張暉 張欣 胡琳

1 引言

機器視覺可以借助光或電磁波的輻射，通過使用含CMOS（互補金屬氧化物半導體）或CCD（電荷耦合器件）的圖像攝取裝置來探測及解析來自目標物體的反射光而生成圖像，將該圖像傳送至處理單元進行數(shù)據(jù)處理與分析，從而感知并判別出目標物體和環(huán)境的特征，根據(jù)判別結果來控制現(xiàn)場設備的動作以執(zhí)行實用的功能。機器視覺綜合應用了光學、機械、電子和計算機軟硬件等方面的前沿技術，涉及到計算機、圖像處理、模式識別、人工智能、信號處理和光機電一體化等多個領域。目前機器視覺已廣泛應用于食品飲料、化妝品、建材和化工、金屬加工、電子制造、包裝印刷和汽車制造等眾多生產性行業(yè)和服務性行業(yè)。隨著第五代移動通信技術（5G）的不斷發(fā)展，在5G網絡的加持下，基于AI的機器視覺系統(tǒng)正在催生更大的應用市場，它可以把數(shù)據(jù)發(fā)送到云端，能夠實現(xiàn)更加復雜的運算并且實時返回結果。如今通過在生產線或巡檢機器人上部署工業(yè)相機，采集圖像視頻上傳到云端，結合5G大帶寬、低時延的特性以及機器視覺技術進行智能化檢測與分析已成為不少企業(yè)的首選。

2 機器視覺技術發(fā)展歷程

機器視覺的發(fā)展史可追溯至20世紀60年代末，基本上每經歷十年機器視覺技術與應用都會產生一次深刻變革和飛速發(fā)展。國外機器視覺的發(fā)展歷程如圖1所示。

1969—1979年：在成像傳感器誕生的驅動下，機器視覺進入產業(yè)萌芽期。此時受限于半導體工藝成熟度和成本等因素制約，機器視覺只在極高端的科學研究和航天、軍工項目中有少量初級應用，尚未形成完整的概念。1969年美國貝爾實驗室成功研制出CCD傳感器，可以直接把圖像轉換為數(shù)字信號并存儲到電腦中參與計算和分析，從而奠定了機器視覺技術誕生的基石。CCD的發(fā)明可視為機器視覺發(fā)展的起點，它使得“為機器植入眼睛”成為可能。2009年，CCD的兩位發(fā)明人維拉·博伊爾（Willard S. Boyle）和喬治·史密斯（George E. Smith）獲得了諾貝爾物理學獎。

1980—1989年：在應用的驅動下，機器視覺進入起步期。機器視覺的概念首次在產業(yè)界被提及，但未形成精準的定義。在此期間產生了首批機器視覺企業(yè)，如加拿大的DALSA、美國的柯達和仙童、英國的E2V等CCD傳感器與工業(yè)相機公司，以及美國康耐視等具有代表性的軟件算法公司。

1990—1999年：在應用的進一步驅動下，機器視覺產業(yè)進入成長波動期。1990年半導體產業(yè)的發(fā)展使機器視覺定位與檢測成為替代人工必不可少的技術，機器視覺產業(yè)首次得到蓬勃發(fā)展的機遇。在美國和日本等發(fā)達國家，機器視覺技術開始得到實際應用，但由于成像技術和算法算力的發(fā)展尚不成熟，不能全面滿足行業(yè)應用需求，無法全面推廣。由于技術門檻和系統(tǒng)成本過高，雖然出現(xiàn)一些專門從事機器視覺技術的新企業(yè)，但規(guī)模普遍較小。

2000—2009年：在應用和算力的共同驅動下，機器視覺進入產業(yè)發(fā)展早期。在此期間，F(xiàn)PD平板顯示制造、 PCB檢測和汽車制造等行業(yè)陸續(xù)對機器視覺技術應用表現(xiàn)出強烈需求。同時，CPU算力提升使機器視覺系統(tǒng)在PC-Base條件下可以處理一般性的問題。產業(yè)需求和技術進步共同促進了機器視覺產業(yè)的快速發(fā)展與繁榮。我國機器視覺產業(yè)也在這個階段加入全球陣營。

2010—2020年：AI算法的發(fā)展推動機器視覺進入發(fā)展中期。2016年，人工智能算法AlphaGo打敗人類頂尖棋手李世石，開啟了人工智能發(fā)展的新紀元。隨后，人工智能賦能的機器視覺開始在智能制造應用中加快普及，產業(yè)得到了空前發(fā)展。隨著應用的暴發(fā)式擴展，預計2021年后機器視覺將迎來高速發(fā)展期。

3 機器視覺的概念與技術架構

機器視覺系統(tǒng)是集光學、機械、電子、計算和軟件等技術為一體的工業(yè)應用系統(tǒng)，它通過對電磁輻射的時空模式進行探測及感知，可以自動獲取一幅或多幅目標物體圖像，對所獲取圖像的各種特征量進行處理、分析和測量，根據(jù)測量結果做出定性分析和定量解釋，從而得到有關目標物體的某種認識并作出相應決策，執(zhí)行可直接創(chuàng)造經濟價值或社會價值的功能活動。機器視覺系統(tǒng)一般具有物體定位、特征檢測、缺陷判斷、目標識別、計數(shù)和運動跟蹤等功能。

機器視覺的技術架構如圖2所示。

如圖所示，機器視覺覆蓋成像、信號分析與處理以及決策及執(zhí)行等關鍵環(huán)節(jié)。圖像信息獲取對應著成像環(huán)節(jié)，是機器視覺系統(tǒng)的最前端，主要包含光源、鏡頭、相機和圖像采集卡、控制器和相關配件，其中圖像采集卡主要是針對模擬相機可以實現(xiàn)模擬信號向數(shù)字信號的轉換。圖像分析處理對應著信號分析與處理環(huán)節(jié)，主要由信息處理平臺和機器視覺算法庫組成。其中信息處理平臺主要有基于個人計算機（PC）及其通用中央處理器（CPU）進行視覺信息處理、使用專用的圖形處理器（GPU）或嵌入式神經網絡處理器（NPU）進行視覺信息處理、使用專有的嵌入式系統(tǒng)進行視覺信息處理（也稱嵌入式視覺）等不同形式。機器視覺算法庫[1]主要包括目前在工業(yè)機器視覺應用較多的halcon、visionpro和NIvision等機器視覺算法庫，也包括Opencv這樣的開源算法庫。智能決策執(zhí)行對應著決策及執(zhí)行環(huán)節(jié)，由AI能力平臺和現(xiàn)場應用軟件組成。其中AI能力平臺中的模式識別是基于人的經驗來賦予機器智能；機器學習是由機器通過統(tǒng)計概率對大量數(shù)據(jù)進行分析從而總結規(guī)律獲得智能（如線性回歸、邏輯回歸、神經網絡和SVM等）；深度學習可以看作機器學習更深層的分支，具有超多層的神經網絡，能夠學到更多特征獲得更高智能。現(xiàn)場應用軟件主要有面向檢測、定位、識別和測量等四類應用場景的機器視覺軟件。

機器視覺已在電子制造、半導體、軌道交通、印刷包裝、鋰電池、卷煙、光伏以及汽車制造等典型行業(yè)得到廣泛應用。作為多學科的交叉應用，機器視覺系統(tǒng)涉及精密光學、精密機械、電子器件、光電半導體、5G移動通信、深度學習以及AR/VR等支撐技術。在實際應用市場中，機器視覺主要表現(xiàn)為成像器件、工業(yè)智能相機、視覺機器人、可配置視覺系統(tǒng)、視覺應用專機和視覺檢測測量產線等不同產品形態(tài)。機器視覺系統(tǒng)尚屬新技術新產品，具有蓬勃旺盛的市場需求，也是推動工業(yè)轉型升級的重要手段，但是目前從概念到產品未形成統(tǒng)一的系列標準規(guī)范，標準體系的構建將進一步規(guī)范市場，引導機器視覺產業(yè)健康快速發(fā)展[2]。

4 機器視覺系統(tǒng)的典型特性

形象地說，機器視覺的本質是為機器植入“眼睛”和“大腦”。為機器植入眼睛，代表著機器視覺利用環(huán)境和物體對光的反射來獲取及感知信息；為機器植入大腦，意味著機器視覺需要對信息進行智能處理與分析，并應用分析得到的結果來執(zhí)行相應的活動[3]。

機器視覺系統(tǒng)具有以下幾個典型特性：

1. 使用精準成像擴展人眼的視覺范圍和能力

機器視覺系統(tǒng)具有較寬的光譜響應范圍，例如使用人眼不可見的紅外光進行測量，可以擴展人眼的視覺范圍。系統(tǒng)可以長期穩(wěn)定工作，承擔大量的測量、分析和識別任務，而人眼由于易疲勞難以對同一對象進行長時間不間斷觀察。

2. 通過人機交互和圖像采集實現(xiàn)人機物互聯(lián)

機器視覺不止通過光學圖像采集將“物”和“機”有效結合，還通過用戶界面將“人”和“機”進行了有機整合，從而實現(xiàn)人-機-物的互聯(lián)。機器視覺是實現(xiàn)工業(yè)互聯(lián)網的重要手段之一。

3. 采集圖像信息能夠全面滿足實際應用需求

在實際部署過程中，機器視覺系統(tǒng)往往需要定制化設計多模態(tài)多視角的專用圖像采集部件，以使得采集到的圖像信息能直接精確反映行業(yè)具體應用需求的深層次特征。另外除了實時處理之外，還需要將海量的圖像數(shù)據(jù)進行存儲以供事后查詢和數(shù)據(jù)分析挖掘。

4. 以需求適配為目的做到成本可控性能均衡

機器視覺系統(tǒng)是面向市場應用以直接創(chuàng)造經濟和社會價值為目的，而不盲目追求高性能。在此前提下系統(tǒng)設計應做到兩個適配和最小化：一是成像與精度適配，即在達到成像精度的前提下成像器件成本最小化；二是算法與算力適配，即在算法滿足實際需求的基礎上算力供給最小化。

5. 應用場景多有實時性和近實時性指標要求

機器視覺系統(tǒng)主要應用于工業(yè)領域。作為工業(yè)生產過程中的關鍵環(huán)節(jié)，在很多應用場景中（比如工件在線檢測和機器人視覺定位等），系統(tǒng)要達到實際可用必須滿足實時性或者近實時性的指標要求。

6. 主要應用于工業(yè)環(huán)境兼具可靠性與易用性

機器視覺系統(tǒng)多應用于工業(yè)環(huán)境，機器需要7×24 h運轉，要求具備高可靠性；機器視覺使用場景屬于非接觸測量，對于測量和被測雙方都不產生任何損傷，可以提高系統(tǒng)可靠性；此外，系統(tǒng)使用者包括不同知識層次的管理者和工人，需要具備極高的易用性以方便他們迅速掌握和使用。

5 基于5G的工業(yè)機器視覺技術應用

5G具有高速率、低時延和大連接等特點，對于普通消費者而言最直觀的感受就是下載電影更快、打游戲不卡等等網絡性能改善，但數(shù)據(jù)傳輸速度的提升只是5G的一個方面，它將賦能千行百業(yè)，其海量應用場景更值得探索與期待。全球研究機構Marketsand Markets最新研究報告顯示：2020全球機器視覺市場規(guī)模為107億美元，到2025年，該市場將增長至127億美元[4]。

在工業(yè)應用領域，5G網絡提供了便捷、高速、高帶寬、低延遲和高可靠性的數(shù)據(jù)傳輸通道，對于機器視覺來說這些特性尤為重要。通常，高清圖像傳感器采集的數(shù)據(jù)量都比較大，例如機器視覺每次采集一幀畫面的數(shù)據(jù)量可能達到144 MB（12bit/pixel）。如果沒有高速、高可靠性的網絡，這樣的大數(shù)據(jù)量就只能在終端直接處理，對于機器視覺系統(tǒng)的信息處理和交互能力擴展將帶來極大的削弱和限制。

面向工業(yè)機器視覺應用，中國電信和中興通訊已經聯(lián)合提出了基于5G移動邊緣計算（MEC）的分布式通用機器視覺平臺。通過邊緣云計算能力，簡化現(xiàn)場的工控機方案和設備檢測、識別方法，加快視覺算法的優(yōu)化，實現(xiàn)工業(yè)智能化。通過云邊端部署，將機器視覺系統(tǒng)的能力按需部署在MEC平臺上，借助中國電信提供的具備專業(yè)運維的網絡和計算環(huán)境、差異化的路由策略以及按需編排下沉部署等服務，實現(xiàn)高效穩(wěn)定的5G MEC+機器視覺方案。5G MEC平臺使內容與服務更靠近用戶，滿足低時延、本地化需求，可以根據(jù)業(yè)務本地化需求，按需動態(tài)下沉網絡能力到邊緣網關，在靠近移動用戶的網絡邊緣提供IT和云計算的能力。通過云邊業(yè)務相關能力的協(xié)同，形成中心云+MEC的整體云服務能力。

工業(yè)機器視覺應用對于5G通信環(huán)境有著自身的特殊需要。由于工業(yè)企業(yè)的數(shù)據(jù)安全性要求和工業(yè)實時性操作的超低時延要求，面向普通消費者的5G商用基站和終端并不完全適用于工業(yè)機器視覺系統(tǒng)。這種情況下必須要為企業(yè)部署5G專網和MEC平臺，就近為企業(yè)提供可靠的超低時延通信服務。工業(yè)機器視覺未來的廣泛應用也將以5G行業(yè)專網作為主要的無線網絡支撐。

除此以外，在4G時代，網絡能力主要用于消費者視頻數(shù)據(jù)的下載以下行為主，更多的數(shù)據(jù)流向是由企業(yè)端自上而下發(fā)送給個人端。到了5G時代，通信網絡應用范圍大增，上行數(shù)據(jù)流量大增，對上行的網絡寬帶提出了更高要求，但是如何使上行接收到足夠的信號，成為擺在方案提供商面前的難題。比如實際應用場景中工業(yè)相機每幀圖片數(shù)據(jù)量約幾十至百兆，單場景300 Mbps、500 Mbps、1 024 Mbps等上行傳輸速率需求非常普遍，導致傳統(tǒng)的機器視覺解決方案對5G的上行速度提出了巨大挑戰(zhàn)。

針對于工業(yè)機器視覺等這種不同于一般5G高速下行低速上行的商用特點的高速上行的特殊網絡使用需求，華為同中國電信共同合作研發(fā)了5G超級上行技術，并已寫入3GPP國際標準。該技術能夠大幅提高5G網絡上行能力，并降低時延，從而降低終端門檻，極大促進5G應用的產業(yè)化。

所謂5G超級上行，就是通過上下行通道的時分雙工（TDD）與頻分雙工（FDD）協(xié)同，高頻和低頻互補、時域和頻域聚合，充分發(fā)揮3.5G大帶寬能力和FDD頻段低、穿透能力強的特點，既提升了上行帶寬，又提升了上行覆蓋。換句話說，5G超級上行是一種FDD/TDD時頻域復用聚合提升上行覆蓋和容量的技術。終端以時分復用方式使用兩個上行載波，同一時刻僅在一個載波上發(fā)送。通過超級上行技術，終端可利用低頻FDD和高頻TDD的上行資源，實現(xiàn)網絡覆蓋、容量性能的提升，以及更低的空口時延，全面滿足5G時代應用對于更大上行流量和更低時延的需求。它是移動通信首個時域和頻域結合的技術，是移動通信又一個里程碑式的創(chuàng)新。5G超級上行好比在TDD的車道上加開了一條FDD上行車道，這樣一來上行車輛不用分時段限行，全時段暢通無阻。

5G行業(yè)專網的部署和5G超級上行技術的突破，在工業(yè)機器視覺應用領域，真正解決了工業(yè)機器視覺未來發(fā)展的網絡瓶頸問題，實現(xiàn)了完整的基于5G的工業(yè)機器視覺系統(tǒng)解決方案，體現(xiàn)出5G是解決工業(yè)互聯(lián)網重要手段的重要意義。

6 我國機器視覺發(fā)展的問題與建議

6.1 我國機器視覺發(fā)展面臨的問題

我國機器視覺產業(yè)起步于20世紀90年代末，經過20多年的摸索實踐已經得到了一定的應用，但由于起步較晚，較美、英、日以及德等國家仍有較大差距。他們占據(jù)生產系統(tǒng)基礎端，掌握住了價值鏈當中價值含量高的部分，從源頭和價值的投放端掌握其競爭力的核心優(yōu)勢。近年來，國際貿易競爭日益激烈，對我國機器視覺發(fā)展帶來了前所未有的挑戰(zhàn)。

從限制政策角度來看，一是國外品牌對華出口許可審核的條例逐漸增多，周期逐漸拉長；二是終端用戶黑名單上的中國企業(yè)也越來越多。例如，美國商務部將把包括?？低暋⒋笕A科技、依圖科技等在內的多家中國機構和公司列入美國出口管制“實體名單”，限制其零部件的購買。

從產品形態(tài)角度來看，美、英、德和日等制造強國的技術產品目前仍牢牢占據(jù)生產要素上游。在機器視覺產業(yè)中，實現(xiàn)智能感知的視覺系統(tǒng)所包含的高端相機、鏡頭、光源、成像芯片、嵌入式處理芯片和視覺應用軟件平臺，依舊以其為主導。近年來，西方國家已對華禁運性能極其高端的成像器件和在科研及國防領域獲得廣泛應用的成像器件，國外品牌芯片基本切斷對華出口，對我國的機器視覺產業(yè)化帶來了嚴重阻礙。

國際局勢變化給我國機器視覺發(fā)展帶來了巨大的挑戰(zhàn)，同時也暴露出我國機器視覺產業(yè)發(fā)展過程中關鍵技術國產化率低等突出問題，主要體現(xiàn)在基礎層產品與技術自主化薄弱，尚缺少較強的核心技術產品與之抗衡，國產化替代的需求亟待重視與解決。

6.2 推進我國機器視覺發(fā)展的政策建議

1. 加強機器視覺核心關鍵技術支持與突破

突破機器視覺基礎理論及關鍵核心技術瓶頸，以先進成像技術與算法為雙輪驅動核心，以數(shù)據(jù)和硬件為基礎，以5G通信網絡為支撐，以大規(guī)模知識庫的構建與應用為導向，實施重大關鍵技術攻關工程，制定機器視覺共性技術開發(fā)路線圖，重點提升先進成像、AI智能算法、工業(yè)云邊端通信等多種成像與智能信息處理技術，形成開放兼容、穩(wěn)定成熟的技術體系。同時，通過梳理和細化標準化需求，以技術突破帶動核心技術標準突破。

2. 加大機器視覺科研創(chuàng)新投入力度，加快體系構建

基于機器視覺的基礎理論、基礎技術、應用，作為人工智能戰(zhàn)略的重要基礎，制定機器視覺三年、五年以及十年行動計劃，將機器視覺作為新增的重大課題專項方向，導入至國家自然科學基金、國家重點研發(fā)計劃和制造業(yè)高質量發(fā)展專項等大專項中。同時，服務于縱向課題專項，在研究方向中設置更大比重的與機器視覺關聯(lián)的任務。

3. 加強機器視覺頂層設計與統(tǒng)籌推進機制建設

政府對機器視覺領域創(chuàng)新要素如人才、資金、技術和信息等的支持，應直接擴大供給，以此推動提升科技活動、產業(yè)創(chuàng)新能力；通過金融稅費、法規(guī)監(jiān)管、政策規(guī)劃等政策影響并優(yōu)化機器視覺領域的產業(yè)環(huán)境因素，以此間接促進科技、產業(yè)的可持續(xù)發(fā)展。確定機器視覺未來10～20年謀定發(fā)展框架，具體包括基礎理論、基礎技術、工程技術等方面的發(fā)展重點，并以此在國家部委專項中設置專項課題進行支持，牽引關鍵核心技術的攻關。另外，確定以企業(yè)為主導，在機器視覺產業(yè)中的視覺器件、智能視覺設備等產業(yè)鏈優(yōu)勢領域，重點培育加快打造出幾家在全球有相當影響力的機器視覺產業(yè)龍頭企業(yè)和品牌。

4. 促進產學研用深度融合，培育機器視覺產業(yè)人才

引導企業(yè)作為機器視覺創(chuàng)新的核心力量，對機器視覺產業(yè)的無形資產的構建與積累，使學術界和產業(yè)界共同驅動機器視覺創(chuàng)新發(fā)展，在5～10年登上國際制高點，成為領軍陣營，形成創(chuàng)新張力和聚集力。通過更大力度的科研經費投入，促進產學研用深度融合，攻關關鍵共性技術，豐富專利產出，為企業(yè)作為創(chuàng)新鏈條的主力軍營造寬松環(huán)境，同時出臺專利保護政策保障原創(chuàng)團隊的最大利益。在機器視覺構建的各環(huán)節(jié)都需要大量業(yè)務知識的攝入及業(yè)務專家的參與，有待加強同時具備機器視覺與其他領域知識儲備的交叉復合型人才，為機器視覺應用與企業(yè)需求及業(yè)務場景的高度匹配提供保障。

參考文獻

[1] 王璜.可重用的機器視覺檢測算法庫設計[J].湖北工業(yè)大學學報，2013，28（02）：49-52.

[2] 吳繁.工業(yè)機器人單目雙視的應用研究[D].武漢：武漢科技大學，2009.

[3] 章煒.機器視覺技術發(fā)展及其工業(yè)應用[J].紅外，2006（02）：11-17.

[4] Global Markets for Machine Vision Technologies.[Z/OL].[2021-03-20]https：//www.electronics.ca/store/ machine-vision-technologies.html.