數(shù)據(jù)顯示，2018年工業(yè)機器視覺系統(tǒng)技術(shù)市場規(guī)模已達44.4億美元，預(yù)計2023年將達到12.9億美元，年復(fù)合增長率將達到21%。
目前，機器視覺正從傳統(tǒng)的工業(yè)視覺向工業(yè)視覺的深度學(xué)習(xí)轉(zhuǎn)變，未來工業(yè)機器視覺的應(yīng)用領(lǐng)域越廣泛?；诖?，工業(yè)機器視覺可以被視為人工智能的一個重要分支。
傳統(tǒng)的工業(yè)鏡頭視覺與不恰當?shù)碾[喻相似，類似于擺姿勢，基本上是完成規(guī)定的動作。具體來說，目標及其背景、光源、采集光學(xué)設(shè)備的參數(shù)都是給定的，目標感知區(qū)域也是劃定的。按要求處理數(shù)字圖像，同意提取哪些信息和數(shù)據(jù)，設(shè)計哪些設(shè)備輸出。也就是說，按照視覺工程師的一系列設(shè)置完成規(guī)定的動作，很難適應(yīng)隨機性強、特征復(fù)雜的任務(wù)。如果隨機檢測到超出機器邏輯的復(fù)雜外觀缺陷，則無能為力。顯然，它沒有主動行為的能力，也就是說，它沒有人工智能的深度學(xué)習(xí)能力。
未來，工業(yè)機器視覺將與人工智能相結(jié)合，解決圖像視頻場景、物體類型、光照、姿勢、屏蔽等多變量影響的問題，獨立面對數(shù)據(jù)量大、特征復(fù)雜、部分應(yīng)用需要實時獨立處理等深度場景。
從目前的情況來看，仍存在以下制約因素。
首先，端側(cè)計算能力的成本越來越高。這與工業(yè)機器視覺軟件的深度學(xué)習(xí)能力成正比，就像技術(shù)人員的工資高于學(xué)徒一樣，工業(yè)機器視覺對計算能力硬件性能的要求越來越高，直接導(dǎo)致計算能力成本的價格上漲。此外，獨立計算能力設(shè)備難以重用和共享，也是成本上升的重要因素。
二是單點系統(tǒng)維護成本過高。主要是設(shè)備調(diào)試、軟件運行維護、監(jiān)控分析必須在工作場所完成。工業(yè)機器視覺在工廠的大規(guī)模應(yīng)用提高了維護成本。
三是數(shù)據(jù)島。圖像數(shù)據(jù)的處理也需要在工廠完成，多個系統(tǒng)軟件難以共享有效數(shù)據(jù)，導(dǎo)致系統(tǒng)功能更新遲緩，難以適應(yīng)移動應(yīng)用領(lǐng)域。同時，工廠車間有線互聯(lián)網(wǎng)建設(shè)成本過高，容量不足，無法滿足工業(yè)相機數(shù)據(jù)上升的數(shù)據(jù)容量需求。
第四，通用性差，智力差。在通用性方面，一些集成應(yīng)用具有很強的特殊性。一臺設(shè)備可能只適用于一種機器視覺設(shè)備或一個行業(yè)，研發(fā)成本高。在智能方面，當庫存較多或移動速度較快時，機器視覺工作的準確性顯著降低，設(shè)置的場景超過其可接納的值，更適合小規(guī)模、少類別、站點分類檢測，對復(fù)雜堆疊物體無能為力。這與它缺乏深度學(xué)習(xí)能力有關(guān)。因此，大規(guī)模的工業(yè)應(yīng)用還有很長的路要走。
事實上，解決上述所有痛點都是未來的發(fā)展方向。通用機器視覺和工業(yè)機器視覺應(yīng)用領(lǐng)域的不斷豐富，將解決成本問題，不僅降低成本費用，而且24小時不間斷工作，大大降低成本。一旦可以大規(guī)模取代生產(chǎn)線檢測人員、操作人員等，就具有成本優(yōu)勢。
更重要的是，工業(yè)機器視覺與其他自動化設(shè)備的結(jié)合可以支持更大規(guī)模的工業(yè)自動化應(yīng)用，包括工業(yè)機器人、數(shù)控機床、自動化技術(shù)集成設(shè)備等。智能制造離不開工業(yè)機器視覺的大數(shù)據(jù)支持。工業(yè)機器視覺收集的各種生產(chǎn)數(shù)據(jù)是智能生產(chǎn)的基礎(chǔ)。這些數(shù)據(jù)通過MES/DCS軟件系統(tǒng)傳輸?shù)焦I(yè)服務(wù)器進行數(shù)據(jù)處理和分析，并與企業(yè)資源管理軟件(如ERP)聯(lián)動，提供化的生產(chǎn)方案或定制生產(chǎn)、靈活制造和智能制造。
