机器视觉技术的快速发展 在制造业中起到了重要的作用

　　机器视觉已经为制造业做出了重要贡献，随着许多不同领域的迅速发展，包括成像技术、CMOS传感器、嵌入式视觉、机器和深度学习、机器人接口、数据传输标准和图像处理能力，VISION技术可以使不同层次的制造业受益。新的成像技术提供了新的应用机会。例如高光谱成像可以提供有关材料化学成分的信息。机器视觉技术的快速发展，在国内的制造业中已经起到了重要的作用。

　　计算成像允许以不同的方式组合一系列图像，以揭示常规成像技术无法看到的细节。偏振成像可以显示材料中的应力模式。机器视觉技术的其他发展导致制造业性能的提高、集成和自动化程度的提高。集成的程度可以从手动装配协助到完全集成到OEM设备，再到工业4.0的要求。

辅助手动装配

　　仍然有大量的产品是手工组装的，“人类辅助”摄像机可用于帮助防止此类操作中的错误。操作员遵循一组加载到摄像机并显示在监视器上的组装指令。每次操作后，系统将结果与正确的存储图像进行比较，以确保操作人员在进入下一步之前已经正确和完整地执行了该结果。如果操作不完整或出错，则将其显示给操作符，以便进行更正。完成的每一步都可以进行验证和记录，以提供可用于装配工作分析的数据。以及可追踪性。

　　在制造或包装生产线上使用视觉检查是一种行之有效的做法.系统范围从单点自给智能相机执行检查任务并向控制系统传递合格/不合格结果的，转到基于pc的系统它可以具有多个摄像机和/或多个检查点。视觉系统改造成现有的线路或设计成新的线路。视觉检查还可与统计过程控制方法结合使用，不仅检查临界测量，而且分析这些测量的趋势。这样，就可以进行干预。在生产超出公差的产品之前调整工艺.这可能是与Industry4.0的需求较接近的先驱。

视觉引导机器人

　　随着协作机器人的出现，工业机器人已经得到了广泛的应用。三维图像处理的快速发展，它们正被更多的结合使用，特别是在视觉引导的机器人上。视觉系统识别物体的准确位置，并将这些坐标传递给机器人。视觉机器人界面的巨大进步使这一过程更加容易。三维机器人视觉较广泛的用途之一是在拾取和放置应用中。

嵌入式视觉

　　这个小规模的供应，嵌入式处理板通常是基于ARM架构，为其他设备和制造过程中嵌入的视觉系统的发展提供了巨大的潜力。许多图像处理库和工具包现在可以移植到这些平台上，以这种格式提供更广泛的视觉解决方案。将这些处理能力与低成本摄像机(包括板级摄像机)结合在一起，意味着视觉系统可以以相对较小的间接费用纳入各种产品和工艺。

机器与深度学习

　　有很多机器视觉深度学习的炒作，它使用卷积神经网络(CNNs)通过识别从一组训练图像中学习到的特征来执行分类任务。然而，挑战仍然是，在工业应用中，可用的培训图像数量有限，而工具、培训时间和处理器资源仍然很高。其他机器学习方法正迅速被公认为是一种更廉价和更简单的替代工业应用深度学习的方法。这可能会为高性能、灵活的垂直解决方案找到动力，这些解决方案甚至可以在廉价的嵌入式系统上运行，从而使成本效益较高的系统成为可能。

至工业4.0

　　未来智能工厂的本质是使用大数据分析优化流程。基于来自不同类型的传感器的反馈，这些传感器正在监控过程。当然，这些包括简单和智能的视觉传感器以及更复杂的视觉子系统或系统。重要的是，Industry4.0需要所有传感器类型的通用通信协议，以便允许数据传输和共享。

　　在这一领域被证明流行的一个标准是OPC UA平台–独立于机对机通信的开放标准。机械工程工业协会(VDMA)宣布OPC UA机器人和机器视觉附加规范，将分别为机器人和视觉系统提供与此标准的兼容性。