工业机器视觉系统结构
工业机器视觉系统构架主要分为硬件设备和软件算法两部分，其中硬件设备主要包括光源系统、镜头、摄像机、图像采集卡和视觉处理器；软件包中核心算法主要包括传统的数字图像处理算法和基于深度学习的图像处理算法。
工业机器视觉系统产业及市场规模
2017年全球机器视觉市场规模达到40亿美元，2017～2025年复合增长率预计达到8.5%左右。机器视觉系统提供方主要集中于欧美地区，龙头企业主要包括：康耐视、基恩士、ISRA等。但随着食品、包装、工业、消费电子等制造产业逐步在中国制造，中国境内对机器视觉系统的需求量日益增长，未来5年年复合增长率将达到10.4%。
机器视觉技术在工业制造环节中的应用优势
1. 可实现可靠性更高的产品质量检测及实时监控，有效的避免了人工检测过程中的主观性和个体差异；
2. 检测精度可达到亚微米级别，突破了人眼的物理限制，在全生命产品周期内对产品进行外形、标签、完整度等方面的缺陷检测；
3. 数字图像处理和计算机视觉算法不断优化，在软件系统层面上提供更广泛及高效的检测功能，补充机器视觉硬件系统的检测能力；
4. 减少人在现场操作的时间，有效的避免了操作人员的听力损害、身体机能下降等情况，保证了操作人员人身。
机器视觉技术在工业制造中应用的局限性
1.受到环境光源的约束：不同的光源将造成不同的成像质量和效果，直接干扰检测算法的检测，可能造成产品的误判；单一的视觉引导技术不能保证路径中障碍物检测的精度，决策控制层往往需要融合多种传感器采集的信息。
2. 受到检测对象多样性的限制：物体表面缺陷种类繁多、缺陷产生机理不明、缺陷描述不充分；机器视觉系统难以从数据中提取特征。
3. 受到成本和收益经济性的限制：视觉传感器等工业相机核心零部件和底层视觉软件的开发需较大投入成本。
工业机器视觉系统的10大未来发展趋势
技术
1.工业相机中的视觉传感器在结构设计上不断优化。
2.嵌入式视觉系统的应用增加工业现场编程效率。
3.设备端深度学习模型不断获得压缩与加速。
4.设备端上计算能力的提升。
应用
1.可对3D打印产品瑕疵问题进行微米水平无损检测。
2.视觉信息提升智能机床加工过程中的自主感知能力。
3.智能视觉设备的应用提升工厂员工操作效率及安全。
4.让工业机器人从实际工作中学习基于视觉的运动技能及操作策略。
