“視覺”是將外界信息通過成像顯示為數字信號，並反饋給計算機。它需要依靠壹套硬件解決方案，包括光源、攝像頭、圖像采集卡、視覺傳感器等等。感知是計算機對數字信號的處理和分析，主要是軟件算法。
機器視覺在工業中有著廣泛的應用，其核心功能包括測量、檢測、識別和定位。
產業鏈可分為上遊零部件市場、中遊系統集成/成套設備市場和下遊應用市場。
機器視覺上遊有光源、鏡頭、工業相機、圖像采集卡、圖像處理軟件等軟硬件提供商，中遊有集成、整機設備提供商，廣泛應用於產業下遊。主要下遊市場包括電子制造、汽車、印刷包裝、煙草、農業、醫藥、紡織和運輸。
機器視覺的全球市場主要分布在北美、歐洲、日本、中國等地區。據統計，2014年，機器視覺系統及部件的全球市場規模為36.7億美元，2015年為42億美元，2016年為62億美元。機器視覺系統的集成，根據北美市場的數據，大約是視覺系統和零件市場的六倍。
中國機器視覺始於上世紀80年代的技術引進，隨著1998年半導體工廠全線引進，也被納入機器視覺體系。2006年以前，國內機器視覺產品主要集中在外資制造企業，規模較小。從2006年開始，工業機器視覺應用的客戶群開始擴展到印刷、食品等檢測領域，市場在2011開始高速增長。隨著人力成本的增加和制造業的升級需求，加上計算機視覺技術的快速發展，越來越多的機器視覺解決方案滲透到各個領域，到2016年，我國機器視覺的市場規模已經達到近70億元。
在機器視覺中，缺陷檢測功能是機器視覺應用最廣泛的功能之壹，主要檢測產品表面的各種信息。在現代工業自動化生產中，連續大批量生產的每壹道工序都有壹定的次品率。雖然孤立來看比例很小，但倍增後成為企業提高良品率的瓶頸，壹個完整工藝消除不良品的成本會高很多(比如焊膏印刷過程中如果出現定位偏差，而這個問題直到芯片貼裝後在線測試才發現，那麽修復的成本將是原來成本的100倍以上)。
1.與人類視覺相比，機器視覺在檢測行業具有明顯的優勢。
1)精度高:人的視覺是64灰度級，對小目標的分辨力較弱；機器視覺可以顯著提高灰度，同時觀察微米級目標；
2)速度快:人類看不清快速移動的目標，機器的快門時間可以達到微秒級；
3)穩定性高:機器視覺解決了人類壹個很嚴重的問題，就是不穩定。人工目測是壹個非常枯燥又辛苦的行業。無論妳設計什麽樣的獎懲制度，都會有很高的漏檢率。而機器視覺檢測設備沒有疲勞問題，沒有情緒波動。只要在算法裏寫點東西，每次都會認真執行。大大提高了質量控制效果的可控性。
4)信息整合與保留:機器視覺獲取的信息全面、可追溯，相關信息可以很容易地整合和保留。
2.機器視覺技術近年來發展迅速。
1)圖像采集技術發展迅速。
CCD、CMOS等固件日趨成熟，圖像敏感器件尺寸不斷縮小，像素數量和數據速率不斷提高，分辨率和幀率的速度日新月異，產品系列越來越豐富。增益、快門、信噪比等參數不斷優化。通過核心測試指標(MTF、失真、信噪比、光源亮度、均勻性、色溫及系統成像能力綜合評價等)對光源、鏡頭、攝像頭進行整合。).
2)圖像處理和模式識別發展迅速。
在圖像處理中，隨著圖像高精度邊緣信息的提取，許多原本混有背景噪聲、難以直接檢測的低對比度缺陷開始被區分出來。
模式識別本身可以看作是壹個標記過程，在壹定的測量或觀察的基礎上，把要識別的模式劃分成自己的模式。決策理論和結構方法廣泛應用於圖像識別。決策理論方法的基礎是決策函數，決策函數是基於時序描述(如統計紋理)對模式向量進行分類識別。結構化方法的核心是將壹個對象分解成模式或模式原語，不同的對象結構有不同的原語串(或字符串)。利用給定的模式基元尋找未知對象的編碼邊界，得到字符串，然後根據字符串判斷其虧格。在特征生成方面，許多新的算法不斷出現，包括基於小波、小波包、分形和唯壹二進制分量分析的特征。還有管子支持向量機、可變形模板匹配、線性和非線性分類器設計等等。
3)深度學習帶來的突破
傳統的機器學習在特征提取上主要依靠人來分析和構建邏輯，而深度學習是通過多層感知器來模擬大腦工作，構建深度神經網絡(如卷積神經網絡)來學習簡單特征，構建復雜特征，學習映射和輸出，各級在訓練過程中會不斷優化。在具體應用中，如自動ROI區域分割；標點位置(未知缺陷可通過防誤視覺靈活檢測)；從高噪聲圖像中重新檢測無法描述或量化的缺陷，例如橘皮缺陷；辨別玻璃蓋板檢測中的真假缺陷。隨著越來越多基於深度學習的機器視覺軟件推向市場(包括瑞士的vidi、韓國的SUALAB、香港的ASTRI等。)，深度學習對機器視覺的賦能會越來越明顯。
4)3d視覺的發展
三維視覺還處於起步階段，很多應用都在使用三維表面重建，包括導航、工業檢測、逆向工程、測繪、物體識別、測量和分類等。然而，精度問題限制了3D視覺在許多場景中的應用。目前工程上首先應用的是物流中標準件的體積測量，相信這壹塊未來潛力很大。
3.機器視覺要完全取代人工視覺檢測還有很多困難需要克服。
1)光源和成像:機器視覺中的高質量成像是第壹步。由於不同材料的表面反射和折射會影響被測物體的特征提取，所以光源和成像可以說是機器視覺檢測首先要克服的難點。比如目前玻璃和反射面的劃痕檢測，很多時候問題都卡在不同缺陷的集成成像上。
2)強噪聲低對比度圖像中的特征提取:在強噪聲環境下，往往很難識別真假缺陷，這也是為什麽在很多場景下總是存在壹定的誤檢率。但是隨著成像和邊緣特征提取的快速發展，這壹塊壹直在取得各種突破。
3)意外缺陷的識別:在應用中，通常會給出壹些特定的缺陷模式，並使用機器視覺來識別它們是否已經發生。然而，經常會遇到許多明顯的缺陷被遺漏，因為它們以前沒有發生過或者發生的方式過於多樣。如果妳是壹個人，雖然沒有要求他檢測到作業流程文件中的這個缺陷，但是他會註意到，所以有更大的幾率抓住它，而機器視覺在這方面的“智慧”目前還很難突破。
4.機器視覺產業鏈情況
1)上遊零部件市場
主要包括光源、鏡頭、工業相機、圖像采集卡、圖像處理軟件等提供商，近年來智能相機、工業相機、光源和板卡保持不低於20%的增速。根據中國機器視覺產業聯盟(CMVU)的調查，目前已進入中國的國際機器視覺品牌有近200家(如以康耐視、達爾薩、寶盟為代表的核心零部件廠商，而以卡恩斯、歐姆龍、、邦納、倪為代表的也涉足機器視覺核心零部件和系統集成)。國內機器視覺品牌超過65，438+000個(如海康、華銳、蒙拓光電、神州視覺、深圳燦瑞、上海方成、上海博創電氣等。)，並有300多家機器視覺代理商(如深圳鴻福視覺、微視新紀元、三寶興業、淩廣韻、陽光視覺等).國內很多機器視覺零部件市場都是從代理國外品牌開始的，很多企業都和國外同行有很好的合作，而且這種合作是排他性的，給潛在進入者帶來了壹定的門檻，所以優質產品的代理商也有很好的市場競爭力和利潤表現。與此同時，以海康、華銳為代表的國內工業視覺核心部件正在快速崛起。
2)中遊系統集成和整機設備市場
中遊系統集成及機器設備供應商超過100家，可為各行業自動化公司提供全面的機器視覺解決方案，如淩廣韻、微視新時代、嘉恒、、陽光視覺、、大恒影像等。因為國內產品和國際產品還有很大差距，而且很多中遊系統集成商和成套設備供應商都是從核心部件的貿易開始的，所以很多在視覺產品的選擇上還是偏向國外品牌。國產品牌為了推廣自己的軟硬件產品，往往需要發展自己的解決方案集成能力，才能更好地面對市場競爭。
3)下遊應用市場
機器視覺的下遊主要是為終端用戶提供非標自動化集成解決方案的公司。行業屬性很強，核心競爭力是對行業和生產的全面理解和各種技術的融合。因為行業自動化的變化具有壹定的周期性，深受行業整體升級速度、出貨量、利潤情況的影響。所以這兩年推動機器視覺應用普及最重要的是電子制造業，其次是汽車和制藥。
壹、半導體及電子制造業:從國內機器視覺行業的應用分布來看，46%集中在電子及半導體制造業，包括晶圓加工制造、PCB檢查(底片、內/外板、成品最終外觀檢查等。)、SMT貼裝檢驗、LCD全流程AOI缺陷檢驗、各種3c元器件表面缺陷檢驗、3c產品外觀檢驗等。
二。汽車:車身裝配檢查、零件幾何尺寸和誤差測量、表面和內部缺陷檢查、間隙檢查等。
三。印刷包裝檢驗:煙草外殼印刷、食品包裝印刷、鋁塑板包裝印刷、藥品等。
四。農業:農產品的分類、檢驗和分級
動詞 （verb的縮寫）紡織:異纖、雲織、經緯疵點等疵點的檢測，織物表面絨毛的鑒定，紗線結構分析等。
5.機器視覺系統的未來發展趨勢
1)嵌入式解決方案發展迅速，智能攝像機性能和成本優勢突出，嵌入式PC會越來越強大。
2)模塊化通用軟件平臺和人工智能軟件平臺將降低對開發者的技術要求，縮短開發周期。
3)3d視覺將走向更多的應用場景。