产品（即图像摄取装置）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。机器视觉的应用范围涵盖了工业、农业、医药、航天、气象、天文、公安、交通、安全、科研等国民经济的各个行业。
西安交通大学自动控制研究所所长韩九强表示，机器视觉系统的特点是提高生产的柔性和自动化程度，在一些不适合人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉；同时在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。而且机器视觉易于实现信息集成，是实现计算机集成制造的基础技术。
据了解，国外机器视觉的应用普及主要体现在半导体及电子行业，其中大概40%－50%都集中在半导体行业。而在中国，视觉技术的应用始于上世纪90年代，起初市场大多为国外品牌所占领，国内企业则基本是靠代理国外各种机器视觉品牌起家。随着机器视觉的不断应用，国内企业规模慢慢做大，技术上已经逐渐成熟。目前，具有视觉功能的智能化机器人已经应用于许多领域。例如，在许多自动化的生产线上，最后一道工序就是把产品堆放整齐，然后打包成型。而许多行业的产品体积大，重量也比较大，如果采用人工进行码垛，不仅耗费大量的人力，而且生产效率得不到提升。在这种情形下，重载机器人就成为解决企业码垛问题的首选，而机器视觉作为机器人的眼睛，直接关系到机器人能否正确地抓取产品。
实现“本土化覆盖”有待时日
《2013－2017年中国机器视觉产业发展前景与投资预测分析报告》认为，未来几年我国机器视觉行业市场规模将继续保持稳定增长，预计2016年将达到近38亿元。
“在机器视觉的目标跟踪技术领域，要着力解决"看得清、找得出、跟得上、打得准"四个问题。”朱明教授表示，他曾参与我国无人机目标跟踪技术的相关工作，机器视觉要进一步解决的问题还有很多。譬如，其成像技术要解决在远距离、弱目标的情境下，即使遇到恶劣天气，也能够克服器件限制；目标检测技术要进一步提高，能够精准检测到各种背景下的各种目标；目标识别技术要进一步提高“人工智能”和“人在回路”等。
“国内在机器视觉产品研发方面虽然取得了一些成果，但与国外先进机器视觉技术和设备相比还有较大差距。”韩九强认为，目前国内在机器视觉产品研发方面主要存在技术水平较低、应用面窄、基本处于软硬件定制的专用视觉系统研发和应用阶段、开发成本高效率低等问题；在机器视觉算法研究方面，仍采用经典的数字图像处理算法和通用软件编程开发，组态集成开发能力弱；在产品方面，拥有自主知识产权的机器视觉技术与系统产品较少，不利于批量生产和推广。
此外，还有专家表示，在机器视觉研究中，仅仅利用理想环境下获取的静止或瞬时视觉信息作为输入远不能满足认识复杂客观世界的要求。如果能将机器视觉、机器听觉、机器嗅觉、机器触觉等有机地结合起来，将多种信息相互融合，则有可能突破单一视觉信息的局限性。这里的融合不仅包括多传感器融合，还包括系统内部各信息通道的融合、系统模块的融合和各类信息处理方法的融合。
业界普遍认为，机器视觉的确是未来给机器装上“眼睛”和“大脑”的聪明之举，不过眼下，要实现机器视觉在各个应用行业的“本土化覆盖”，还有待时日。可以预见的是，随着未来机器视觉技术的发展和成熟，将在制造业中得到越来越广泛的应用 .
