(一)機(jī)器視覺行業(yè)由 2D 機(jī)器視覺向 3D 機(jī)器視覺升級(jí)趨勢(shì)目前,2D 目標(biāo)檢測(cè)算法不斷成熟,無論是精度還是檢測(cè)速度都已達(dá)到較高的水準(zhǔn),在制造業(yè)領(lǐng)域已經(jīng)取得廣泛的應(yīng)用,但由于 2D 視覺檢測(cè)無法獲得物體的空間坐標(biāo)信息,所以存在包括不支持與形狀相關(guān)的測(cè)量,無法區(qū)分相同顏色物體之間的特征或具有接觸側(cè)的物體之間的位置,同時(shí)特別依賴于光照和顏色/灰度的變化,測(cè)量精度易受照明環(huán)境的影響等檢測(cè)缺點(diǎn)
相比之下,3D 機(jī)器視覺可以測(cè)量包括高度、角度、平面度、厚度體積、顏色相近表面等信息,通過更豐富的數(shù)據(jù)采集獲取物體的三維圖像。3D 測(cè)量技術(shù)可以根據(jù)以上測(cè)量數(shù)據(jù)設(shè)置公差,進(jìn)而以超出公差為標(biāo)準(zhǔn)檢測(cè)缺陷,同時(shí)可以持續(xù)儲(chǔ)存產(chǎn)品缺陷的相關(guān)測(cè)量數(shù)據(jù),并對(duì)數(shù)據(jù)進(jìn)行量化分析以優(yōu)化和改進(jìn)前端的制造工藝,提高生產(chǎn)效率。此外,3D 機(jī)器視覺還具備高測(cè)量穩(wěn)定性、高精度及可重復(fù)性等優(yōu)勢(shì)近年來,隨著工業(yè)化及智能制造的大力發(fā)展對(duì)精確度的要求越來越高3D 機(jī)器視覺檢測(cè)應(yīng)用范圍愈發(fā)廣闊,目前機(jī)器視覺技術(shù)及產(chǎn)品由 2D向 3D 邁進(jìn)已逐步成為行業(yè)的主要發(fā)展趨勢(shì)之一。
(二)機(jī)器視覺行業(yè)人工智能深度學(xué)習(xí)+機(jī)器視覺的技術(shù)發(fā)展趨勢(shì)
傳統(tǒng)的基于規(guī)則的機(jī)器視覺系統(tǒng)可以高精度地每分鐘檢查數(shù)百甚至數(shù)千個(gè)零件,但系統(tǒng)仍是通過逐步過濾和基于基本規(guī)則的算法運(yùn)行的。而深度學(xué)習(xí)算法使用了卷積神經(jīng)網(wǎng)絡(luò),利用卷積層提取出圖像特征,而卷積層的參數(shù)并非全部由人工設(shè)計(jì)而是通過數(shù)據(jù)訓(xùn)練所得。機(jī)器視覺系統(tǒng)與其結(jié)合后,將會(huì)形成以下幾個(gè)優(yōu)點(diǎn): 1) 克服視覺應(yīng)用程序難以使用基于規(guī)則的算法,進(jìn)而進(jìn)行編程: 2) 維護(hù)應(yīng)用程序并在工廠車間重新訓(xùn)練新的圖像數(shù)據(jù): 3) 無需重新編程核心網(wǎng)絡(luò)即可適應(yīng)新的示例:4)處理迷惑性較高的背景和零件外觀的變化等
近年來,得益于計(jì)算能力的提高和大規(guī)模數(shù)據(jù)集的出現(xiàn),AI 技術(shù)本身以及各類商業(yè)解決方案已日臻成熟,正在快速進(jìn)入工業(yè)化階段人工智能深度學(xué)習(xí)+機(jī)器視覺可以幫助機(jī)器視覺設(shè)備快速進(jìn)行圖像分類
目標(biāo)檢測(cè)和分割,且已越來越多的應(yīng)用在 3D 機(jī)器視覺中,成為業(yè)內(nèi)公認(rèn)的未來主流發(fā)展趨勢(shì)之一
(三)機(jī)器視覺行業(yè)技術(shù)提升帶來的滲透率提升及加速進(jìn)口替代
的趨勢(shì)受益于光源系統(tǒng)、圖像處理系統(tǒng)以及相機(jī)等軟硬件領(lǐng)域的技術(shù)持續(xù)提升,機(jī)器視覺設(shè)備的成本端呈現(xiàn)逐年下降趨勢(shì)。在同等價(jià)格甚至性價(jià)比更高的條件下,機(jī)器視覺設(shè)備可以提供更多更快的圖像數(shù)據(jù)傳輸、更先進(jìn)的軟件算法,實(shí)現(xiàn)數(shù)字化、實(shí)時(shí)化和智能化的性能提升。
性價(jià)比的提高加大了機(jī)器視覺設(shè)備的市場(chǎng)滲透率,同時(shí),國內(nèi)企業(yè)在地域性及客戶服務(wù)上相較于境外企業(yè)有明顯優(yōu)勢(shì),隨著國產(chǎn)機(jī)器視覺設(shè)備逐漸成熟,原先機(jī)器視覺行業(yè)較高的進(jìn)口依存度為進(jìn)口替代帶來廣闊的空間