近段時間，“新基建”、“數字基建”成為熱點詞匯，“工業互聯網”作為新基建之一，不僅被市場廣泛關注，更在中央政治局會議中被著重點名。

2018年3月工業富聯的閃電過會，讓工業互聯網以一種極具沖擊力的姿態出現在公眾的視野。彼時國內早已涌現出不少平臺型產品，也陸續有對外賦能的案例曝光，但資本層面的大動作，更容易讓人感受到行業蠢蠢欲動的生機，也從一定程度上給予一級市場以信心。

圖片來源于億歐網

如上如所示，2019年市場上獲得融資的工業互聯網領域相關企業一共有31家，其中還有少數幾家當年獲得了兩輪融資，雖然較2018年的40多家(企名片數據)相比略有下降，融資輪次也較多地集中在A輪，但整體還是呈現出向上發展的勢頭。

當政策、資本都朝同一個方向發力時，產生的動力是強勁而迅猛的。但工業互聯網究竟憑借什么才可以扶搖直上九萬里?筆者在這里給出的答案是：機器視覺。

什么是機器視覺?

機器視覺是使用光學器件進行非接觸感知，自動獲取和解釋一個真實場景的圖像，以獲取信息和(/或)控制機器或過程。

機器視覺在生活中的的應用及其廣泛，在交通領域、水文觀測、地質災害預警識別等領域，都發揮著重要的作用。而宏觀上看，發展速度較快的細分產業是人臉識別與圖像識別。這兩個分支行業，在金融、安防以及交通領域較為集中。

前段時間，華為安防就突然官宣：華為安防改名為機器視覺。傳統安防公司都在往“AIoT”上靠，而華為安防這次更名機器視覺，讓人多少有點意外。相比AIoT，機器視覺更具體和場景化。華為安防此次改名不乏希冀“機器視覺”助力千行百業數字化轉型的愿景。

那機器視覺究竟有什么硬氣可以負擔的起全行業數字化轉型這塊大蛋糕的呢?

▲機器視覺系統組成

圖片來源于ittbank

目前，機器視覺的基礎功能主要分為四大類：模式識別/計數、視覺定位、尺寸測量和外觀檢測，當前的應用也基本是基于這四大類功能來展開。

• 模式識別/計數：主要指對已知規律的物品進行分辨，比較容易的包含外形、顏色、圖案、數字、條碼等的識別，也有信息量更大或更抽象的識別如人臉、指紋、虹膜識別等。
• 視覺定位：主要指在識別出物體的基礎上精確給出物體的坐標和角度信息。定位在機器視覺應用中是非常基礎且核心的功能，一個軟件的好壞大概率與其定位算法的好壞密切相關。
• 尺寸測量：主要指把獲取的圖像像素信息標定成常用的度量衡單位，然后在圖像中精確的計算出需要知道的幾何尺寸。優勢在于對高精度、高通量以及復雜形態的測量，例如有些高精度的產品由于人眼測量困難以前只能抽檢，有了機器視覺后就可以實現全檢了。
• 外觀檢測：主要檢測產品的外觀缺陷，最常見的包括表面裝配缺陷(如漏裝、混料、錯配等)、表面印刷缺陷(如多印、漏印、重印等)以及表面形狀缺陷(如崩邊、凸起、凹坑等)。由于產品外觀缺陷一般情況下種類繁雜，所以檢測在機器視覺中的應用中屬于相對較難的一類。

從技術實現難度上來說，識別、定位、測量、檢測的難度是遞增的，而基于四大基礎功能延伸出的多種細分功能在實現難度上也有差異。

機器視覺應用中常見的幾種光源包括二極管、石英鹵素、金屬鹵化物、氙氣和傳統的熒光照明。如果條形碼或工件的一部分被遮擋，讀數可能會產生錯誤。

為了最大限度挖掘機器視覺的潛力，一臺工業設備使用高保真相機捕捉環境或工件的數字圖像。這些圖像可以在自動導引車(AGV)或機器人檢測站中拍攝。屆時，機器視覺將使用先進的識別算法來判斷其位置、身份或狀況。

機器視覺如何支持工業物聯網?

工業物聯網(IIoT)設備的普及標志著技術進步的一個重要時段。IIoT讓企業從上到下獲得前所未有的業務可見性。網絡傳感器和基于云的企業和資源規劃中心提供本地和遠程資產以及業務伙伴之間的雙向數據移動性。

雙向數據移動的媒介可以是像機械活塞或軸承一樣小的東西，也可以像卡車一樣龐大的物體，通過合適的物聯網硬件和軟件可產生有價值的運營數據。企業業務可以無處不在，即使在資源或勞動力短缺的情況下。

(1) 物聯網=無處不在的計算

機器視覺在萬物互聯的世界中處于什么位置呢?機器視覺使現有物聯網資產更加強大，能夠更好地傳遞價值和效率。可以期待它將創造一些新的機會。

(2) 傳感器可發揮出更大的潛力

機器視覺使得整個物聯網系統中的傳感器更加強大。傳感器不提供原始數據，提供一定程度的解釋和抽象，可用于決策制定或進一步的自動化。

(3) 降低帶寬需求

機器視覺可減少大規模物聯網建設的帶寬需求。與從數據源捕獲圖像和數據并將其發送到服務器進行分析相比，機器視覺通常在數據源進行研究。現代工業產生了數以百萬計的數據源，但在機器視覺和邊緣計算的作用下，許多數據點可以在不需要傳輸到數據中心的情況下產生可操作的分析結果。

(4) 支持物聯網自動化解決方案

機器視覺比較完美地補充了物聯網自動化技術。機器人檢測站可以比人類員工更高效率、更準確地工作，并且當發現缺陷和異常時，會立即為決策者提供相關數據。

(5) 機器人之間協作的安全性和實用性

利用機器視覺構建的導航系統使機器人和協作機器人具有更大的自主性和尋路能力，并促使它們與人類工作者一起更迅速、更安全地工作。在倉庫和其他具有高失誤風險的環境中，機器視覺使得機器人提高訂單挑選的響應時間，并降低由此導致的業務損失。

(6) 基礎設施之間交互的更順暢

無論是現在還是未來，市場經濟需要公司和行業在耗費更少的時間、物質和勞動力的前提下運營。機器視覺將繼續發力使無人機、物資搬運設備、無人駕駛車輛和托盤卡車、生產線和檢查站能夠更好地與網絡的其他部門交換詳細和有價值的數據。

在工廠環境中，這意味著機器和人員可以更好的協調工作，減少瓶頸、超限和其他干擾。

工廠如何應用機器視覺?

當考慮到典型工業流程中涉及的每一個步驟時，不難發現機器視覺可以改善流程的每一個方面。

為了制造一個的汽車零部件，人們需要和機器協作來采購原材料，評估其質量，將它們運輸到工廠進行加工，通過質量檢查的合格產品會離開工廠，最終，零售商或終端用戶會收到它們。

無論這個產品是在運輸中，甚至是還沒有組裝，機器視覺均提供了一種自動處理它的程序。它提高了各個部門的效率，如裝配，并保持更高和更一致的質量水平。

現實就是，不少公司已經將機器視覺集成到他們的工作流程中。

有些應用程序很簡單，比如在倉庫地板上畫一條線，讓無人駕駛的車輛安全地不越線行駛。其他的機器視覺應用甚至更加復雜，即使是最簡單的例子也有改變游戲規則的可能。

在工業世界中，機器視覺的一些典型例子曾經被是認為很難或不可能外包給機器人的。正如前文提到的，在涉及踐行成本、商譽和客戶方面，在倉庫中揀貨就是一個涉及高失誤風險的過程，產品損壞、物品位置和SKU的細微變化均有可能造成失誤，因此采用機器學習進行貨物揀選是一種上上策。

現在自動揀選機器人可100%的完成工作要求，它們可以安全地導航，檢查儲物柜中的零部件和產品，使用機械手臂做出正確的揀選，并將揀選物品運輸到集結或包裝區域。

這也就意味著公司運輸受損貨物或不正確sku的風險要小得多。

自動化的質量保證和檢查是機器視覺和物聯網結合的一個產物，它正在迅速普及。

在某些現代制造環境中，即使不犧牲人工工作，它也可以幫助管理員實現檢查流程的自動化并改善結果。取而代之的是，自動化檢測站處理這項高度精細的工作，而人們則需要學習更多認知上要求較高的技能。

2025年，協作機器人很可能在所有機器人銷售中占據34%的份額。這在很大程度上是由于機器視覺的改善，以及盡可能地消除現代工業中的低效、不準確性和浪費而做出的努力。

機器視覺與工業4.0

得益于配套基礎設施的不斷完善、制造業總體規模的持續擴大、智能化水平的不斷攀升、政策利好等原因，中國機器視覺市場需求不斷增長，據來自中商產業研究院的數據顯示，2018年中國機器視覺市場規模首次超過100億元，2019年逼近125億元。

沒有精鋼鉆，不攬瓷器活。隨著行業技術的提升、產品應用領域更廣泛，未來的工業生產必將以“智眼”為核心，裝備在千千萬萬、形形色色的設備上，指揮各種各樣的“手、腳、身體”動作，實現“深度感知、智慧決策、自動執行”的工業4.0藍圖!