机器视觉是智能制造的眼睛，综合利用工业镜头、算法平台等技术来代替人眼，实现工业制造过程中的识别、测量、定位、检测等功能，是实现工业自动化、智能化的必要手段，也是智能制造发展的关键技术。随着人工智能的发展，深度学习使机器视觉的应用场景更加灵活多样，机器视觉的潜力和价值日益突显。

 

首发链接：终于有人把机器视觉讲明白了

机器视觉可以算得上是人工智能与光学成像系统的高度融合，它能够做到比人眼更为准确、快速地识别物体，从而使产线高效运转。

与人类视觉相比，机器视觉在量化程度、灰度分辨力、空间分辨力和观测速度等方面都存在显著优势。其利用相机、镜头、光源和光源控制系统采集目标物体数据，借助视觉控制系统、智能视觉软件和数据算法库进行图形分析和处理，软硬系统相辅相成，为下游自动化、智能化制造行业赋予视觉能力。随着深度学习、3D视觉技术、高精度成像技术和机器视觉互联互通技术的发展，机器视觉性能优势进一步扩大，应用领域也向多个维度延伸。

例如，工厂钢管的金属探伤、缺陷检测，就是机器视觉技术的最直观的案例。一根根黑灰色的金属管通过激光质检机，立刻就能判断出管道内部是否有外部不可见的缺陷。在不远处的操作间里，管道内部的三维结构图立刻在显示屏上呈现出来，这就是机器视觉技术带来的变革。机器视觉产业最近几年在中国高速发展，这个产业在此前并没有蛰伏，它的相关技术早已在西方制造业中广泛应用，只是国内起步较晚。“十三五”“十四五”时期，中国的工业制造向智能制造转变，整个制造业提质增效的步伐逐渐加快。

 

传统方式， 使用内窥镜检测管壁内部， 效率低下

一些国内的互联网头部企业开始布局工业制造，建立工业云平台或是工业人工智能大模型；一部分较早代理国外机器视觉产品的企业，开始转向以本土产品替代。近年来，在机器视觉领域，每年都有新面貌。尤其在今年ChatGPT（生成式预训练Transformer模型）大模型爆火的背景下，国内机器视觉技术逐渐向AI加持的智能视觉技术转变。站在时间轴线上看快速成长的产业，国内机器视觉经历了什么，未来又将走向哪里？

国内机器视觉产业“风起于青萍之末”

1990-2000年，我国机器视觉行业处于萌芽期，上世纪90年代国内开始出现机器视觉代理企业，主要从事机器视觉器件及技术的代理服务。

2001-2010年，国内机器视觉行业开始起步，在人民币印钞质量检测、烟草和原棉异物剔除、邮政分拣等代表性下游应用需求拉动下，国内开始出现一批专业的机器，越来越多企业开始探索与研发具有自主知识产权的机器视觉软硬件设备。同时，具备USB2.0接口的相机和采集卡等器件，开始逐渐占据入门级市场，产品性能不断提升。

2013年起，国家陆续发布相关政策及规划支持并持续推动机器视觉行业发展。2016年发布的《智能制造“十三五”发展规划》，提出十大重点任务，要求加快智能制造装备发展并推动重点领域智能转型，这为高端装备制造和自动化生产的发展提供了大力支持，而作为配套设备的机器视觉产品需求也逐渐增加。

2019年，工信部发布《加快培育共享制造新模式新业态促进制造业高质量发展的指导意见》，提出支持平台企业应积极应用人工智能技术，发展智能检测功能，不断提升制造全流程的智能化水平。机器视觉技术为智能检测提供了便利，提升效率的同时降低了人工成本。随着产业的推动，机器视觉技术在国内各行业的渗透率逐渐提升。

据中国机器视觉产业联盟（CMVU）统计，2015年我国机器视觉市场规模为31亿元，2019年提升至103亿元，2020年达到115亿元。2015-2020年，国内机器视觉市场规模年复合增长率达24.31%，远高于全球机器视觉行业同期水平，国内已具备良好的发展条件。

 

2020 年中国机器视觉终端应用构成 数据来源：中国机器视觉产业联盟

国外研究机构CBInsigh数据显示，2020年，中国已成为继美、日之后的全球第三大市场。受益于新基建投资增加、数据中心建设加速、制造业自动化推进等因素，预计到2025年中国机器视觉行业规模有望超过400亿元，未来3年，年复合增长率为35%。

百度智能云工业AI质检业务负责人任小波认为，我国机器视觉产业目前正在由分散向收拢演化，产业内越发规范化，其中，在技术层面的进步体现在以下几个方面：

技术升级：从2D视觉到3D视觉的技术升级，是我国机器视觉领域的一个重要突破。3D视觉技术的应用可以提供更丰富的立体信息，对于一些特殊的、至关重要的应用场景，具有更广泛的用途。

硬件研发：国内在智能相机与传感器研发方面取得了重要突破。结合光学物理学科，研发高分辨率镜头和更小的光源是关键。这些硬件的研发提升了机器视觉系统的性能，使其更精确、更高效。

智能识别和检测：通过深度学习和机器学习技术，机器视觉系统能够更准确地识别和检测目标。在各种工业制造场景中，如生产线和产品质量管理过程中，能够更有效地进行检测和监控。

互联互通：随着物联网和云计算技术的发展，机器视觉系统已经能够实现实时数据采集、分析和远程监控。这使得生产过程更加智能化，能够更高效地做出决策，解决问题。

环保和可持续性：随着对环保和可持续性的关注增加，机器视觉技术在节能、减少排放和减少资源消耗等方面发挥了重要作用。例如，通过精确的检测和控制技术，可以减少生产过程中的浪费，提高生产效率。

 

百度智能云工业 AI 质检业务负责人 任小波

机器视觉产业迎来“百花齐放”的时代

机器视觉行业的上游包括相机、镜头、光源等硬件及算法软件，是支撑机器视觉的底层技术，同样也是整个产业链的核心价值所在。

中游为视觉系统与智能装备，前者包含独立完整的成像单元（光源、镜头、相机）和相应的算法软件，可独立完成图像采集和处理分析工作；后者在视觉系统的基础上加上了结构本体和自动控制部件。相应的还有中央处理中台、工业人工智能平台这一类服务类的平台系统。这类平台系统往往能够根据各个视觉终端采集到的数据，进行大规模的数据分析、处理，最终将结果反馈至各类应用场景人工终端。由于下游应用场景的差异化，即使占比较大的消费电子领域，由于产品及工序的不同导致的差异也很大，因此我国机器视觉行业总体呈现集中度较低，且分散程度较大的特点。

2002年成立的凌云光技术股份有限公司，处于行业的中上游。凌云光公司在机器视觉领域拥有自主研发的底层技术，在光学系统设计、视觉底层算法库、深度学习开发平台等方面，有多年的技术积累。

凌云光技术股份有限公司首席图像算法科学家金刚表示，公司的VisionWare是国内首个全自主研发的机器视觉底层算法库，采用组态技术，开发便捷灵活，在视觉精密定位引导、视觉检测等方面的性能可以媲美当今国际先进产品，已成功应用数万套。

 

凌云光技术股份有限公司 首席图像算法科学家 金刚

公司自主开发的F.Brain深度学习平台，是专门针对工业应用中小样本、轻量化、数据管理、云边端分层部署等要求优化开发的。在光学领域，凌云光的解决方案是机器视觉产品的基础与代表。

金刚说，机器视觉系统是光、机、电、算等软技术高度集成的复杂系统，在印刷检测、显示屏检测、3C电子、新能源等领域都有大量应用。

2022年，凌云光在一家软包装企业实现了自动化报工（将生产线的数据自动反馈信息上传），帮助该企业节省了大量物料。印刷包装从业者，有个普遍的认知，3%的废料率会让企业损失30%的利润。由于在报工、产能核算等生产环节，该企业依赖传统人工，误报、漏报、瞒报等问题不断侵蚀企业利润。“据不完全测算，每天产线上浪费的物料就有900公里长。订单越大，损耗越多”。这是企业的真实写照。2022年底，一座崭新的智能印厂在AI加持下正式投产。项目结合了多种类数据采集技术，配合48台单机在线检测系统，实现车间156台设备与MES（生产管理系统）、GMQM（质量管理系统）的闭环管理。

在智能算法的帮助下，企业实现了功能性自动化报工，数据准确率达99%，真正意义上杜绝了传统报工“漏报、瞒报、错报”的现象。据该智能工厂项目组负责人介绍，以前工厂每个月会有1980万米的物料损耗，一年产生的物料浪费就高达2.4亿米，按照1元/米的成本计算，建成后的新厂一年至少节省2亿元。

阿里巴巴集团下属的阿里云研究院，同样是机器视觉产业的“先锋”。他们的产品主要处于机器视觉产业的中游。阿里云智能制造产品解决方案总监陈列认为，视觉智能是AI算法高度密集的技术领域，是在新技术驱动下产生的新需求。

 

阿里云在国内某钢铁厂钢材表检项目中投产的一线光学检测设备

“这一市场特性对于阿里云来说是完美适配的。”陈列说，“从达摩院到整个云智能体系，阿里云在AI算法领域一直保持较高的技术投入，在赋能产业数字化转型的过程中，智能化也一直是我们的重要抓手，其中视觉智能需求的普遍性、刚性及价值的确定性都很好。”

阿里云目前投入的重点是机器视觉在工业缺陷检测中的应用。在模型的缺陷检测能力、训练和推理效率、视觉特征标准建立及数据标注与训练方法上积累了一定的技术与经验。阿里云在各类制造业场景中积累了许多案例，比如：锂电池从电芯制造到成品外观的各类场景，AOI检测（利用光学技术对PCB焊接过程中的缺陷进行检测），连接器缺陷检测，3C产品关键零部件及成品外观检测，食品药品杂质灯检，钢板表面缺陷检测等等。

阿里云的应用案例在机器视觉领域也很具有代表性。国内某钢铁厂炼钢过程中，炼钢辅料的添加都是凭借人工经验进行的，“凭经验先加一点儿，化验看够不够，不够再加一点，加到合适为止”。这导致两方面问题，一方面是人工经验的精度不够，不利于精确控制成本，有时候还可能出现差错；另一方面是拖慢炼钢工序的速度，影响产量。

阿里云的炼钢工艺优化项目，利用大数据算法，在不同的来料、温度、冶炼目标等限制条件下，快速计算出炼钢辅料的种类和添加量。这一方案取代了人工经验的计算，可以将钢铁料的投放计算得更为精准，预估吨钢将节省钢铁料2~6公斤，相当于每年可节省成本2000万元左右。同时炼钢工序也将更加高效，如果每炉钢水节省1分钟，就相当于每天多炼3炉钢，多生产100多吨钢材。同样的困境还体现在该厂的热轧表检项目上。该厂原先的产线上，对钢材表面的质量检验也是由质检员借助仪器进行人工判断。由于钢板流水线的传动速度快，连续生产时间长，这实际上对质检员的专注力和身体条件都提出了很高的要求。

阿里云为该钢铁厂搭建了拍摄系统、算法检测、展示及管理三大模块，使用先进的光源照明技术和高清成像技术，结合快速检测和分类软件来实现板卷表面缺陷的快速识别和标记，能够协助质检人员或操作人员实现质量管理。最终项目成果实现了钢材缺陷检出率≥98%；检验准确率≥90%；漏检过检率＜10%。

在百度“文心一言”大模型推出之前，百度智能云就已经在细分行业推出了面向商业的人工智能平台。任小波谈道：“百度重新定义了新的技术架构，由原来的服务器、操作系统、应用3层架构变成芯片、框架、模型、应用的4层架构，百度能实现端到端的优化。在目前全球科技界最火热的大模型领域，文心一言也是国内先进的优质模型，同时已在多个行业和垂直领域落地LLM/CV（大语言模型/神经网络深度学习模型）等多种类型的10多个垂直类大模型，切实推动了在工业、能源、城市、交通、医疗等领域的落地。”

机器视觉能否助力“黑灯工厂”的实现

机器视觉发展到今天，它所带来的技术革新已经远超我们的想象。

2020年，小米集团在北京亦庄建设的全自动化生产的“黑灯工厂”开始投产。据介绍，该智能工厂一期每天可生产智能手机数千部，在生产管理、机械加工、包装储运等过程中，绝大部分的工作都是由智能机器自主完成，效率比目前最先进的人工生产线高出25%。

今年6月，位于中关村科技园区昌平园国际信息产业基地的小米二期“黑灯工厂”开始生产前的调试工作，预计今年年底投入生产。

对于机器视觉与全自动化工厂的关系，凌云光公司金刚解释道：“机器视觉或曰智能视觉，对‘黑灯工厂’这一理想的实现，将起最重要的技术支撑作用，或者说，‘黑灯工厂’的实现，离不开视觉技术的加持。”金刚表示，机器视觉依赖其本身的专用光源，可以高效、高精度地工作，无须人工干预也无须环境光照明。当今已经看到不少成功案例，如富士康的观澜工厂，在视觉、AI和自动化技术的加持下，其单位人时产能提升了313%，设备综合效率提升了16%，瑕疵检测时间减少了97％。凌云光公司提供的视觉检测解决方案在其中发挥了重要作用。

任小波认为，在工业制造中通过云计算、IoT、大数据分析等技术手段，使企业具备了数据采集、存储、传输和简单分析能力之后，AI会给工业制造带来质的变化，其中视觉AI又有举足轻重的地位，可以替代所有依靠人眼去判别的工作。比如在检测、分割、序列等复杂应用中，在大模型的加持下，相信视觉智能很快会像LLM一样迎来自己的发展高潮。

百度在汽车、钢铁、化工、纺织等多个领域已经验证，CV大模型相比普通AI模型在精度和效能上都有非常大的提升。算力、数据、模型、智能应用共同构成了“黑灯工厂”的关键要素。对此，陈列持相同态度：“工业生产的高度智能化和自动化实际上已经在很多工厂实现，这也是工业制造在速度、精细度发展到超越人能处理的量级后的必然选择，视觉作为基本能力显然是构建这类方案的必备技术。”

 

阿里云智能制造产品解决方案总监 陈列

机器视觉产业前景广阔未来可期

机器视觉技术是现代工业的一大特点，整体呈现出自动化、标准化程度高等特点。伴随AI技术的发展，机器视觉的市场规模有望进一步扩大。

聚焦国内，国产机器视觉厂商正逐步崛起，成为国内市场中坚力量。如以光源为代表的核心零部件已逐步实现替代，且正往高端化发展；3D视觉传感器正不断探索潜在的细分领域应用，寻找潜在的增长爆点；而软件算法亦伴随AI技术发展不断更新升级。

国内机器视觉产业发展也在不断地克服困难中稳步前行。金刚认为，当前机器视觉技术困境首先是由于对制造工艺和质量要求的提高带来的性能极限挑战，如对小弱浅缺陷的检测能力，对检测速度的要求等。其次是视觉技术推广过程中引发的工艺变革与冲突。最后，是在将视觉与自动化设备结合进行跨界开发时，遇到了困难。

如印刷检测，从早期的50米/分钟的速度、缺陷尺度0.2毫米的检测要求，发展到后来速度要求为100米/分钟，300米/分钟，甚至1000米/分钟，缺陷尺度为0.1毫米，甚至0.05毫米。对缺陷检测从早期的有无判断发展到缺陷类型识别，这些行业工艺的提升在不断挑战着视觉系统的极限，从扫描运动机构的速度，到光源的亮度、相机的行频、传输带宽、数据处理能力，都需要成倍、甚至几何输量级的提升。

 

对于机器视觉的未来前景，陈列表示，视觉智能是AI算法高度密集的技术领域，阿里云在AI算法领域一直保持技术投入，产业的健康发展也使阿里云对这个领域的前景保持乐观。金刚坦言，人类近80％的信息来自视觉采集，在工业、生活、军事等领域，需要人类视觉发挥作用的地方，未来都有可能被机器视觉替代。

机器视觉的普及，为信息深度感知、数字化和智能互联，提供了技术基础，可以说机器视觉前景无限。凌云光提出的“泛在视觉”概念，即“广泛存在且互联的视觉感知”，正是对机器视觉普及应用前景的一个预测。

任小波表示，机器视觉技术对比人类视觉在速度、效率、精度、可靠性、适应性、信息集成、成本、环境、彩色/灰度/空间/范围辨识等多个维度都有优势，可以帮助人、替换人，提升人的工作成效。在工业、智慧城市、生活等多个领域都有巨大的发挥空间。从长远来看该领域前景非常广阔。

中国的机器视觉发展，经历了从最初没技术、没核心，售卖国外代理产品，到目前无论是工业相机还是图像算法抑或是人工智能平台，都能够与国外相关产品同台竞争的发展过程，这10年的风风雨雨，可以说是“风起于青萍之末，浪成于微澜之间”。在国内智能制造进程持续推进的背景下，机器视觉产业将助力国内制造业走得更快、走得更远。

 

作者： 张紫达

编辑：高珊珊

监制：刘晶