从质量检测到熄灯工厂：中国工业机器视觉发展史与新机遇

原创 Omdia 2024-11-28 12:02

【免注册下载】创新MCU提升高压系统的实时性能 如何增强电动汽车的实时控制能力？

试想象，一个可在无人工现场干预的黑暗环境中正常运转的全自动化工厂，里头所有的流程都是由机器人自动操作，仅需要些许的人力资源。如此的工厂，应该是很多制造企业梦寐以求的。作为智能制造的终极目标，熄灯工厂需要大量前沿科技的配合，其中最为核心的便是机器视觉或是计算视觉。

让无数个自动流水线和机器人在作业过程中能看的见周遭环境，作出相对应的反应，并精准的执行自身的任务，就是机器视觉。如果退一步看，即便不追求熄灯工厂，工业机器视觉的应用依旧繁多且关键，从制造过程监控与质量检测改进，到产品生成设计、人机协作、机器人自主行动系统等。中国作为工业大国，全国上下327万家制造企业，几乎每一家都会有工业机器视觉的需求。

作为一个大众耳熟能详的科技，机器视觉其实经过了多轮的技术演进与迭代。传统机器视觉技术靠的是规矩引擎，即由专家编写的计算视觉系统。这类系统依靠大量的人力去编写、维护和提升。专家们需要对系统所执行的任务，如质检、定位、监控等有深度理解，将任务细分拆解，写成数十甚至数百个规则，最后全部串联起来形成一个高度自动化并具有独立判断能力和执行力的软件。同时，这软件需要和各种计算视觉硬件和车间生产软件进行搭配，如传感器、摄像头、采取器、制造执行系统(MES)和企业资源计划(ERP)。最后，系统落地环境也会影响系统的性能与表现。

在2010年代，机器学习技术的普及化带来了巨大变革。基于卷积神经网络(CNN)的计算视觉系统能达到，甚至超越人类的精准度。制造企业可以选择利用自身的数据来训练CNN，并编程高精度的计算视觉系统。这几年席卷整个人工智能界的大预言模型(LLM)更衍生出了视觉转换器(ViT)，带来更为高能的机器视觉系统。CNN 使用的是局部操作，缺乏对图像的全局理解，而 ViT 则依靠长距离依赖关系因而具备了全局背景理解能力，更容易进行调优。

这段历史其实和中国人工智能行业息息相关。中国人工智能能力的大跃进最早集中体现在计算视觉科技。商汤、旷视、云从和依图人工智能四小龙的崛起很大程度上就是基于市场对中国广泛的计算视觉运用场景的乐观预期。在所有场景中，工业机器视觉被视为潜力满满。因此，人工智能四小龙在工业机器视觉很早就有相关的布局，聚焦于提供一站式训练各种工业缺陷检测算法模型。随后中国还衍生出众多机器视觉企业。一方面，思谋与被ABB收购的梅卡曼德在这几年积极布局从硬件到软件的全栈式工业机器视觉解决方案。思谋更开发了自己的视觉大模型。另一方面，一些企业则选择针对特殊垂直行业，如面向光伏的天准、面向半导体和显示器的凌云光、广达智能、精测电子和中科慧远，以及面向矿业的精锐视觉。

除了继续经营国内市场，中国企业也开始积极向外拓展。凌云光并购丹麦摄像头公司JAI，加速其全球化布局。全球制造业正面临着人口老化与人才青黄不接的趋势，对机器视觉和基于此技术的自动化的需求势必有增无减。Omdia预测基于机器视觉的人工智能全球应用软件收入将从2024的18.5亿美金翻倍增长至40.3亿。中国企业要继续保持竞争力，就必须要做好差异化，勇于拥抱前沿科技浪潮，做好硬软件结合与人工智能的超前研究与部署，通过与灯塔工厂的合作，依靠实力将品牌名声打出去。

相关报告，请点击阅读原文。

本文作者