改革开放30多年来，中国科技进步发挥了非常重要的作用。人口红利、政策红利、低成本资源共同造就了中国制造的市场竞争力，中国制造也在改变着世界。从全球范围看，中国虽然是制造业大国，但一直是大而不强。中国制造仍位居第三。世界制造业第一方阵以美国为首，德国和日本分别占据智能制造第二方阵。我国先后出台了《中国制造2025》、《智能制造发展规划》等政策指引，希望提升制造水平。在我国智能制造发展战略规划中明确指出，三个发展阶段的宏观战略是2025年达到世界第二方阵，进入制造强国行列，2035年进入世界前列。第二方阵，2045年进入世界第一方阵。在宏观战略的细分和实施上，我国也提出了分三步走的具体规划：第一步是实现数字化制造，第二步是实现互联网+制造，第三步是实现新型制造。一代智能制造。就整个制造类型而言，它们分别代表了劳动密集型、资本密集型、技术主导型和市场变化型的不同制造形态。目前，我国仍以劳动密集型制造业为主。这种制造形态以低水平、低劳动力成本为核心竞争力。主要产业包括加工、装配、家电、电子产品等基础制造业。随着劳动力成本的不断增加不可避免，以及工人不稳定导致的质量问题的出现，人为的不确定性已经成为劳动密集型制造业发展的瓶颈。与此同时，我国产品制造模式的另一种困境也正在显现，即高端产品谁也做不出来，而低端产品质量差，容易积压和积压。不能卖。产业结构很不合理。摆脱这些困境的根本出路在于转型升级，在提高智能化程度的同时，将人工智能与制造相结合，利用人工智能+机器人来减少人工，减少人工智能带来的质量不稳定、质量差的问题，这无疑将促进制造业。转型升级的好方法。机器视觉带来的新变化人工智能是推动制造业转型的重要技术。近年来，人工智能的概念非常火热，但实际应用却很少，尤其是在制造业，人工智能的应用还处于起步阶段。目前，人工智能+制造的应用主要集中在机器视觉的应用上。人类75%以上的信息获取来自于视觉，而机器视觉是人类视觉的进一步提升。机器视觉无疑比人眼更强大。在很多环境中，人的视觉变化已经越来越难以满足要求。例如电子制造等行业的高速、高精度生产线，往往速度快、工件小、非标件多。如果依赖大量人工，工人疲劳等客观因素会带来很高的误差，导致产品质量不佳。稳定。因此，用机器视觉代替人眼至关重要。机器视觉是最基本的单元技术，是一种非接触式传感装置。在实际制造业中，主要用于对实物图像进行自动采集和解读，获取图像用于机器识别、反馈和控制制造过程。目前机器视觉的典型实现技术是使用工业相机。工业相机可以通过集成的运动控制单元将运动图像采集到计算机，再通过计算机识别反馈回机器进行动作调整。过去，自动化设备是根据既有的预定指令执行，但随着视觉反馈的加入，还可以根据对环境的感知，快速做出实时调整，提高了设备??的智能化，提高了设备??的智能化程度。执行的效率和准确性。推动。从生产线和智能工厂的角度来看，机器视觉的加入可以大大提升制造水平。目前很多工厂设备已经实现了基本的自动化，表现为按照人的编程进行机械重复运动，但是如果给机器加上视觉，设备就可以根据不同的环境条件进行主动调整，从而在基础上实现智能化。自动化设备的变化。用机器视觉技术替代人工工业是非常可行的。目前，机器视觉已在珠三角地区得到广泛应用。由于长三角珠三角地区是电子制造业的中心，电子元器件加工、PCB板、手机组装等制造业较为精细，规模较小。同时，还有大量的强光作为背光源，对人体的危害很大。这些场景无疑非常适合机器视觉的应用。未来，机器视觉的发展也有望大量替代人工。借助机器识别和信息处理，还有很多场景可以开发。机器视觉还可以提高工件的产品一致性和质量稳定性。机器视觉可以很好地完成检测。和其他关键制造过程，以提高生产线的整体效率。比如在工件的长宽厚检测，手机行业的粘屏、划痕检测等场景，机器视觉就有更大的发展空间。此外，机器视觉还可以实现更精准的定位，使机器人在抓取过程中实现视觉定位和误差补偿。在OCR识别中，机器视觉也大有可为，比如识别板子文字，判断遗漏，判断安装是否正确等。机器视觉+人工智能，但是单一机器视觉的应用场景其实非常有限。机器视觉的发展已有10-20年的历史，过去的应用较少。近年来随着摄像头、光源等硬件成本的不断提高，计算机处理能力的降低，以及人工智能技术的大量进入，逐渐越来越广泛地进入工业领域。软件和智能技术的发展显着增加了机器视觉的应用。在电子制造装备行业，机器视觉几乎已经成为标配，但在具体应用中，往往会采用传统的机器视觉算法，结合AI的机器视觉算法仍然很少使用。所以机器视觉+人工智能的领域还是比较小众的。仍有非常大的市场空间。采用人工智能+机器视觉进行机器识别具有明显的优势，最直接的体现就是可以大大增加制造的灵活性。柔性制造往往表明，机器人等工业设备能够表现出更好的适应不同地点、光照和复杂环境的能力。比如对于物体的颜色检测，如果采用传统的机器视觉，对不同颜色的细微识别其实并不高。如果一种颜色存在深度、偏色等细微差异，传统的机器识别很容易出错。智能+机器视觉的方式可以更精准的提高检测率和准确率。利用AI机器视觉进行检测，还可以方便人机交互，提高检测的便利性。以往为了实现精确的点、线、面指定位置检测，往往需要人工点击鼠标等操作，需要告诉视觉检测哪个圆、哪条线，但是现在加入AI后，电路板可以放到生产线上，通过强化学习等方法，自动识别各个方面的原问题，从而完成视觉+智能校准、智能尺寸测量和实测。时间位置判断，效率和人机交互智能化得到极大提升。目前，德国和日本基于传统机器算法、视觉算法和人工智能算法的结合，在电路板纹理缺陷检测和手机摄像头模组表面缺陷检测等方面实现了产业化应用，主要针对检测金属损坏和尺寸偏差。.如果未来能够采用深度学习的方法，机器视觉+人工智能的检测率将进一步提升。但准确性一直是制约人工智能应用发展的一个制约因素。目前大多数人工智能算法的准确率往往达不到很高的准确率，错误率在15%左右，这意味着在工业上实施时，往往还是需要一些人工复检，而产业化成本相对较高。如果未来能达到95%以上的准确率，人工智能+视觉的产业应用将不再是问题。机器视觉+人工智能+机器人机器视觉+人工智能的应用需要一个设备载体。工业机器人无疑是近年来最适合搭载视觉单元的产品。因为工业机器人本质上是一种集计算机控制机制、信息传感、人工智能仿真等领域、多学科于一体的高新技术。从1951年提出工业机器人的概念，到1962年第一台工业机器人诞生，到1969年，机器视觉才真正应用于工业机器人。20世纪70年代，随着汽车工业，尤其是日本汽车工业的发展，工业机器人的应用得到普及。20世纪90年代以后，基于人工智能的算法逐渐开始在世界范围内出现一些基于触觉和视觉功能的智能。使用工业机器人，但直到现在还不是主流。但不可否认的是，工业机器人已经逐渐成为智能制造的重要支撑。目前，在很多行业的生产线上几乎都有工业机器人的影子，比如上下料、搬运，以及加工业中的焊接、喷涂、拧螺丝、涂胶等工艺流程。机器人进入并不断扩大市场份额。如何通过人工智能（AI）+视觉提升工业机器人的技术能力或加工能力？这是近年来许多专家学者思考和研究的方向。工业机器人在传统机器视觉的基础上，可以更加灵活，技术能力得到进一步提升，而人工智能技术的发展，开始让工业机器人具备了一部分智能。得益于人工智能技术最初在医疗救护、交通运输等行业积累的应用数据、知识和经验，人工智能技术逐渐成为应用于工业机器人技术的可能。不少专家认为，如果AI技术能够与工业机器人有机结合，将大大提升我国工业机器人的技术能力。因为人工智能技术的发展，我国与世界第一梯队国家处于同一起跑线，所以从国际上看，我国AI+机器人的应用与世界一流企业还是处于同一起跑线的。.目前，工业机器人四大家族都未能做好AI与公共信息的结合。比如在库卡与AI的结合中，只着眼于通过人工智能技术增强机器人的自主感知能力，更好地实现两个协作机器人的协作。这种位置传感技术可以有效提高机器人的工作效率。例如，当人与机器人协同工作时，机器人可以及时感知和预测人的动作，从而提前调整位置，实现机器人与人的有机交互。通过加入AI，机器人可以很好地感知人的存在和意图。在上下料等工业过程中，机器人可以随时根据生产线缺料情况，快速选择补充，大大提高了生产线的效率。通过加入AI技术，大大提高了机器人的工作误差容忍度，同时提高了定位精度。比如在一些精度要求高的装配环节，制造成本非常高，因为装配对机器人等设备的精度要求很高，但是AI的加入会降低对加工精度的绝对依赖，可以利用在针刺等工艺中，采用AI+视觉引导补偿，增加制造柔性。比如拼装场景，左边的零件需要拼装到右边的盒子里。通过人工智能技术，机器人不需要很高的绝对定位精度。而是可以先采用视觉引导，将机器人提前移动到固定位置，再通过力觉引导机器人。完成组装过程。同时，人工智能还可以提高加工过程的抗干扰能力和误差补偿能力。在打磨工艺方面，汽车外饰的打磨一旦开始，整个过程必须按照固定的打磨程序进行。一旦出现人为干扰，很容易降低磨削精度。不过加入AI后，机器人可以自动感知环境的变化。打磨工艺可继续实施考虑人为因素，并可不断调整，以达到符合质量要求的优化共建工艺。人工智能还可以提高机器人的可重用性。机器人的可重用性主要体现在工艺上。简单的说，就是一些编程好的程序可以应用于多个不同的应用场景。比如不同表面的打磨，不同款式的喷涂，可以实现一套程序的多工序复用，无需针对小型非标产品多次手动重新编程。通过人工智能感知技术，机器人可以自动调整和流程再利用。此外，加入了人工智能的机器人程序还具备优化流程的能力。过去，传统机器人是按照人类编制的固定轨迹执行的。从开始到结束有两点，一个固定的过程。加入人工智能机器人控制器后，通过机器学习，fromstartogo机器人的运动轨迹可以自动优化，爬行效率更高。在生产线上，通过人工智能的大数据分析，还可以实现机器人的主动运维和报警，让生产线始终处于高效的工作状态。人工智能+机器视觉+机器人的产线智能制造新未来，其实已经开始展现出智能制造的雏形。工业4.0或智能制造的一个很重要的特点就是可以实现个性化定制产品的制造。简单来说，如今的工业生产线大批量生产，经常会出现过剩和库存的问题。未来，产品的竞争更需要依靠个性化定制。因此，要求企业能够快速有效地转产，能够缩短交货周期。成本控制更精细，生产线交替更短。这无疑涉及到大量的人工智能技术。学术界有一个名词叫CPS，即物理信息融合系统，实际上涵盖了人工智能技术的不同层次。数字孪生技术本质上是CPS的物理体现。CPS体现了通过物理系统和信息系统的融合，以及人工智能推理计算和优化技术，最终实现个性化产品的规模化生产。目前无论是腾讯还是阿里巴巴的无人工厂，都希望实现这种定制化的大规模生产流水线，最后在客户下单后，生产任务直接自动传输到生产单位通过云平台，进入全厂计划排程，满足交期和成本要求。然而，世界上真正完成这种生产方式的公司并不多，耐克就是一个典型案例。耐克鞋的个性化尝试了近10年，从去年开始就开始盈利。不过，耐克相关人员也曾表示，现阶段企业个性化定制的成本要比非个性化定制企业贵30%以上，而这部分成本目前仍由客户承担.结语刚刚过去的2020年，虽然突如其来的新冠疫情在中国率先爆发，但中国经济却展现出十足的韧性，成为全球主要经济体中唯一一个GDP增长、工业企业利润总额超过规模以上工业实现规模64516.1亿元，同比增长4.1%，其中高技术制造业实现利润占规模以上工业的比重为17.8%，比上年提高1.9个百分点2019年可以看出，产业利润结构不断优化，产业结构调整在进行中。2021年是“十四五”开局之年，也是全省新型工业化加快推进的一年。站在“十四五”的起点，展望未来，我们可以清晰地看到，未来以机器视觉、人工智能为代表的软硬件技术将推动智能制造体系的完善并实现传统制造业发展模式、管理模式、生产方式向智能制造转变，更多的企业应该抓住当今世界正在发生百年未有之大变局的历史机遇，勇往直前，努力迈向世界上第一个方阵。
