随着我国人工成本的步步增长以及人工智能技术的持续发展，在工业产业链中，越来越多的制造企业在生产环节中开始主动或被动的引入AI+机器视觉技术。

人工智能技术的研发所需投入成本较大，而且需要大量的开发时间，而AI+机器视觉技术向各行业的渗透，为人工智能技术进入工业化环节落地提供了绝佳的行业土壤，吸引了众多设备制造企业在人工智能自动化升级浪潮中投入大量资金。工业4.0概念的持续深化以及技术的不断创新突破，AI技术加速进入发展快车道，AI+机器视觉技术优势明显，在国家政策的持续支持与社会需求的长期驱动下，AI+机器视觉在我国渗透空间较大，并将持续赋能下游工业应用领域。

机器视觉是机器的眼睛和大脑

机器视觉技术使得工业设备能够“看到”它正在进行的操作并进行快速决策。根据美国制造工程师协会（SME）机器视觉分会和美国机器人工业协会（RIA）自动化视觉分会对机器视觉的定义：机器视觉是通过光学的装置和非接触的传感器，自动接收和处理一个真实物 体的图像，以获得所需信息或用于控制机器人运动的装置。通俗地说，“眼睛”指的是机 器视觉利用环境和物体对光的反射来获取及感知信息；“大脑”指的是机器视觉对信息进 行智能处理和分析，根据分析结果来执行相应的活动。

据亿欧智库所称机器视觉是人工智能领域一个正在快速发展的分支，即用机器代替人眼来做测量和判断，是通过光学的装置和非接触的传感器，自动接收和处理真实物体的图像，以获得所需信息或用于控制机器人运动的装置。中商产业研究院认为，机器视觉可以代替人眼在多种场景下实现多种功能，按功能主要分为四大类：检测、测量、定位、识别。

（1） 检测：指外观检测，其内涵种类繁多。如产品装配后的完整性检测、外观缺陷检测等。（2） 测量：把获取的图像像素信息标定成常用的度量衡单位，然后在图像中精确地计算出目标 物体的几何尺寸；（3）定位：获得目标物体的位置，可以是二维或者是三位的位置信息。 定位的精度和速度是定位功能的主要指标。在识别出物体的基础上精确给出物体的坐标和 角度信息，自动判断物体位置；（4）识别：基于目标物进行甄别，包括外形、颜色、条码 等。

AI浪潮，将机器视觉冲向新蓝海

今年以来，以ChatGPT为代表的大语言模型掀起了新一轮AIGC人工智能技术浪潮，而最近Meta推出图像分割大模型SAM，使得用于自然语言处理的Prompt模式也开始被应用在计算机视觉领域。AI研究专家认为，SAM之于计算机视觉的意义，就像是GPT之于大语言模型。

“在不久的将来，各种各样的机器人将会成为我们生活中不可或缺的一部分。无论是在工业生产领域还是在家庭生活中，机器人都将扮演着越来越重要的角色。”思威特副总裁金方其表示，“而机器人的核心技术之一，就是机器视觉。它是机器人获取信息的主要手段，也是机器人‘感知之眼’的核心。”

一个完整的机器视觉系统一般由光学系统(光源、镜头、工业相机)、图像采集单元、图像处理单元、执行机构及人机界面等模块组成。随着工业自动化技术的不断发展，机器视觉在3C电子、新能源、汽车、半导体、光伏等智能制造等领域的应用越来越广泛。智能制造技术需求不断增加，推动着机器视觉市场正乘风破浪冲向新蓝海。“来自Yole的数据显示，到2026年机器视觉在工业和自动化的市场规模预计将超过百亿元人民币。”

今年机器视觉企业大规模新增，根据中国企业数据库显示，截至2023年3月15日，中国机器视觉行业的主要企业共有7114家，其中以2017-2019年为主要注册热潮，2019年注册企业数量为891家，数量最多，而2022年仅新增了20家机器视觉企业。根据中国机器视觉产业联盟(CMVU)调查统计，现在已进入中国的国际机器视觉品牌已近200多家。中国自有的机器视觉品牌也已有100多家，如海康、华睿、盟拓光电、神州视觉、深圳灿锐、上海方诚、上海波创电气等。机器视觉各类产品代理商超过300家，如深圳鸿富视觉、微视新纪元、三宝兴业、凌云光、阳光视觉等。

同时，视觉模型由定制向泛化发展。4月6日，Meta官方博客宣布推出新AI模型 Segment Anything Model（SAM）分割一切模型，提出能够对任何图像或视频中的任何物体进行识别、图像分割和一键抠图。4月8日，华为云AI领域首席科学家田奇在中国人工智能大模型技术高峰论坛上提出未来随着盘古系列大模型落地，AI 视觉在下游应用中会加速渗透。同时，华为盘古CV大模型已泛化应用于工业质检、物流、设计等多领域，产业化应用得到提升。除此之外，ChatGPT和OpenCV组合应用降低视觉软件开发壁垒，将机器视觉开发提升到一个新的水平。

AI+机器视觉，引领向工业4.0的过渡

人工智能持续放大机器视觉技术优势，有望在工业智改中大展身手。ChatGPT-4 为超级人工智能描绘雏形，有望开启新一轮生产力加速周期，制造业作为我国产业核心也将受益于 AI 的深度融合。与人眼相比，机器视觉在效率、精度、环境要求、安全性等各因素上都有明显的优势。同时，在 AI 深度学习+机器视觉的升级趋势下，将在工业自动化、数字化、 柔性化、复杂性生产上贡献更高的适配度。

传统的机器视觉技术需要将数据表示为一组特征，或输入到预测模型，从而得出预测结果，这是完成制定动作，较难适应未来柔性化的生产需求，尤其是在缺陷类型复杂化、细微化、背景噪声复杂等场景越来越难适用。搭载 AI 深度学习功能后，机器视觉将原始的数据特征通过多步的特征转换得到一种更高层次、 更抽象的特征表示，并进一步输入到预测函数得到最终结果，基于深度学习的机器视觉在 理想状态下可以结合机器视觉的效率与人类视觉的灵活性，从而完成日趋复杂环境下的检测，尤其是涉及偏差或极端环境，满足更多下游对瑕疵精度、通用性的严苛要求。AI+机器视觉有望赋能制造业，带动制造业价值链重构。

国家出台多项政策利好 AI+机器视觉行业发展。政策从拓展产业链应用场景、加强先进适用技术与设备研发以及发展机器视觉底层技术等方向促进中国机器视觉产业的发展，同时 AI+机器视觉技术与设备在“十四五”规划中受到高度重视，2021年底《十四五智能制造发展规划》中重点强调高分辨率视觉传感器等基础零部件和装置，体现国家对机器视觉产业的重视和支持，2022 年的《十四五数字经济发展规划》再次强调发展机器视觉等技术应用于我国智改计划。良好的政策环境将在未来一定时期内为国内相关行业持续发展与突破奠定良好的环境基础。

文章来源： 深眸科技，芯智讯，电子发烧友，未来智库