机器视觉主要应用领域

机器视觉：捕获并处理图像，为设备执行提供操作指导。机器视觉技术是应用于工业和非工业领域的硬件和软件组合，基于捕获并处理的图像为设备执行其功能提供操作指导。机器视觉主要分为成像和图像处理分析，前者依靠系统硬件部分完成，后者在前者基础上通过视觉控制系统完成。机器视觉主要应用领域包括：智能安防、ADAS（高级驾驶辅助系统）、工业视觉、AGV（自动引导车）、机器人、消费电子等。

机器视觉系统：一般包括光源及光源控制器、镜头、相机，视觉控制系统等。其中，光源及光源控制器、镜头、相机等硬件部分负责成像功能，视觉控制系统负责对成像结果进行处理分析、输出分析结果至智能设备的其他执行机构。

机器视觉行业分为两部分：1）底层开发者(核心组件和软件提供商)。2）集成和软件服务提供商。其中，零部件和软件开发是产业链中的核心环节。

图1:人眼和机器视觉对比

图2:典型的机器视觉系统构成

机器视觉的功能可归为四类：识别、测量、定位和检测，其中检测技术难度最高。机器视觉的四类功能在速度、精度和适应性等方面优于人类视觉，是推进工业企业智能化的重要工具。

机器视觉产业链：

上游基础部件构成，中游为核心环节，下游应用到多个行业

上游：主要为LED、CCD、CMOS、光学材料、电子元器件等原材料。机器视觉是由多个部件组成，每个部件的原材料均有不同，因此产业链上游涉及的行业范围较为宽广。

中游：包括光源、光源控制器、镜头、相机、视觉控制系统等，是产业链核心环节。

下游：主要为运用机器视觉技术的设备制造行业和终端用户，如汽车、医药、化学、电子等等。

机器视觉用例：

以奥普特手机屏幕检测时，通过采用8K线阵相机搭配高均匀线形光源的成像方案设计，使划痕缺陷和背景形成鲜明的对比，优化了视觉分析效果；

在锂离子电池极片瑕疵检测和极耳尺寸测量的应用，速度120米/分钟，检测瑕疵种类超过15种，效率高于人眼效率。

再比如，在药品检测中，人工检测和智能质量检测效率均不如机器视觉检测，医药可见异物中机器视觉检测精度50μm，人工、光阻法分别为0.1mm、3-50μm。

注意：来自网络整理