电子厂视觉应用为什么说机器视觉是实现工业40的关键？|上海羊羽卓进出口贸易有限公司

为什么说机器视觉是实现工业40的关键？

机器视觉是赋予工业机器人智慧化，并助力整个工业从3.0时代步入4.0时代的关键一环，为智能制造的落地打开了“新窗口”。

早在十几二十年前，随便走进一家电子厂，人们会看到一排排工人正在进行装配、贴标或质检等重复性的劳动作业。这是工业1.0、2.0时代司空见惯的场景。

沧海桑田，如今，在许多现代化工厂，工人变成了流水线旁负责巡检的“配角”，工业机器人替代了繁重的人工作业，电子信息技术的广泛应用让生产的自动化水平大幅提高，工业界也由此步入了3.0时代。

然而，传统的工业机器人大多是通过示教再现或者预编程来实现各种简单的操作，这极大地限制了机器人的应用。如果能让机器像人一样具有自我意识，可以根据产品的位置、亮度、颜色、表面特征等信息进行对应的操作，显然能进一步解放生产力，完成柔性化的制造，而实现这一切的前提就是为机器人装上“眼睛”，也就是“机器视觉”。

某种意义上可以说，机器视觉是赋予工业机器人智慧化，并助力整个工业从3.0时代步入4.0时代的关键一环，为智能制造的落地打开了“新窗口”。

“神通广大”的机器视觉

顾名思义，机器视觉就是用机器代替人眼来做测量和判断 ，通过视觉系统对产品图像摄取，同时将被摄取的目标转换为图像信号传送给专用的图像处理系统，得到被摄目标的形态信息，再将像素分布和亮度、颜色等信息转变成数字化信号，图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别结果来控制现场的设备动作。

和人眼相比，机器视觉具有效率快、精准性高且永不知疲倦等显著优势 ，因而被广泛应用于工业制造的各个环节，比如上下料过程中使用机器视觉进行定位，引导机械手臂准确抓取；比如在自动化包装领域进行物品数量的识别和数据的追溯；再比如对一些精密度较高的产品进行分类和瑕疵检测，这也是机器视觉目前应用最广泛、取代人工最多的环节。

我们不妨以汽车轮毂分类/分割场景 为例：作为轮胎的骨架,轮毂扮演着汽车配件中的重要角色，根据直径、宽度、成型方式、材料不同种类繁多。

从制造的维度来看，汽车轮毂大多是铸件，铸造完成后要进行精加工，轮毂有上百种类型，不同的类型应选择不同加工路线、加工机床、刀具等。在自动化生产线上要实现多品种的混流生产，首先要完成的就是轮毂类型的识别。除此之外，轮毂的质量好坏还直接决定了车辆行驶过程中的安全性能，然而其制造成型过程中受工艺参数、冷却系统等因素的影响，却极易产生气孔、缩孔、缩松等内部缺陷。为了保证产品质量，缺陷检测/分割环节也必不可少。

无论是轮毂分类还是分割，这些任务早期都是由人工方式来完成，流水线周而复始，工人没有片刻休息时间。在工作强度大、时间长、长期紧张的工作状态下，工人容易感到疲倦，在作业中也不可避免地受到情绪波动、注意力不集中、疏忽大意等因素的影响，导致分类/分割工作的速度、稳定性和准确性都无法保障。

不断迭代的机器视觉方案

对症下药，基于上述痛点，越来越多机构开始探索自动化甚至智能化的轮毂分类/分割方案。

自动轮毂检测场景

先来看轮毂分割场景。 X射线无损探伤是目前检测轮毂内部缺陷的最佳方式，具体而言，初始成型的毛坯轮毂被机电系统送入铅房后，分区域多次成像，能实现整只轮毂的全部检测。

为了替代传统的手动检测，有的企业采取半自动检测的方式，即提前在下位机设置好轮毂的运行流程，每个部位的成像过程无需人工干预，检测人员仅需观察该部位的X射线图像来决定产品质量；还有企业更进一步，在上位机设置好轮毂缺陷检测的相关参数，整个过程无需人工干预，全部自动完成，而在全自动的检测过程中，轮毂缺陷的自动分割算法起着至关重要的作用。

再来看轮毂分类场景， 当前，已经有不少高校提出了基于机器视觉的分类算法。

东北大学提出了一种基于机器视觉的汽车轮毂识别系统，其根据实验选择了五个特征：轮毂中心是否有孔洞，轮毂边缘区域的孔数，轮毂半径，轮毂面积，以及旋转不变性，利用投票分类器对提取的特征进行分类。与传统方法相比能达到较好的效果，缺点是先验信息太多，需要人工选择较明显的特征费时费力，且由于提取到的特征较少，对于结构复杂的轮毂辨识度差，结构相近的轮毂也难以区分。

中北大学提出了一种基于 OpenCV 和 MFC 平台的轮毂分类技术，与传统的识别方法相比节省了时间，但由于形态学处理的破坏，泛化程度较低；南京信息工程大学提出了一种基于统计模型的轮毂分类方法，使用背景去除、形态学处理、局部二值化和边缘提取算子等多种方法进行特征提取，能进一步提高分类精度，但能够成功识别分类的轮毂类型较少且检测方法非常耗时……

通过上述分析我们可以得知，机器视觉解决方案的部署本身是一项非常复杂的工作，涉及许多专业技术，需要很多专业人才，期间会耗费大量成本且涉及大量试错，制造商想要依靠自身开发这样的一套解决方案，可谓难如登天。

让机器视觉不再遥不可及

如何让制造商快速掌握机器学习这项“秘密武器”？ 英特尔与无锡信捷电气股份有限公司（下称“信捷”）联合推出了一套基于深度学习的轮毂分类/分割解决方案，为轮毂检测行业提供了新的思路。

基于信捷自主研发的新一代机器视觉应用开发平台X-SIGHT VISION STUDIO Pro，制造商无需编写代码，只用在软件中拖拽组件，就能完成开发——这相当于把复杂的专业摄像机直接变成了“傻瓜相机”，大大降低了用户入门的门槛。

X-SIGHT系列产品

除了具备图形化界面、提供快速的应用开发环境，帮助用户快速上手并轻松创建典型应用之外，该平台还提供了强大的图像分析能力，甚至具备自我学习优化能力，是一个不断进化迭代的平台。得益于此，用户能以更高的效率开发定制化的大规模项目，从而缩短研发周期和成本。

X-SIGHT图形用户界面

你可能会疑惑，为什么信捷的平台能够将机器学习“化繁为简”？原来其平台背后，集成了英特尔® OpenVINO™、oneAPI加速方案。这些软件就如同“催化剂”一般，为信捷的方案部署和模型加速提供了更高效的工具。

其中，OpenVINO™ 视觉工具套件是一款面向高性能计算机视觉和深度学习应用的快速开发套件，基于最新一代人工神经网络，包括卷积神经网络 (CNN)、循环网络和基于注意力的网络，可跨英特尔硬件扩展至计算机视觉和非视觉的工作，从而最大限度地提高性能，在边缘到云端都能展现高性能 AI 和深度学习推理部属的加速。这增强了信捷产品的深度学习神经网络推理能力，助力其为客户提供更优的解决方案。oneAPI 则是一种跨行业、开放、基于标准的统一编程库，可提供跨加速架构的通用开发体验，帮助信捷提高应用性能、工作效率和创新能力。

机器视觉场景复杂，英特尔为此开发了诸多工具套件，以满足用户在各类工业场景下的需求，促进更多的机器视觉应用案例落地，为工业机器视觉的发展提供技术支持。

基于信捷和英特尔的这套联合解决方案，制造商能够通过摄像头采集轮毂图像，传输至网络进行识别分类，实现快速、准确、稳定的响应，从而大大降低人力成本，提高生产效率。

结语

以智能制造为主导的工业革命4.0正影响着各行各业，而工业机器视觉将是驱动未来工业数字化、智能化的重要动能，不仅是汽车制造产业链在积极引入机器视觉解决方案，更广泛的工业领域也期望借助该技术实现数字化升级、柔性制造的变革。

机器视觉行业前景如何？

由于本文也即将要进入机器视觉领域，故经常在网上搜索该领域前景的相关问答，下面这篇来自于知乎的匿名回答，我认为算是一个比较有说服力的回答，作者在18年的时候，首次回答，并在21年的时候进行再次回答，在这个行业中摸爬滚打了3年，还是比较有借鉴意义的。

以下是原回答：

作者：匿名用户链接：https://www.zhihu.com/question/269054431/answer/350324693来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

2018年3月份，个人入行一年多，回答如下：

别来机器视觉（这里指工业视觉，及工业领域的应用），计算机视觉是比较不错的。不是缺钱又找不到工作不要做视觉应用，也最好不要去驻厂（任何行业），注意哪些招聘写工厂化办公环境的工作，离得越远越好（工厂化办公，不是让你坐工厂办公室办公一定要清楚这一点，是让你进入工厂产线办公，别人家的工厂，驻厂办公的都是外来户很苦逼 ，如果是自己公司工厂可以考虑）。

1.工作环境

一般不是入了坑的人是不会来的，工作基本在工厂，出差也是工厂，有的工厂偏的你找不到周围一点人烟。进工厂也限制很多，特别是富士康这种给苹果代工的，进去一次恶心一次。特别是一些工厂里的无尘车间（可能很多人都没有这个概念）。进入产线基本上是与世隔绝，一待可能就是大半天甚至是一整天，手机什么的是不准带的，产线上很吵，很压抑，都不知道那些在电子厂工作工人是怎么坚持下去的，太没人性了。

2.工作状态

客户就是上帝，有啥事情了就叫你过去，有时候熬到很晚，很憋屈。机器视觉基本上是to B的，一般客户都是公司、工厂，所以说搞机器视觉的基本上是属于乙方，最为苦逼的；而且基本常年出差，结婚了，漂泊感很强，double苦逼。

3.薪资待遇

都是出差出出来的辛苦钱，现在想想宁愿钱少点也不想进入这个苦逼行业，待遇没互联网高，达到14K也不容易，而且比计算机还年轻饭。生活无规律，加班搞事情，压力大，年纪大了吃不消，要么转研发，要么搞项目经理，销售啥的，而且以后视觉应用软件会越来越傻瓜，越简单，机器视觉应用没啥前途。

在这个行业呆久了会怀疑人生的，抗压能力一定要强，忍得住寂寞，适应能力强，能在这个行业坚持一年及以上都是人才，坚持三年以上都是非常优秀的人才。

总结就是，很多时候跟着项目到处跑，经常换工作环境心里压力比较大，有孩子有老婆的都想稳定了，谁还想待在这个行业，都是没有办法，For Life！！！！！！

做机器视觉算法研发或者机器视觉产品销售，注意如果是这两个职位可以考虑。

其他（针对所有非标自动化行业同样适用，OEM同样苦逼，虽然自动化是趋势，但不要以为一个打工仔就能分到羹，钱都是辛苦换的）

慎入！！！

2021年3月份，个人入行四年多，回答如下：

目前已经是算是在工业自动化行业干了四五年的老人了，现在回想起当初三年前的回答，结合现在的情况想给大家分享不一样的感受：

这几年来见证了非标自动化行业的大发展，从行业角度，目前依然还是很有发展前景，个人预计起码未来五年还是在一个快速的发展期，国内的大小企业都越来越注重智能化，信息化。智能制造将是未来的重要发展方向在工业领域。

从一开始对这个行业深恶痛绝到现在慢慢看到行业的发展优势和机会，可以说这一路走来，有痛苦有满足，大多时候想逃离，但当你看到了国内大的就业环境和了解到更多信息会更加理性。慢慢的会发现，有时候工作并没有你想象的那么差，有的工作也没有你想象的那么好。只有深耕一个领域，才能沉淀，才有更多的机会获得更好的职位和发展。这个行业初期前三年都是非常幸苦，非常不容易，我现在依然认为能够坚持三年的人都是心智非常坚定的人，是真的能够承受压力、承受孤独以及承受被别人不被尊重。

因此，现在我可能会告诉你，如果你做好了前三年承受痛苦的准备，那你真的还是可以来，后面你发展的路会更宽，而且目前的就业机会也非常多，工资待遇虽然比不上互联网行业，但是也不算太差，相对一些发展平稳的行业，这里还是有些边角料可以挖一挖。

说一下我了解到的目前的一些就业机会：

甲方单位：

苹果公司APPlE：带动了整个国内自动化行业的发展，进去也是最难的，需要起码5年以上经验，但是确实是全球最顶级的公司，待遇好的没话说，当然压力也是很大。华为：不管是2012实验室，还是其新成立的智能制造部门，都是有不错的机会。荣耀：现在也在大力发展智能制造，对于机器视觉都是有需求。OPPO/VIVO: 也都有自己的自动化部门，对机器视觉同样有需求。小米：也在大力发展智能工厂，智能制造是其中重要的一环，以及高精度组装等。中兴：开发智能化设备格力，美的等

这些多为3C行业，薪酬待遇是非常高，四五年的经验，达到40W+的综合年薪也不是难事。

新能源行业：宁德时代，比亚迪，有经验公司待遇也很高。半导体行业：上海微电子，科磊半导体面板行业：京东方，华星光电汽车行业：上汽，特斯拉重工行业：三一，中联重科，徐工

乙方单位：主要介绍知名公司，大大小小公司实在太多

全球顶尖的机器视觉公司：

康耐视，基恩士，LMI，欧姆龙，这些外企，工资福利待遇都是很不错的，行业领先，利润率高，出来的人也广受各个需求方的欢迎，是挺不错的选择。

国内优秀的机器视觉公司：

海康，凌云光，大华，大恒，OPT科技。目前看起来海康和凌云发展势头比较迅速，OPT在光源领域很强，未来行业竞争会很大，头部外企应该会受到一些冲击。

国内优秀的创业型机器视觉公司：

阿丘科技：主要做深度学习检测这块，可以说是未来的主要发展方向；思谋科技：创始人背景很牛，团队技术实力也很厉害，主要聚焦深度学习和高清视频。如本科技：产品很有自己的特色，技术能力看起来也很不错，主要聚焦手眼技术。苏映视：近几年在锂电领域发展非常迅速，融资不错。梅卡曼德：也是近些年展露头角的公司，产品很有特色聚焦3D。

设备集成商、机器人：

ABB、发那科、库卡：少不了视觉赋予机器人一双眼睛；新松机器人苏州博众，赛腾，天准无锡的先导

等等实在太多了，大大小小的公司对机器视觉需求非常大。

一些工厂：立讯精密，歌尔股份，富士康等等

当然还有很多知名公司比如：博世，3M。

还有一些互联网公司：比如京东，百度，阿里，腾讯都在布局智能制造，就是招聘的人数比较少。

说这些就是告诉大家，如果来了没有更好的机会，就先沉淀下来，起步两三年，两三年后可以去寻找一些机会，看准自己的方向，这个行业的薪酬待遇肯定是比传统行业要好一些。任何行业，低端岗位都是幸苦钱少的，这是个必然的过程，毕竟刚开始确实需要打基础。最大的感触就是需要耐力坚持住，相信不会一直苦下去。也不要消极对待，认真积累行业经验，自己的技术技能。

不管以后是做技术，售前，产品，解决方案，销售，项目经理，客户经理，以及一些甲方的岗位，个人觉得都是可以的，视野可以宽一点，做啥都区别不大，主要是要积累经验往上走才能脱离低级的重复枯燥的工作。

如果想安逸真的别选这个行业，前期不可能安逸。

对了，其他行业比如互联网也没你们想的那么好，996一天天做办公室写代码，也是一样的枯燥乏味，都是工具人。

如果还没毕业，我建议你准备公务员考试，用一两年考上，都是划算的。公务员真的是非常不错的选择，大学里面的选调生关注一下，入个党。外面大部分一片996的福报，一些外企人性一些。大部分根本没有个人时间，请大家珍爱生命，远离剥削。

等我过几年再来给大家分享经验！