当前智能制造发展如火如荼，为社会带来持续不断的动能。无论是“中国制造 2025”还是“工业 4·0”都离不开机器视觉。市场和技术的不断发展，使得机器视觉应用正如雨后春笋一样不断出现，并因其在效率、精度，成本、质量等等方面注入的独特价值而在一个又一个行业领域中得到广泛的应用。

根据 MarketsandMarkets 的预测，预计到 2025 年全球机器视觉市场规模将突破 130 亿美元；2026 年将接近 140 亿美元。国内机器视觉行业快速发展，中国正在成为世界机器视觉发展最活跃的地区之一，预计到 2026 年我国机器视觉市场规模将突破 300 亿元。机器视觉在产业和消费升级的大潮中发挥着越来越重要的作用，随着市场需求的放大，对它的研究也在不断的实现突破。

什么是机器视觉？

事实上，机器视觉是人工智能正在快速发展的一个分支。一般是指利用机器替代人眼，形成视觉能力，将人眼能够看到的世界转换为机器能够感知的世界，经过这一转换，机器就可以很好地对客观世界进行认识、测量、改造等。这个过程看似简单，实际蕴含庞大的基础知识和实践能力。

机器对物体识别过程示意图

它的原理是通过机器视觉产品（即图像摄取装置，分CMOS和CCD两种）将被检测的目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号，图像处理系统对这些信号进行各种运算来收取目标的特征，如面积、数量、位置、长度，再根据预设的允许度和其他条件输出结果，包括尺寸、角度、个数、合格/不合格、有/无等，实现自动识别功能。

机器视觉原理

机器视觉的发展

20世纪50年代开始研究二维图像的统计模式识别。

60年代Roberts开始进行三维机器视觉的研究。

70年代中，MIT人工智能实验室正式开设“机器视觉”的课程。

80年代开始，开始了全球性的研究热潮，机器视觉获得了蓬勃发展，新概念、新理论不断涌现。

在各个行业，越来越多的客户开始寻求视觉检测方案，机器视觉可以解决精确的测量问题和更好地提高他们的产品质量，一些客户甚至建立了自己的视觉部门。机器视觉发展至今，早已不是单一的应用产品。机器视觉的软硬件产品已逐渐成为生产制造各个阶段的必要部分，这就对系统的集成性提出了更高的要求。工业自动化企业要求能够与测试或控制系统协同工作的一体化工业自动化系统，而非独立的视觉应用。在现代自动化生产过程中，人们将机器视觉系统广泛地用于工况监视、成品检验和质量控制等领域。

从产业发展生命周期来看，国际机器视觉产业已经处于成熟期，在诸如工业4.0等市场热点的推动下，预期未来3~5年内，欧美日机器视觉技术仍将不断有创新，国际机器视觉市场有望保持现有市场规模，并继续增长。国内机器视觉产业目前还处于成长期，也已积累足够技术、市场、行业经验，并步入快速发展阶段。

随着“工业4.0”、“中国制造2025”等概念的兴起，国内机器视觉公司如雨后春笋般发展起来，国内机器视觉产业发展速度明显加快。

蝶变，超越人类

在AI技术构建出的未来世界蓝图中，有大量装置是通过机器视觉这一基础技术实现的。GPU的广泛应用给了机器快速处理图片的能力，神经网络让机器可以理解图片。正因如此，我们才能够自动分辨社交网站上的某张照片是否涉嫌有色情内容、从监控录像中找到犯罪分子的身影等。

不过机器视觉和人类视觉有着很大的差异，比如说在出现误差方面，机器和人类就有很多不同，“欺骗”深度学习神经网络的例子很能说明问题。

比如这张照片，前一秒神经网络还有57.7%的把握认为它是一只熊猫，可在经历过一点点处理后，神经网络竟然有99.3%的把握认为这是一只长臂猿。可对人类来说，这两张照片几乎没有区别。

原因是，人类和机器对于“视觉”这个概念的理解是很不一样的。人类的视觉来自于对事物的整体理解，建立于长久以来对世界的认识之上。机器的视觉模式就很不同了，机器学习算法本质上是一个分类器。

比如这张图片，根据有礼服装饰的小熊玩具照片推理出这些玩具用来做什么的？一个可能的答案或许是“婚礼”～这道题对人类而言太简单不过了，但很长一段时间内，对 AI 来说却并不容易。

近10年来，AI技术保持高速发展，AI模型已在多个任务和技能上达到超越人类的水平，比如 AlphaGo 2016 年击败了世界顶尖棋手李世石。在视觉理解领域，以 CNN 为代表的卷积类模型 2015 年在 ImageNet视觉分类任务上超越了人类成绩；在文本理解领域，2018年微软与阿里几乎同时在斯坦福SQuAD挑战赛上让 AI 阅读理解超越了人类基准。

然而，在视觉问答VQA这一涉及视觉-文本多模态理解的高阶认知任务上，AI 过去始终未取得超越人类水平的突破。

但是，经过多年的研究，AI“读图会意”再次迎来了大突破。国际权威机器视觉问答榜单 VQA Leaderboard出现关键突破：阿里巴巴达摩院以81.26%的准确率创造了新纪录，让AI在“读图会意”上首次超越人类基准。继2015年、2018年AI分别在视觉识别及文本理解领域超越人类分数后，人工智能在多模态技术领域也迎来一大进展。

这一结果意味着，AI在封闭数据集内的 VQA 表现已媲美人类。

未来机器视觉的趋势

伴随着国际智能制造战略的持续推进，机器视觉会在将来的市场持续热度，并且因新技术的加入而实现技术升级。

更高速。随着应用场景的方案完善，产能随之增加，视觉判断速度要求会提高，高速便成了机器视觉技术的竞争重点。

与智能工厂、工业4.0结合。现阶段千兆网到万兆网的升级，相机除了需要在技术方面提高带宽，更需要了解高速的应用场景。另一方面，无人工厂离不开机器视觉，在工业4.0的推进过程中，25倍和40倍相机的诞生将以网络形式接入物联网。

从二维转向三维以及多维。随着技术向更高速、更大带宽的方向发展以及各应用的深入，3D相机将发挥重要作用，伴随而来的是更高精度以及更快反应时间的技术挑战。

特殊材料的检测。特殊材料例如塑料、透明薄膜上的划痕检测，是未来机器视觉技术攻克的方向之一。

特殊的应用场景。除了在工业领域机器视觉的应用比较成熟之外，在一些非工业领域机器视觉的优势同样非常明显，尚存较大发展运用的空间。未来还将会有智慧水利、智慧油田、智慧网点、智慧制造、全息社区等更多的应用场景落地。