“工业的核心是用光学设备控制系统执行器代替人眼完成制造业中的识别、测量、定位、检测等工作。"
视觉是人工智能的重要研究分支,工业是重要的应用方向。技术原理是通过光学设备采集图像,计算控制器完成相应的计算,做出智能决策。随着我国制造业升级的推进和人工智能技术水平的提高,工业视觉的应用边界不断拓展,产业价值不断提升,市场规模逐年扩大,工业视觉的产业发展趋势稳步上升。
一、工业视觉特征
工业的核心是用光学设备控制系统执行器代替人眼完成制造业中的识别、测量、定位、检测等工作。常见的工业视觉设备由工业摄像机、镜头、光源、光源控制器、视觉控制器驱动单元和执行器组成。
由光源系统营造特征明显的视觉环境,由摄像设备捕捉图像,由视觉控制器对图像进行计算并反馈给驱动单元和执行机构,完成相应的生产任务。视觉是人工智能技术、计算机技术和自动化技术的综合应用,具有人类无法比拟的高效率、高精度、稳定性和适应性。
在识别和测量场景中,人眼无法分辨快速运动的目标,但高帧率相机可以清晰地捕捉到快速运动物体的图像进行分析和处理。它对64灰度级以上的人眼小目标不敏感,而视觉算法可以处理微米级和256灰度级的图像。
同时,需要人工安排多人多班作业,增加了SOP实施中的成本,不能长时间在危险环境下作业。而视觉设备能够适应危险环境,长时间稳定工作,有效减少人为失误的发生。
二、市场规模
随着国内人口红利的消失,人力成本的增加,制造业对生产过程的高效化和标准化的需求越来越大,越来越多的制造企业开始将机器视觉大规模应用于生产,以降低用人成本。虽然国内机器视觉产业发展起步较晚,但制造业的升级进一步带动了工业视觉市场的扩大。
行业需求来自:
1.传统制造企业的自动化改造与升级
2.3C视觉应用在汽车等标准化程度高的行业全面渗透。
3.国外代理产品的国内替代
服务要求包括:
1.可视化软件系统
2.工业相机、镜头和其他硬件系统
3.光源、控制器、电缆和其他附件
三、产业结构
国内工业视觉产业格局可以从这两个维度按照技术方向和产业链来看。
四、技术方向
工业技术有两个分支:
一个是机器视觉方向,主要基于传统的图像算法,强烈依赖光学环境。经过近30年的发展和生产验证,传统的图像算法已经形成了一套非常成熟的实用方法论。当面对任何新的需求场景时,通过图像算子的滤波、线圆拟合搜索、模板匹配等功能的组合匹配,可以实现相应的视觉功能。
另一个是基于大数据分析处理能力的深度学习方向,在2017年后兴起的AI浪潮中逐渐成熟。传统图像算法虽然成熟,但天花板也很明显。传统的图像算法依赖于非常好的光学环境。当难以通过光学环境消除生产环境中的干扰时,传统算法会添加大量的逻辑处理和参数,传统算法的处理效率和性能会一落千丈,甚至添加的逻辑参数超出了人工处理的范围。因此,基于传统图像算法的解决方案对执行器的设计要求非常高,要尽可能避免任何外界光污染。
五、工业链条
工业视觉光学设备控制系统的执行机构的构成中,光学设备相对更标准化;基于产品标准模块的控制系统,尤其是视觉控制器系统,一定程度上会围绕具体需求场景进行定制;执行机制需要完全满足生产的要求,各行业的差异导致标准难以统一。在各个模块的供求关系上,也形成了上下游产业链格局。
上游:工业相机等光学设备供应商,为工业视觉提供基础硬件支持。如:海康机器人、大恒影像、基恩士、康耐视等。
中游包括两类:主要提供视觉算法和软件产品的服务商,为行业解决方案提供配套软件和系统。如:阿丘科技,深目科技。以自动化解决方案为主的集成商和设备商,包括可视化系统集成服务和全线可视化改造方案的实施和应用。比如各种传统制造企业。
下游:各行业需求终端制造客户,如电子、汽车、能源等。主要基于四类需求:探测、识别、测量和定位。