随着智能制造的进程不断加快，各大工业领域正在积极进行数字化转型，加速从制造到“智”造的转变。在全球制造业转型升级的浪潮下，从机器互联互通到人机协作再到无人工厂，机器视觉技术起到了重要作用。机器视觉用机器代替人眼，赋予制造业生产线“眼睛”和“大脑”，通过视觉感知技术赋能工业制造实现深层次数智化转型。

AI+机器视觉，智慧赋能制造生产

近年来，在制造业向自动化、智能化、现代化转型升级的趋势下，机器视觉已经成为智能制造浪潮中不可或缺的一部分。

机器视觉系统具有识别、定位、检测、测量与控制等多种功能，与人眼相比，机器视觉系统凭借着精度高、速度快、适应力强等显著优势，不仅能够大幅代替人工实现工业自动化，而且实时提供现场数据，实现在线检测。目前，机器视觉系统广泛应用于制造行业的转型升级过程中。

将AI算法与机器视觉系统结合后，打破了传统机器视觉设备的壁垒，实现真正的智能化与数据化。在其实际生产应用中，能够对不同位置、光照与复杂环境呈现出更好的适应性，具有较高的细微辨识度，以及提高检测率和正确率能力，并大幅增加制造柔性。除此之外，采用融合AI算法的机器视觉系统进行检测，能够通过强化学习等方式自动识别物品，从而完成视觉识别、检测、测量和实时定位，更加方便进行人机交互，提升检测的便利性。

虽然融合AI技术的机器视觉系统已经展现出了强大的技术能力，但是目前在工业领域中的尝试仍处于刚刚起步阶段，还未出现大量的成熟应用。国内外机器视觉公司在AI+机器视觉领域仍处于同一起跑线，但已经有不少公司开始深入工业应用场景，积极开发AI视觉解决方案。

TWh时代，孕育智能制造新需求

近年来，在全球净零碳排目标的驱动下，道路交通领域加速电动化转型，电动汽车动力电池正从GWh制造迈向TWh时代智能制造。产业新周期下，动力电池企业提出了更高的要求：高速生产：以方形电池为例，生产速度要求向着40PPM迈进；控制成本：生产成本要降低42%；精益管理：生产效率要提升50%；质量要求：缺陷率从ppm级别降低到 ppb级别。这些要求正是动力电池智能制造的核心所在，行业发展迅速，呼唤智能制造赋能加速。具体来说：

在产业链上，目前机器视觉的下游应用市场主要在汽车及其零部件、锂电池、消费电子等离散型制造业。尤其在锂电池领域的应用，高工锂电GGII信息显示，在涂覆、辊压等环节中，锂电产品表面容易产生露箔、暗斑、划痕等缺陷。这些缺陷严重影响锂电池的品质，产生安全隐患。此外，以方形卷绕电芯制造为例，在其顶盖预焊、密封钉焊接、外观检测等核心工艺流程上，必须由机器视觉来完成3D检测。在动力电池高品质、高安全性及降本增效的背景下，生产环节引入机器视觉设备已经成为主流趋势。

相对于其他行业降本增效的需求，锂电下游应用事关安全，目前产业对缺陷率的追求从ppm(百万分之一)级别向ppb(十亿分之一)提升，这也是机器视觉最能发挥超常能力的环节。要达到锂电生产设备高精确度的要求，必须相机、传动、环境光抑制、算法降噪等多技术的相互配合。

此外，锂电行业大规模扩产伴随着多元化。当前电池整体标准化程度并不高，不同电池厂甚至统一电池厂内部就有多条技术路线和不同的细分规格。这也给机器视觉的应用提出更高的要求。

机器视觉成锂电生产线“天眼”

让生产线自己“长眼睛”，从而摆脱人工劳动的低效和不稳定，机器视觉正在越来越多地应用于生产制造过程。

近两年，锂电行业高歌猛进，不仅产能快速扩张，对产线良率的要求也越来越高，这给机器视觉的广泛应用带来肥沃的土壤。机器视觉+AI智能检测，应用在新能源、汽车等产线测试环节中，可实现采集并识别锂电、汽车电子零部件等智能化装配生产环节中的关键缺陷信息。同时可以降本增效，最主要的是助力汽车等行业制造测量和缺陷检测精度和可靠性的提升，赋能产线数字化及智能化生产。

机器视觉的技术核心在于图像识别和信息处理，可以广泛应用在工业制造、农业、交通等多行业的智能化过程中。相对于人眼，机器视觉在检测效率、精度、工作时间等方面均存在显著优势。仅以检测效率一项为例，机器视觉智能检测与人机交互技术，应用于新能源汽车、智能汽车等领域自动化生产线检测，相较传统检测方法，检测效率可提升2倍以上。

AI基于独立视觉处理软硬件平台集成的复杂图像处理与分析算法库，通过图像预处理、特征提取、特征匹配等多种算法，可检测不低于5种锂电表面典型缺陷类型，同时单种缺陷检测时间不到1秒，与工控单元的通讯信号延迟小于60毫秒，解决工艺、工序复杂繁多的锂离子电池制造高难度检测问题，进而实现产线节拍的协调及优化。

随着锂电池自动化产线的提升、无人车间的投入，未来依靠机器视觉的完全在线检测将会替代目前的离线取样检测和半自动人工抽检方式。

文章来源： 光明网，同花顺财经，深眸科技