机器视觉是从数字图像中自动提取信息，用于过程控制或质量控制。相比人工检验，大多数制造企业采用自动化机器视觉系统，因为它更适用于重复性检测任务——速度更快、更客观，并且可以持续运行。机器视觉每分钟可检测数百甚至数千个零件，能够在 24 小时、7 天不间断的条件下提供始终如一、可靠的检测结果。
机器视觉是数字系统与现实世界交互的关键组成部分。它使自动化系统能够“看到”组件、产品、图案、编码或其他物体，并基于这些信息作出决策。
借助对制造零件和产品进行检测、测量和分拣的能力，机器视觉极大增强了工业自动化的能力与灵活性。机器视觉能够以高速和高精度完成这些任务，提高产品质量，减少浪费。
机器视觉还能够帮助自动化设备定位物体、识别物体，并保存其材质、状态、方向等信息，以便后续分析。这些数据对寻求效率提升的工厂而言至关重要。
在现代自动化物流仓库中，每一个包裹的流转都依赖于机器视觉读取条码，以实现全程追踪和识别，确保包裹准确送达目的地。所有这些活动都由机器视觉驱动——通过摄像头让计算机理解现实世界的物体。你也可能听到“计算机视觉”这一术语，它是一个更广泛的概念，有时用于描述更偏研究性质的图像分析系统；而机器视觉产品则更实用，并直接与工厂和仓库的工业自动化系统相连接。
机器视觉的优势是什么？
提升产品质量：因缺陷而被拒收的产品会造成巨大的成本、浪费和声誉损失。借助机器视觉自动检测，能够以更快、更准确的方式发现各种问题，在产品包装或出货前及时拦截，使人工检验的工作量显著减少，仅保留极少数复杂情况由人工处理。
实现产品与零件的追溯：机器视觉系统通过读取产品和包装上的条形码，在从初始生产到运输再到最终销售的每个环节提供关键的追踪信息。这使发货方能够了解货物的当前位置，快速检测任何延误或运输错误，并将任何损坏或其他问题追溯到源头。
改善流程：机器视觉能够即时检测产品质量的变化，并记录产品生命周期中的每一步。这种大数据形式能够揭示流程瓶颈、机器性能下降以及常见的错误来源，从而实现持续的流程改进。
提升生产率 / 设备综合效率：机器视觉系统能够加快操作速度、缩短周期时间，并且不会随着工作时长增加而出现性能下降。它们提供的信息能够帮助生产车间内的每一台设备都发挥最大效用。
减少浪费：机器视觉可以通过多种方式发现制造缺陷、识别过量填充或精确定位缺陷原因，从而减少浪费和废品率。长此以往，这有助于控制运营成本并降低原材料成本。
确保合规：用于制定流程改进决策的机器视觉生成的数据和图像，也为制药、医疗器械、汽车、食品饮料等行业的报告法规提供了所需的数据。
基于规则的机器视觉与基于人工智能的机器视觉
机器视觉可用于执行诸如计数、分类或批准/拒绝物品等决策，主要有两种方式。
- 基于规则的系统：按照用户设定的逐步规则解析图像并做出判断；
- 基于人工智能（AI）的系统：利用参考图像数据库“学习”如何做出判断。
尽管基于规则的机器视觉仍然是主流技术，但各种 AI 驱动的机器学习方法已经变得足够成熟和灵活，能够在许多应用中接替传统方法。在实际场景中，结合基于规则与基于 AI 的机器视觉往往能实现更高效的解决方案。
以上内容摘自 Cognex 白皮书《机器视觉入门》。可下载完整白皮书以获取更多信息。
了解更多信息，请访问：www.cognex.com
