最近，“新基建”、“数字基建”成为热词。“工业互联网”作为新基建之一，不仅引起了市场的广泛关注，在中央政治局会议上也被重点提及。2018年3月工业富联的闪电会，让工业互联网以极具冲击力的姿态出现在大众视野中。当时国内已经涌现出不少平台化产品，外部赋能的案例也相继曝光。不过，资本层面的大动作，更容易让人们感受到行业的活力，这也给了一级市场一定的支撑。信心。图片来自亿欧网如上图，2019年在市场上获得融资的工业互联网领域相关企业有31家，其中少数企业当年已获得两轮融资，虽然与逾2018年40家（企业名片数据）略低于此，融资轮次更集中在A轮，但整体仍呈向上发展趋势。当政策和资本向同一方向运动时，产生的势头强劲而迅速。但工业互联网靠什么能冲到九万里？笔者这里给出的答案是：机器视觉。什么是机器视觉？机器视觉是使用光学技术进行非接触式传感，自动采集和解释真实场景的图像以获取信息和/或控制机器或过程。机器视觉在日常生活中的应用极其广泛，在交通运输、水文观测、地质灾害预警识别等领域发挥着重要作用。从宏观上看，增长最快的细分行业面临识别和图像识别。这两个分支行业更集中在金融、安防和交通领域。前段时间，华为安全突然官宣：华为安全更名为MachineVision。传统安防企业靠的是“AIoT”，华为安防这次却改名机器视觉，多少让人有些意外。与AIoT相比，机器视觉更加具体化、场景化。此次华为安防的更名，不乏希望“机器视觉”助力千行百业的数字化转型。那么机器视觉到底有什么实力，能够吃得起整个行业数字化转型的大蛋糕呢？▲机器视觉系统组成图来自ittbank目前机器视觉的基本功能主要分为四大类：模式识别/计数、视觉定位、尺寸测量和外观检测，目前的应用基本都是基于关于这四类功能。模式识别/计数：主要是指对具有已知规律的物品进行识别，包括较容易识别的形状、颜色、图案、数字、条形码等，以及更多信息或更抽象的识别，如人脸、指纹、虹膜识别等视觉定位：主要是指在识别物体的基础上，准确给出物体的坐标和角度信息。定位是机器视觉应用中非常基础和核心的功能。一个软件好坏的大概率与其定位算法的好坏密切相关。尺寸测量：主要是指将获取的图像像素信息标定为常用的测量单位，然后准确计算出图像中需要知道的几何尺寸。优势在于高精度、高通量、复杂形状的测量。例如，一些高精度的产品，由于人眼测量困难，只能随机抽检。配合机器视觉，可实现全检。外观检测：主要检测产品的外观缺陷，最常见的有表面组装缺陷（如缺件、混料、错配等）、表面印刷缺陷（如多印、漏印、重印等）.)和表面形状缺陷(如崩边、凸块、凹坑等)。由于产品外观缺陷种类繁多，检测是机器视觉应用中相对困难的一类。在技??术实现难度上，识别、定位、测量、检测的难度越来越大，基于四大基本功能扩展的各种细分功能实现难度也不同。机器视觉应用中常用的几种光源包括二极管、石英卤素灯、金属卤化物、氙气灯和传统荧光灯。如果部分条码或工件被遮盖，读数可能会出错。为了最大限度地发挥机器视觉的潜力，一件工业设备使用高保真相机来捕捉环境或工件的数字图像。这些图像可以在自动导引车(AGV)或机器人检查站中拍摄。届时，机器视觉将使用先进的识别算法来确定其位置、身份或状况。机器视觉如何支撑工业物联网？工业物联网(IIoT)设备的激增标志着技术进步的重要时期。IIoT使企业能够从上到下获得前所未有的业务可见性。网络传感器和基于云的企业和资源规划中心提供本地和远程资产与业务合作伙伴之间的双向数据移动。数据双向移动的媒介可以是小到机械活塞或轴承，也可以是大到卡车，合适的物联网硬件和软件可以生成有价值的操作数据。企业业务可以无处不在，即使在资源或劳动力短缺的情况下也是如此。(1)物联网=普适计算机器视觉在万物互联的世界中发挥什么作用？机器视觉使现有物联网资产更加强大，能够更好地交付价值和效率。可以预期，它将创造一些新的机会。(2)传感器释放更大潜力机器视觉使传感器在整个物联网系统中更加强大。传感器不提供原始数据，而是提供一定程度的解释和抽象，可用于决策制定或进一步自动化。(3)降低带宽需求机器视觉可以降低大规模物联网建设的带宽需求。机器视觉通常在数据源进行研究，而不是从数据源捕获图像和数据并将其发送到服务器进行分析。现代工业产生数百万个数据源，但借助机器视觉和边缘计算，许多数据点无需传输到数据中心即可产生可操作的分析。(4)支持物联网自动化解决方案机器视觉与物联网自动化技术完美互补。机器人检查站可以比人类员工更高效、更准确地工作，当发现缺陷和异常时，相关数据会立即提供给决策者。(5)机器人协作的安全性和实用性利用机器视觉构建的导航系统，使机器人和协作机器人具有更大的自主性和寻路能力，能够与人类一起更快速、更安全地行进。工作。在仓库和其他错误风险高的环境中，机器视觉使机器人能够缩短订单拣选的响应时间并减少由此造成的业务损失。(6)基础设施之间的互动更加顺畅无论是现在还是未来，市场经济都要求企业和行业在耗时、耗物、耗力的前提下运作。机器视觉将继续使无人机、物料搬运设备、无人驾驶车辆和托盘车、生产线和检查站能够更好地与网络的其他部分交换详细和有价值的数据。在工厂环境中，这意味着机器和人员可以更好地协调工作，减少瓶颈、超限和其他中断。机器视觉如何应用于工厂？在考虑典型工业过程中涉及的每个步骤时，不难看出机器视觉可以改进过程的各个方面。为了制造出完美的汽车零部件，需要人与机器配合，采购原材料，评估其质量，运送到工厂进行加工，通过质量检验的合格产品出厂，最终由零售商或终端用户购买。收到他们。无论产品是在运输途中还是尚未组装，机器视觉都提供了一种自动处理的方法。它提高了装配等各个部门的效率，并保持了更高、更一致的质量水平。事实上，许多公司已经将机器视觉整合到他们的工作流程中。有些应用程序很简单，就像在仓库地板上画一条线，让无人驾驶车辆安全地停在里面。其他机器视觉应用甚至更加复杂，即使是最简单的示例也具有改变游戏规则的潜力。在工业界，一些经典的机器视觉示例曾被认为很难或不可能外包给机器人。如上所述，就实施成本、商誉和客户而言，仓库拣货是一个出错风险很高的过程。产品损坏、物品位置和SKU的轻微变化都可能导致错误，因此使用机器学习进行货物拣选是最好的方法。自动采摘机器人现在可以100%完成这项工作。他们可以安全地导航、检查储物柜中的零件和产品、使用机械臂进行正确的拣选，以及将拣选的物品运送到暂存区或包装区。这也意味着公司运输损坏货物或错误SKU的风险要小得多。机器视觉和物联网相结合的自动化质量保证和检测正在迅速普及。在一些现代制造环境中，它可以帮助管理员在不牺牲人力的情况下自动化检查流程并改善结果。相反，自动化检查站处理高度精细的工作，而人类则学习更多认知要求高的技能。到2025年，协作机器人可能占所有机器人销售额的34%。这在很大程度上归功于机器视觉的改进以及为尽可能消除现代工业中的低效、不准确和浪费所做的努力。机器视觉和工业4.0得益于配套基础设施的不断完善、制造业整体规模的不断扩大、智能化水平的不断提升以及政策利好。中国机器视觉市场需求持续增长。据中商产业研究院数据，2018年我国机器视觉市场规模首次突破100亿元，2019年将逼近125亿元。不是瓷器作品。随着行业技术的提高和产品应用领域的拓宽，未来的工业生产必将聚焦于“智慧之眼”，它将装备在各类设备上，指挥各种“手、脚、身”的动作，实现“深度感知、智能决策、自动执行”的工业4.0蓝图！
