机器视觉在汽车制造行业的应用

有公开数据显示，在 2018 年，全球用于工业自动化领域的机器视觉技术市场规模达 44．4 亿美元，预计 2023 年将达 122．9 亿美元，年复合增长率高达 21％，市场需求巨大。

在近日的GSMA Thrive活动中，华为轮值董事长郭平在演讲中也分享了这样一个有关机器视觉的应用场景：

在飞机机体的制造中使用了大量的碳纤维材料，多达70层的叠加材料，每层材料拼缝间隙要求小于2mm。采用传统人工检查，每层检测需花费40分钟，不合格品要整层重新铺贴。人工质检耗时费力还检测不准，浪费物资。上海商飞采用了5G＋AI的“智眼”检测，检测时间从40min缩小到1min以内，另外还减少了90％以上的物资浪费。

万物互联与人工智能时代，机器视觉已经成为备受全球科技巨头关注与重点投入的新基础设施技术。华为也不例外，正如日前华为安防突然官宣：将“华为安防”更名为“华为机器视觉”，说不准哪天华为机器视觉就从“智能安防”领域拓展到工业领域。

谁占据了工业机器视觉的半壁江山？

机器视觉在工业生产中主要应用在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合。除此之外，在大批量的工业生产过程中，人工检查产品质量效率低且精度不高，采用机器视觉检测可以大幅提高生产效率和生产的自动化程度。

在工业4．0和制造业转型，数字化建设项目持续推进的背景下，制造业总体规模持续扩大、智能化水平不断提高，下游行业对机器视觉的需求度和认知度也在逐步提升，带动了中国机器视觉市场稳定增长的基础。

机器视觉目前主要应用在消费电子、汽车制造、食品包装、制药业等领域，其中又以消费电子和汽车制造领域为主。

根据gongkong市场研究显示：中国机器视觉行业市场仍然保持高度集中，电子制造行业以59．0％的市场份额占整体市场的半壁江山。2019年，电子制造、汽车、制药、食品与包装机械、印刷机械五大应用行业的市场份额高达80％以上。

在汽车制造行业，机器视觉几乎涉及所有系统和部件的制造流程，例如车身装配检测、面板印刷和质量检测、零件尺寸的精密测量、工业零部件表面缺陷检测等。在消费电子行业，机器视觉应用于高精度制造和质量检测，包括圆晶切割、3C表面检测、触摸屏制造、AOI 光学检测、PCB 印刷电路、电子封装等。

总结来说，机器视觉在工业中的应用主要包括三个功能：视觉测量、视觉引导和视觉检测。

视觉测量技术通过测量产品关键尺寸、表面质量、装配效果等，可以确保出厂产品合格；

视觉引导技术通过引导机器完成自动化搬运、最佳匹配装配、精确制孔等，可以显著提升制造效率和装配质量；

视觉检测技术可以监控制造工艺的稳定性，同时也可以用于保证产品的完整性和可追溯性，有利于降低制造成本。

机器视觉在汽车制造行业的应用

机器视觉技术的应用已贯穿了整个汽车车身制造过程，包括从初始原料质量检测发展到汽车零部件100％在线测量，再对制造过程中的焊接、涂胶、冲孔等工艺过程进行把控，最后对车身总成、出厂的整车质量进行把关。

机器视觉引入非接触测量技术，逐步发展成固定式在线测量站与机器人柔性在线测量站等在线测量系统，可严格监控车身尺寸波动，提供数据支持。

视觉引导技术逐渐渗透到汽车制造的全过程，例如引导机器人进行最佳匹配安装、精确制孔、焊缝引导及跟踪、喷涂引导、风挡玻璃装载引导等。

机器视觉检测系统可以对产品进行制造工艺检测、自动化跟踪、追溯与控制等，包括通过光学字符识别（OCR）技术获取车身零件编码以保证零件在整个制造过程中的可追溯性，通过识别零件的存在或缺失以保证部件装配的完整性，以及通过视觉技术识别产品表面缺陷或加工工具是否存在缺陷以保证生产质量。

市场：2019年，传统汽车行业产能由于政策调整，目前产能严重过剩，新增产能进入瓶颈期，行业项目主要集中在维护改造。而油品升级导致车型更换对整车产能扩张影响力有限。此外，新能源汽车也增长乏力，行业主要经济效益有所回落。汽车市场的整体下滑，对机器视觉在汽车行业的应用深化或产生一定影响。

机器视觉在消费电子行业的应用

电子产品的产线涉及非常多的手工劳动，造成产出品质不一，为了把控出厂质量，自动化的检测代替人工检测是必然发展趋势。机器视觉在消费电子领域，以 PCB／FPC AOI 检测、零部件及整机外观检测、装配引导等应用为主，并呈现出越来越多的新的应用场景。

在这里，以一条典型的 3C 产线为例，为大家介绍下可能会包含工业视觉检测的应用环节：

SPI视觉检测：SPI（Solder Paste Inspection） 锡膏测厚仪，用于测量 PCB 板上锡膏的厚度、长度、体积、截面积等，统计分析以进行工艺控制；

AOI视觉检测：AOI（Automated Optical Inspection） 系统对 PCB 进行图像采集，然后与预存的标准 PCB 图像进行比较，通过分析、处理和判断，发现缺陷并进行位置提示；

产品装配检测：基于 IPC 工业相机，通过视觉检测方法，自动识别人工装配过程中的工序是否正确，对错误操作实时进行报警提示，防止不合规操作发生；

整机产品视觉检测：使用工业视觉系统对产品表面瑕疵、污点、Logo 等检测，发现产品缺陷并及时处理；

市场：2019年，在贸易摩擦的外在压力和内生驱动力不足的环境下，中国电子制造业整体运行低迷。从细分行业看，3C行业中的手机行业产量和销量下滑，苹果中国地区出货量持续下滑，将制造业务逐步迁至海外，波及中国3C装备产业链；国内手机品牌采用的是多型号、多规格市场战略，相对无法形成大批量生产；集成电路和半导体行业仍保持稳定增长，但动力不足。电子制造业的不稳定变化，也将短暂影响机器视觉市场需求。

稳定增长 但核心技术有待提升

虽然2019年汽车和电子制造行业波动明显，但中国劳动力人口将逐步缩减，人力成本进一步提升的趋势不可避免。此外，受益于配套基础设施的不断完善、制造业总体规模持续扩大、智能化水平不断提高，中国机器视觉市场需求不断增长。

由于受到新冠肺炎疫情的影响，gongkong预计2020年中国机器视觉市场的需求仍会出现小幅的萎缩，但随着疫情防控趋势向好，各行业复工复产的进度稳步推进，加之各行业自动化、智能化程度的持续加深，机器视觉市场在经历了短暂的“寒冬”之后，仍会呈现出稳定的增长需求。

随着新基建的推出和5G等新技术的发展，机器视觉在国内还隐藏着巨大的市场潜力。但国内机器视觉企业以产品代理商与系统集成商为主，在机器视觉产业链上游领域布局较少，在机器视觉核心零部件的研发能力上不及国外老牌公司雄厚，因此中高端市场主要由国际一线品牌主导。尤其是本土机器视觉企业在机器视觉算法方面，较国际先进水平还有一定差距。

在产业链上游，国外已形成以基恩士、康耐视等巨头为代表的核心软硬件研发商。随着近年来人工智能、大数据等技术的发展，大量的机器视觉厂商纷纷涌入，试图打破产业链上游的垄断局面，利用软件、算法的优势开发出性价比更优的产品。

例如，近日机器视觉检测平台百迈技术完成联想创投领投的数千万元A轮投资，原有股东参与跟投。本轮融资将用于进一步加大机器视觉技术研发，加速行业需求覆盖，尤其是在半导体视觉检测。

当下，国内能够自主研发通用性工业视觉平台的厂商极少，主要壁垒就在底层算法以及行业know－how的积累上。例如，国内很多做工业机器视觉的公司，都是基于OpenCV 等开源视觉算法库，或以 Halcon、Vision Pro 等第三方商业算法库为基础进行二次开发（这个算法库类似于手机的安卓系统）。

但不久前，小编在华为人心声社区中看到这样一篇文章：博士做机器视觉，我在华为当“网红”！作者分享了华为是如何用机器视觉技术控制生产质量，文中也提到了机器视觉平台，并表示：“2019年，我们也开始自研底层的算法库，打造工业机器视觉的‘鸿蒙’。”可以看到，华为不仅对内对外都在加大对机器视觉的关注度。也许未来的某一天，我们就能“梦想成真”，看到更多掌握核心技术的机器视觉厂家！

写在最后

今天，是科创板上市一周年的日子。去年天准科技以“中国机器视觉第一梯队企业”上市，但天准科技的业务范畴属于“机器视觉”领域的中下游，偏装备制造。近日，小编通过检索发现，广东奥普特科技股份有限公司（下称奥普特）科创板上市申请获上交所受理，与天准科技所不同的，奥普特是一家主要从事机器视觉核心软硬件产品的研发、生产和销售的高新技术企业。随着更多机器视觉相关企业的入局，也让我们越来越期待国产机器视觉的未来表现发展。但也需注意，在市场赋予更多机会的同时，国产机器视觉企业也将面临更多挑战。
责任编辑:pj