在工业应用领域当中，机器视觉技术不仅提升生产效率，还能够改善产品品质，为制造业提供全新的应用机会。本文探讨机器视觉与电脑视觉技术的差异，以及其应用如何驱动工业领域迈向新格局。

@文/

根据市场研究机构的数据，全球机器视觉市场预计将以每年7.4%的复合年增长率（CAGR）增长，到2030年市场规模将达到172亿美元。随着工业4.0的推动，机器视觉市场呈现出强劲的增长态势。

随着消费者对产品质量的要求不断提升，制造商对精确且快速的品质检验需求也随之增加。机器视觉技术能够在生产过程中自动检测产品缺陷，避免瑕疵品进入市场，从而提升产品品质并降低召回风险。

机器视觉与电脑视觉的差异

在当今科技迅速发展的背景下，机器视觉（Machine Vision；MV）与电脑视觉（Computer Vision；CV）这两个技术概念经常被提及。尽管两者在技术层面有许多相似之处，均涉及影像处理与分析技术，但它们在应用范畴和目的上其实有显着的差异。

电脑视觉：模拟人类视觉的技术

从电脑视觉的核心目标是如何让电脑模拟人类的视觉系统，理解并处理数位影像资料，包括即时侦测、追踪及辨识模组的设计、3D立体视觉、增拟实境等，它涵盖人工智慧（AI）、机器学习（ML）、统计方法及其他工程和电脑科学等多领域。这项技术广泛应用於自动驾驶、医学影像处理、监控系统等许多领域。电脑视觉的应用场景包括即时侦测、追踪及辨识模组的设计、3D立体视觉、增拟实境等，这些技术帮助系统理解和解读复杂的视觉数据。

图一 : 电脑视觉技术与机器视觉技术的关系（source：维基百科；SmartAuto绘图）

从技术层面来看，电脑视觉建立能够从图像或多维资料中取得「资讯」的人工智慧系统。以OpenCV为例，这个功能强大的程式库与Python语言兼容，更容易与AI技术整合，适用於物件侦测、车牌辨识、工业自动光学检测（AOI）、医学影像处理和视频监控等多种领域。藉由Python套件实现许多医学影像的读取与写入，以及与搭配OpenCV使用实现相关的影像分割等算法，进一步提高了影像辨识的准确性。

电脑系统可以存取大量源自智慧型手机、交通摄影机、安全系统和其他装置或由其建立的影像和影片资料。电脑视觉应用程式可使用人工智慧和机器学习（AI / ML) 精确地处理这些资料，以进行物件识别和脸部辨识，以及分类、建议、监控和侦测。图形化设计工具与便利的部署实现流程帮你减轻开发智慧电脑视觉应用的负担。

此外，电脑视觉技术还结合了深度学习网络架构，如卷积神经网路（Convolutional Neural Networks；CNN），CNN应该可说在是机器视觉系统中应用最广泛的神经网路，这种网络架构通过AI类神经网络来强化功能，架构上更能紧密地模仿人类视觉皮层和模式识别机制。应用於脸部侦测、辨识及表情分析、云端智慧型监控服务等领域。这些技术不仅促进了智慧制造与智慧型机器人的发展，还在临床医学影像与精准运动科技等方面得到了广泛应用。

举例来说，宸曜科技以强固型边缘AI运算平台搭载NVIDIA GPU与Jetson Orin模组，能在边缘端提供伺服器级别的推论性能，满足各种视觉AI应用需求，加速自动化转型与智慧升级。而NVIDIA近期宣布采用通用3D资料交换框架的全新服务，可加速执行以通用场景描述（OpenUSD）为基础的工作流程，以及工业数位分身与机器人的开发。NVIDIA与工业自动化及软体厂商西门子扩大合作，以使用OpenUSD促进处理更多工业工作负载。西门子把OpenUSD管道与其Simcenter模拟技术产品组合加以整合，能够即时以逼真画面呈现复杂的模拟资料，让使用者更深入明白产品在真实作业环境的表现。

图二 : 采用OpenUSD的USD Search NIM可以执行3D资产的文字提示搜寻。（source：NVIDIA）

机器视觉：工业自动化的利器

相比之下，机器视觉是一个多学科的工程领域，侧重於将影像处理技术应用於工业自动化。其主要目的在於通过影像分析实现产品的检测、分拣、引导等工业任务。机器视觉强调的是可靠性、精确度和高效率，通常在严苛条件下的工业环境中运行，注重解决实际产生的问题。

「效能」为机器视觉及工业应用首重的关键。机器视觉主要应用於自主机器人的视觉系统、检测与测量技术等领域。这一技术领域往往通过软体与硬体的紧密结合，实现高效的机器人控制或各种即时操作。相比电脑视觉，机器视觉更侧重於硬体元件的整合和系统应用的实时性，这使得它在工业自动化中具有不可替代的地位。例如Cincoze德承强固型嵌入式电脑DS-1402可搭载Intel 13/12代（Raptor Lake-S / Alder Lake-S平台）65W处理器，高达24核心（8P + 16E）和32线程的配置，是Comet Lake-S平台处理效能的1.35倍以上。并且支援64GB 4800MHz DDR5 ECC记忆体，满足需要高度可靠性与资料完整的应用需求，而多样的储存选择让使用者，可以依据需求自由配置。

另外，透过MATLAB工具箱提供开发瑕疵侦测、语义分割、目标侦测、影像和影片分类等各种深度学习应用场景，藉此可以开发以深度学习为基础的方法来检测和定位不同类型的异常，提高生产系统中的高通量品质控制，自动检查和瑕疵侦测效益。

图三 : Cincoze德承强固型嵌入式电脑DS-1402以高效能及高可靠性因应智慧工厂、机器视觉等应用。（source：Cincoze）

主要系统及构成元件

机器视觉系统由多个组件构成，包括成像镜头、照明光源、工业相机、影像撷取卡以及处理软体等。这些元件共同运作，以达到精确的影像捕捉、处理和分析。其中的组合要件，包括：

成像镜头与工业相机：成像镜头与工业相机是机器视觉系统的核心元件。镜头的选择决定了影像的清晰度和解析度，而相机则负责将光学影像转换为数位讯号。工业相机通常具备高灵敏度和高速影像捕捉能力，能在恶劣的工业环境下稳定运行。

照明光源：照明是影像质量的重要因素之一。不同的照明方式，如环形灯、背光灯、同轴光源等，可根据检测对象的特性来选择，以确保影像的均匀性和对比度。

影像撷取卡与处理软体：影像撷取卡负责将工业相机捕捉到的影像数据传输至处理单元。处理软体则通过复杂的演算法对影像进行分析，提取有用信息并作出决策，如判定产品是否合格。

另外，机器视觉在许多工业领域都有广泛应用，例如自动光学检测（AOI）系统能够在电子元件生产过程中实现高速高精度的瑕疵检测；在汽车制造业中，机器视觉可用於零件的定位和组装，引导机械手臂完成复杂操作。

应用焦点各异

不论是电脑视觉或机器视觉，其实都是为了增进图像技术更适合人眼观察或传送给仪器检测的效能，两者虽然在技术上有许多共通点，但差异在於电脑视觉强调的是多元应用与AI整合，更注重模拟和理解人类视觉，应用於多种场景，适用在不同情境下的智能化需求；而机器视觉重视工业应用中的高效性与实时性，强调硬体与系统的整合，多使用於检测和测量，专注於解决实际的生产问题。

预计电脑视觉不仅将继续在人类生活中发挥重要作用，还将在工业自动化中找到更多的应用场景。另一方面，机器视觉技术作为工业自动化的重要推动力，正以多种方式推动着制造业转型，机器视觉的高可靠性和高效能将使其在工业领域中继续保持关键地位。随着技术的不断演进，这两个领域的界限或将越来越模糊，甚至相辅相成的促进自动化和智慧化发展，最终实现更强大的智能系统，为各行各业带来革命性的变革。

结语

图四 : 随着自动化需求的增加，机器视觉在物流、医疗和智慧城市等新兴领域中的应用也将不断扩展。（source：Basler AG）

机器视觉技术的发展为制造业带来许多的优势，从预防性维护到提高可持续性，再到增强客户满意度，以及工作场所安全性。未来几年内，机器视觉技术将持续进展，特别是在边缘运算、3D视觉技术以及AI整合方面。这些技术发展将进一步提升机器视觉系统的智能化水平，扩大其应用范围。

随着机器视觉技术的日益普及，市场竞争会更趋於白热化。但尽管机器视觉技术的潜力巨大，市场仍面临一些挑战。随着品质检验的需求不断增加，对视觉引导机器人系统的需求增长，当前市场上却缺乏灵活且高效的机器视觉解决方案，致使市场扩展速度受限於技术的适应性和成本问题。再加上技术熟练人员的短缺，这些因素都限制了市场的快速扩张。

技术创新是供应商的核心竞争力之一。供应商需要不断研发新技术，如整合AI和深度学习的视觉系统，来提升影像分析的精度和速度。而产品的稳定性和可靠性是工业应用中的关键。供应商应确保其机器视觉设备能够在严苛的工业环境中长时间稳定运行，并能够提供高品质的影像分析结果。

除了产品本身，供应商还需要提供全面的售後服务，包括技术支持、培训以及维护服务，以确保用户能够充分利用机器视觉技术，提高生产效率。此外，随着自动化需求的增加，机器视觉在物流、医疗和智慧城市等新兴领域中的应用也将不断扩展。如今机器视觉技术在工业自动化中不可或缺，未来将为制造业发展提供更多的可能性，以及在更多领域发挥其价值。

**刊头图（source：Onsemi）