以全新视角看待机器视觉

为跟上消费者日益增长的需求，以及对更高品质的追求，如今的制造领域需要在质量方面发力。消费者普遍在购买到破损产品或过期食物时，都会毫不犹豫地选择退货。据斑马技术《2022全球消费者调查》结果表明，消费者和零售商之间存在巨大的信任鸿沟。因此，维护消费者的信任尤为重要，而退货情况的发生就会损害品牌方或零售商的商誉。

许多公司日益依赖企业级计算机视觉和机器视觉解决方案，以应对这一挑战。据易观分析预测，随着工业与交通数字化转型的不断深入，以及前沿技术应用逐渐落地，中国计算机视觉市场规模增速将逐渐上升，预计2024年市场规模将达767亿元。这一数字并不意外，因为对于许多企业而言，大力采用人工智能（AI）和自动化是上佳之选，从而提升供应链速度，提高库存和订单的准确性，并完善品控。随着制造商和物流供应商竞相提高吞吐量，新一代机器视觉系统也在提供一种能在不影响准确性的情况下加快货物检验的简便方法，有望在相对严苛且劳动力有限的情况下加强履单能力。

机器视觉焕发新彩

机器视觉的一项基本功能是，通过使用从数字化图像中提取的信息与规则进行比较，来确定生产线上的零件或产品是否符合标准，并能够从生产线上自动移除未通过测试的物品。

考虑到零件或产品个体之间可能存在的细微变化，以及制造商和仓储经营者需加以注意的小规模缺陷，机器视觉系统成为在生产线上执行检验的优选工具也是有理可循的。它们能够比员工更快速地采集并分析图像。而且，随着分辨率的提高，在某些情况下远超人类的视觉范围，强大的机器视觉相机能够看到对于人眼来说太小或不可见的东西。

与此同时，它们还具备更完善的残像机制，这在监测缺陷模式和寻求解决方案时很有助益。关键人员能够看到上报的缺陷，确定来源，并迅速调查原因，以尽量减少进一步的浪费或导致履单延误。更重要的是，生产线上无需员工接触零件，这是机器视觉的一项关键优势，它能够防止潜在的损坏，省去人工检验的时间密集型流程，使员工能够完成更多具有战略意义的工作任务。

定制和维护机器视觉程序曾需要高昂的投入和专家级的程序员。这种复杂性“劝退”了一些工厂经理和工程师，他们认为尽管品控的重要性不断上升，但机器视觉的成本太高，而且实施起来也很具挑战性。许多情况下，只有大型企业才能在其工业化运营中轻松应用机器视觉。

但今时不同往日，机器视觉已焕发新彩。过去几年里，在各种因素的使然下，机器视觉对于不同类型的工作流程和企业都更具可及性和可用性。机器视觉解决方案初期用于电子和汽车行业，其可及性的提高正在推动该技术扩展到包括监控、医疗和制药、餐饮以及机器人等在内的新领域。

深度学习的赋能

得益于深度学习，较小规模的企业也可在没有专业人员的情况下，更轻松地设置、部署和运行机器视觉系统。随着深度学习的不断成熟，它得以更频繁地部署，并预计将取代更多采用基于规则编程的传统制造应用。

尽管这代表着在可及性方面的巨大进步，但AI技术仍会犯错。不过，随着AI技术的不断成熟，它也将变得更加智能。它学习得越多，成效上也就越准确、越可靠。为使这些算法发挥作用，增强计算机处理能力必不可少。此外，得益于芯片性能增强，且体积减小，如今的AI系统小到，能够在相对有限的空间内运行。这也是机器视觉愈发可及的另一项关键因素。

实现自动化的未来

运营编排是许多企业的目标，这需要协调实时智能技术、库存和人力来取得竞争优势。据《2022年第三季度全国招聘大于求职“最缺工”的100个职业排行》显示，100个职业中，有39个属于生产制造及有关人员，与上季度相比，制造业缺工状况持续。虽然许多人认为自动化是以减少人们的就业机会为代价，但它实际上可解决日益严峻的劳动力短缺问题，同时提升工作效率和准确性。在机器视觉所开启的新时代中，员工无需接受更高水平的计算机科学教育，就能更轻松地监督和操作自动化系统。

机器视觉如今几乎能够融入制造流程的每一步，强化数据收集以完善追踪与追溯，加快履单拣选和包装，并通过物联网（IoT）的整合来指导员工和机器人。高性能扫描器和相机是在仓储环境中提升AI和IoT功能的关键所在。

虽然机器视觉系统仍需先进的相机技术，但借助能够无缝集成到整体工厂运营的软件，就能更轻松地管理相关设备。例如，在此类环境中，机器视觉利用的是与固定式工业扫描器所采用的大致相同的核心成像技术。

为紧跟制造业和物流业的发展步伐，业界需要不断进步，而随着技术的演进，面对快速增长的消费者和业务需求，想要立于前沿，机器视觉的应用已成为必要条件。将先进的技术融合到单一整体解决方案中，是实现工业自动化进程中的重要一步。

审核编辑 ：李倩