随着中国老龄化的加快，工厂招人越来越难，工厂的一些生产环节开始使用机器视觉产品。但是机器视觉产品在选购和使用中并非一帆风顺，在使用中经常遇到这样或者那样的问题；更有的在项目实施时换了几个供应商也没有达到生产要求，为此浪费了大量时间和财力。之所以出现这些问题，究其原因机器视觉系统属于高科技产品，技术含量高难度也大，不同于传统机械产品。因此不能用传统机械设备上的经验进行选购。为了便于工厂管理者更好的选到合适的产品降低浪费，本文将视觉产品选购中需要注意的问题进行系统性梳理。

     什么是机器视觉？我们先进行基础概念介绍，把概念搞清楚才便于做出正确选择。

机器视觉是计算机图像技术在工业领域的一个称呼，其技术来源于计算机图像处理科学与技术。该技术较为高深，建立在计算机科学（图像识别和人工智能分支）与高等数学几何学基础上。此技术的一个应用大家应该耳熟能详，例如有线电视图像压缩传输，VCD、DVD、MP4、蓝光、4K高清等产品上无一不使用计算机图像技术。高级一些的例如人脸识别、车牌号识别、机器人抓取等。

     机器视觉是将该技术应用于工业检测和识别领域。本质上是通过数字成像技术，然后经过各种运算进行关键特征提取，最后给出检测结果，调整下道工序的输入。

机器视觉从应用上来说，可以分为识别、检测、测量、定位。其中最难的是检测，各种缺陷的检测。下面分开介绍。

     对产品状态好坏的判定以及字符读取都是识别的范围。例如饮料灌装行业需要对每个瓶子瓶盖盖好与否进行检测，这个就是对瓶盖状态的识别。瓶身上的生产日期检查，防止漏印、错印，这是字符识别。

有些芯片产品的引脚间距需要保证一致，不能出现忽大忽小，引脚间距的非接触式测量就是视觉测量的一个应用，此外饮料行业对于液位高度检查也是测量应用。

定位主要是计算出产品的位置方便机械手抓取。

     检测主要对产品外观状态进行识别，例如产品表面是否有划伤、破损，典型应用例如纺织瑕疵检测、半导体硅片瑕疵检测、太阳能电池片电极断裂、油污和颜色深浅检测等。

由于上面四类应用难度不同，对产品的要求也不同，因此市场主要形成两大阵营：一个是以康耐视、基恩士为代表的智能相机家族；一个是以大恒图像、凌云光子为代表的计算机系统（PC Base）家族。

     智能相机外形小巧、使用简单、便于安装用于读码（条码、二维码）、定位、测量和简单状态识别（例如瓶盖是否盖好），不过智能相机由于算法相对简单，处理器性能有限，无法胜任复杂缺陷检测的要求。复杂缺陷检测主要是依靠计算机家族来实现。复杂缺陷检测开发周期较长，不确定性大，找有实力的厂家开发成功率比较高。

智能相机主要是美国的康耐视（Cognex），日本的基恩士（Keyence），产品品质好，价格高。计算机家族主要是北京大恒图像、北京凌云光子、北京华夏视科、武汉精测可以进行全新检测系统的研制。

     对于读码、定位和简单识别一般不会遇到特别大的困难，实际项目实施时失败率最高的是缺陷检测。缺陷检测系统的研制失败率高是因为缺陷种类繁多，产品品类多，形状颜色图案变化都比较大。

     典型的机器视觉技术通过颜色、对比度、形状提取，通过数学建模等方法可以实现规整目标的缺陷检测，例如药片、光盘、液晶屏等。但是对于复杂外形的产品往往很难取得满意效果，例如农产品、食品、纺织品缺陷检测。

     随着2012年加拿大多伦多大学教授Hinton在深度学习识别上取得突破，很多原来无法实现的复杂缺陷检测可以借助深度学习完成，并且实现了很高的准确率。对于产品形态复杂的检测任务可以尝试深度学习，很多都可以取得不错的效果。

     不过深度学习也并非万能，如果场景变化目标形状变化剧烈，检测准确度也难以提高，例如户外环境下的自动驾驶行人车辆的识别。

     选购机器视觉产品，最好寻找上述专业机构。大企业对小众采购量小的产品接单意愿不大，因为经济效益过低。小众采购量小的项目开发只能选择小视觉公司，小规模视觉公司在技术和经验上参差不齐，需谨慎选择。

      时间仓促，上述文章概括了视觉检测系统的概念和选购过程中需要注意的问题，希望可以帮助工厂管理人员。如果有特殊问题上面文章没有提及，可以给我们来信，我们会定期逐一解答。