划伤视觉检测

《产品外观缺陷机器视觉在线检测技术及设备开发》一文由合肥工业大学仪器科学与光电工程学院卢荣胜教授投稿分享，包括自序、研究背景、典型系统组成、成像技术及实现策略、关键核心单元部件、缺陷识别与分类、结束语、致谢几个部分。由于篇幅较长分为四篇发布，以下为第一部分：自序、研究背景、典型系统组成。1．自序本人1985年大学毕业后在量仪厂从事量具、刃具、工装、专机与机加工工艺开发等技术工作，于1992年从师费业泰教授攻读硕士与博士学位，从事精密机械热变形误差、精密仪器精度理论方面研究， 1998年末博士毕业后又拜师天津大学叶声华教授，从事机器视觉在线检测方面的博士后研究，研究方向随之聚焦于机器视觉与光学精密测量领域。之后在香港城市大学、英国帝国理工学院和哈德斯菲尔德大学进行了为期6年的三维机器视觉、自动光学检测和光学测量技术研发工作，于2006年5月返回母校合肥工业大学任教。回国后继续从事机器视觉与光学测量方面的研究，坚持面向平板显示、新能源、软性电路板、半导体等先进制造产业，注重技术的应用开发。先后主持了国家自然科学基金项目3项、863专项1项、国家科技支撑项目1项、国家重大科学仪器设备开发专项1项、国家重点研发课题1项、以及其它省部级项目和产学研合作项目10余项，在机器视觉与光学测量领域已培养硕士和博士研究生100余人。鉴于在机器视觉技术研究及应用开发方面20余年的研究积累，2021年无锡市锡山区政府与我们科研团队合作，联合创立了一个新型科技研发机构——无锡维度机器视觉产业技术研究院，采用实体化运营模式，面向先进制造产业链，从事机器视觉与光学精密测量方面产业共性关键技术研究与产业化开发。研究内容与产业化业务范围涉及机器视觉缺陷在线检测、三维机器视觉精密测量、机器人视觉引导、半导体检测、机器视觉关键零部件开发等。开发的视觉系统与仪器已经在平板显示、光伏、锂电池、软性电路板、半导体等行业得到成功应用。鉴于篇幅问题，本文重点聚焦于产品外观缺陷视觉在线检测技术，归纳了我20多年来在这些方面的科学研究与产业化开发的进展情况与心得体会。2．研究背景在产品制造过程中，由于生产环境不理想、制造工艺不规范等各种原因，零部件和产品外观难免会含有多种缺陷，如印制电路板上出现孔位、划伤、断路、短路和污染，液晶面板的基板玻璃和滤光片表面含有针孔、划痕、颗粒，带钢表面产生裂纹、辊印、孔洞和麻点，铁路钢轨出现凹坑、鼓包、划痕、擦伤、色斑和锈蚀，等等。这些缺陷不仅影响产品外观，更重要的是影响产品性能，严重时甚至危害生命安全，对用户造成巨大经济损失，因此，现代制造业对产品的表面质量控制非常重视。产品外观缺陷在线检测最传统的方法就是采用人工目视检测法，目前高端制造工厂大部分都采用自动化生产，但人工目视检测岗位仍占据工厂整体人员的15%-30%。鉴于人工目视检测存在对人眼伤害大、主观性强、准确率低、不确定性大、易产生歧义和效率低下等缺点，已很难满足现代工业对产品质量及外观越来越高的严格要求。随着电子技术、图像传感技术和计算机技术的快速发展，利用基于图像传感技术的视觉在线检测方法已逐渐成为外观缺陷检测的重要手段，因为这种方法具有自动化、非接触、速度快、准确度高等优点。目前，外观缺陷视觉在线检测技术已经广泛应用于工业、农业、生物医疗等行业，尤其在现代制造业，如平板显示、光伏、锂电池、半导体、汽车、3C电子（计算机、通讯和消费电子产品）等领域，对能够实现机器换人的外观缺陷视觉检测技术需求越来越旺盛。3．典型系统组成产品外观缺陷机器视觉检测是基于人眼视觉成像与人脑智能判断的原理，采用图像传感技术获取被测对象的信息，通过数字图像处理增强缺陷目标特征，再通过Blob(Binary large object)分析、模板匹配或深度学习等算法从背景图像中提取缺陷特征信息，并进行分类与表征。在工业应用领域，外观缺陷视觉检测系统实际上是一种智能化的数字成像与处理系统，即采用各种成像技术（如光学成像）模拟人眼的视觉成像功能，用计算机处理系统代替人脑执行实时图像处理、特征识别与分类等任务，最后把结果反馈给执行机构，代替人手进行操作，执行产品的分类、分组或分选、生产过程中的质量控制等任务。（左）6代线液晶阵列和彩色滤光片缺陷检测仪 （中）8.5代线玻璃基板缺陷检测仪 （右）ITO导电膜表面缺陷检测仪图 1 高世代液晶面板关键工艺节点缺陷视觉在线检测系统图 2 表面缺陷视觉在线检测系统组成原理图图1为我们在国家重大科学仪器设备开发专项的资助下，针对6代线和8.5代线液晶面板显示器制程中关键工艺节点，开发的三种缺陷视觉在线检测系统。该系统能很好地揭示一个视觉在线检测系统的各个组成部分、关键技术难点，以及所需的关键零部件。主要技术参数为：待测幅面大小≤1800x2200mm, 快速发现缺陷分辨率10μm, 复检显微分辨率0.5μm， 并行图像处理与缺陷识别系统采用CPU+FPA+GPU 主从分布式异构并行处理架构，检测时间节拍20s。系统组成与关键零部件单元可用图2示意图来清晰地描述，它由精密传输机构、光源、相机阵列、显微复检、并行处理、控制、主控计算机、服务器等单元模块，以及与工厂数据中心互联的工业局域网组成。图 3 展示了我们开发的手机液晶显示屏背光源模组缺陷转盘式多工位视觉在线检测系统的结构组成，该检测系统包括自动上料、编码、对准、检测、分选、返修识别等几个部分。图 3 背光源模组在线自动光学检测系统3.1 自动上料机构自动上料机构包括装配线上传输来的背光源模组位姿探测、电动与气动机构抓取、位置校正、送料等部分组成。工作原理如下：1. 在装配线传输带工位（1）的上方放入一个监视相机，当前道工序组装系统装配好背光源模组传输到工位（1）后，监视相机拾取到有待测模组时，计算模组在工位（1）处的位置与模组姿态信息，并发出工作同步指令给后续上料与检测系统。2. 监视相机发出工作同步指令后，气动与电动缸组成的送料系统把工位（1）处的背光源模组从传输带上吸起来，然后在气动滑台的带动下，把工位（1）处的背光源模组搬运到工位（2）处。在放到工位（2）上之前，计算机根据工位（1）上方的相机拍摄到的模组位置与姿态，发出指令给真空抓取吸盘角度校正电缸，初步校正背光源模组在空间的角度。当背光源模组运送到工位（2）后，模组在工位（2）处由4个气动滑缸从四边向中间对中，校正模组的位置，然后背光源模组下方的相机，对模组成像，识别待检背光源模组喷码序列号，作为有缺陷模组在返修过程中，从缺陷数据库中自动调出缺陷信息，指导返修任务。3. 在工位（1）处吸盘抓取背光源模组的同时，右边的吸盘在工位（2）处把已经校正好的模组吸起来，然后在气动滑台的带动下，把校正后的模组输送检测转盘工位（3）处。至此，一个上料循环完成。3.2 检测机构检测机构由间隙转动工位转盘、上料位置对准探测、异常检测、画面检测和外观检测工位组成。工作原理如下：1. 背光源模组被自动送料机构传输到工位（3）后，转盘在控制系统的控制下，转到工位（4）。在工位（4）的上方安装一个相机，检测背光源模组定位是否正常，模组LED灯工作是否正常，并把信息传给主控计算机。如果一切正常，则后续检测工位按预定的方案进行检测；如果不正常，后续检测对该模组不检测，然后传送到工位（9），由分选机构抓取，传送到不良品传输带上。2. 当模组转到工位（5）~（8）处后，缺陷扫描成像系统对画面缺陷进行扫描检测，缺陷扫描成像系统由高速扫描相机、一维滑动台、光栅、伺服系统、调整机构组成。由于外观检测项目较多，一个工位难以不够，故把工位（7）和（8）两个工位作为外观检测机构。3.3 分选机构分选机构由良品与不良品气动抓取机构、间隙运动传输带组成。结构布局参看图 3 所示，其工作原理如下：1. 如图 3 所示，画面（外观、异常等）缺陷检测完毕后，模组继续向下道工位转动，当模组运动到工位（9）后：分选机构左边的气动吸盘抓取工位（9）上的模组，传输到工位（11）处。2. 如果该模组是不良品，在分选机构向工位（9）移动的过程中，不良品传输带向前移动一个工位，把工位（11）清空，等待放置下个模组。3. 如果是良品，在下一个时刻分选机构抓取工位（9）上的模组时，右边的吸盘同时抓取工位（11）上的模组，在分选机构左吸盘把模组放到工位（11）处时，右吸盘把良品模组放置到良品传输带上工位（12）处，然后良品传输带向前移动一个工位，清空工位（12）等待放置下个模组。传输带之所以作间隙运动，一方面可以节省空间，另一方面考虑到不良品只是少数，这样可以让不良品按顺序一个一个经凑地排列在传输带上，不需要有人监视，返修人员只要传输带上放满了不良品后取走返修。3.4 复检与不良品返修对于检测到的不良品，再采用人工目视复检，并对不良品进行返修。在返修工作台上放置一个电脑，并安装一台成像系统，拾取不良品背面的编码。返修显示电脑通过工业以太网与缺陷数据库服务器相连，相机在电脑的控制下，获得带返修的不良品编码后，根据编码从服务器中调用缺陷信息，显示在屏幕上，导引返修人员对不良品进行合理的返修。

近日，厦门思泰克智能科技股份有限公司(以下简称“思泰克”或公司)更新了上市招股书，公司拟在深交所创业板上市，将于11月18日上会。此次IPO，公司拟发行2582万股，计划募集资金4亿元，主要用于思泰克科技园项目、研发中心建设项目与营销服务中心建设项目，以及补充流动资金。据了解，思泰克主营业务为机器视觉检测设备的研发、生产、销售及增值服务，公司是一家具备自主研发和创新能力的国家高新技术企业。公司主要产品包括3D锡膏印刷检测设备及3D自动光学检测设备，产品主要应用于SMT生产线中，并广泛运用于消费电子、汽车电子、半导体、通信设备等电子信息制造业领域。专注机器视觉检测设备 主营产品应用行业广泛自设立以来，思泰克深耕于机器视觉检测设备领域，通过在 3D 光源技术、图像处理底层及应用层算法、AI人工智能算法、高精密三轴机械平台等机电光一体化技术领域不断的自主研发及技术创新，在机器视觉领域构建了领先的技术储备。思泰克以成为视觉人工智能领导者为愿景，持续深耕机器视觉领域, 紧密围绕公司产品涉及的计算机科学、图像处理、精密制造、人工智能等领域的最前沿发展方向和电子制造的最新发展需求，坚持自主创新，对现有技术产品不断迭代更新，并在相关领域取得了多项技术成果，形成45项授权专利和21项软件著作权。公司将可编程结构光栅投影技术，CPU 和 GPU 混合的三维表面轮廓测量算法、红绿蓝(RGB)三色 LED 光源算法、高低曝光技术、SMT 生产线数据互联及分析技术、基于三点照合技术的产品品质控制体系、AI 人工智能算法、10 微米级别的 XYZ 三轴移动精密平台等软、硬件核心技术进行有机结合，实现了机电光技术一体化。领先的产品力为公司积累了极为丰富和亮眼的客户资源。目前，公司直销及终端客户包括富士康、海康威视、弘信电子、大华股份、臻鼎科技、立讯精密、德赛电池、欣旺达、珠海紫翔、VIVO等行业知名企业或其代工厂商，优质客户的加持也进一步巩固了思泰克的行业领先地位。同时，公司产品已出口至中国台湾、越南、印度、马来西亚等地。机器视觉行业内企业的发展速度取决于下游客户的质量，优质客户持续的技术迭代有助于思泰克保持领先行业的技术优势和地位。营收净利连年增长 经营质量明显提升“十四五”时期，我国已转向高质量发展阶段，将进一步深化产业结构调整，推进制造水平提升，由“制造大国”向“制造强国”转型。随着工业自动化、智能化转型的深入以及民用产品对智能化需求的不断提升，机器视觉作为工业自动化、智能化转型的核心技术，有望形成更具规模化的产业，未来发展空间广阔。机器视觉检测设备在电子制造业的应用逐步由选配走向标配。一方面，制造业竞争加剧、人工成本高企不下，迫使下游企业陆续采用机器替人策略。另一方面，机器视觉技术也极大提高了下游企业生产的柔性和智能化，极大提高了生产效率，减少生产过程中的错误，就生产管理和质量管理而言，都大有裨益，也是下游企业实施机器替人的内在驱动使然。随着技术的快速发展，我国机器视觉迎来高速发展时期，机器下游领域不断拓展，逐渐渗透到3C电子、汽车、半导体、锂电、包装、食品、医药等多个行业。思泰克生产的3D SPI 及 3D AOI等3D检测设备提供了较2D检测设备更为智能、精准及多样化的检测内容及检测效果，响应下游客户对提高良品率，降低生产成本的需求，并形成具有企业特色的品牌效应，促进了传统制造业与新技术、新产业、新业态、新模式深度融合。花香蝶自来，梧高凤必至，凭借优秀的产品质量及服务优势，思泰克在行业内已树立良好的品牌形象，形成广泛的客户基础，并取得较高的市场地位。招股书显示，2019年至2022年上半年，思泰克各期营收分别为22648.91万元、25304.20万元、35614.79万元、19128.95万元，年均复合增长率达25.81%。公司主业的盈利水平也长期保持较高水平。上述同期，公司主营业务毛利率分别为55.35%、55.37%、55.84%和54.19%，其中主要收入来源于3D SPI产品，占主营业务收入的比重均在90%以上。在公司核心业务持续增长之下，其研发投入力度却有增无减。上述同期，公司研发费用分别为1008.77万元、1383.44万元、1986.06万元和758.65万元，研发投入呈现稳步增长。同期，公司研发费用率分别为4.45%、5.47%、5.58%和3.97%，总体保持较高水平。募资提升企业竞争力 加速迈入发展快车道根据前瞻产业研究院调研数据，2015 年至 2020 年我国机器视觉市场规模由 26 亿元增长至 79 亿元，年均复合增长率达到 24.89%。未来随着国内企业自主研发水平的提高及下游应用领域的进一步拓展，我国机器视觉行业规模将持续增长。此次IPO正是思泰克高瞻远瞩的战略性举措。近年来，国家对于智能制造和高端装备制造业发布了多项利好政策。随着思泰克业务规模的扩大，增强新产品研发、丰富产品结构、扩大产能已经成为其加速发展的迫切需求。技术创新是人类社会永恒的主题，是时代进步的重要标尺，未来，思泰克将继续把握电子信息制造业产业升级、工业互联网建设、5G 建设等行业发展机遇，专注于机器视觉检测领域，围绕客户需求，不断加大公司在产品所涉及的各项科技领域的投入，保持公司现有产品的持续技术竞争力。同时，公司将以现有核心技术为中心，围绕 SMT 生产线机器视觉检测领域，持续完善 3D SPI 及 3D AOI 等现有产品，并积极研发 X-Ray 检测设备等新产品，为客户提供 SMT 生产线检测领域的整体解决方案，推动业务的多元化和高质量发展。

近日，证监会披露了东吴证券关于征图新视（江苏）科技股份有限公司（简称：征图新视）首次公开发行股票并上市辅导备案报告。值得提及的是，这并不是征图新视第一次冲击IPO。早在2021年6月，征图新视便向上交所科创板提交了IPO招股书，并获得受理。不过，今年1月，该公司最终撤回申请资料。据了解，征图新视的主营业务为机器视觉检测设备及自动化制造设备的研发、生产、销售，主要产品包括：消费电子检测设备、印刷检测设备、其他行业检测设备、自动化制造设备、智能制造软件系统等。该公司自主开发机器视觉软件、人工智能、常规算法、光学成像机制、运动控制、3D 视觉等核心技术，构建了完整的机器视觉同源技术平台，在消费电子、印刷、农产品、交通等多元化行业实现了以外观检测为主的多项机器视觉功能，并不断向更广泛的行业领域和应用场景拓展。公司拥有完整的自主知识产权，包括专利 182 项（其中发明专利 33 项），软件著作权 75 项。征图新视经过十余年行业经验积累与技术沉淀，客户跨越消费电子、印刷、农产品、交通等各个行业，包括苹果、立讯精密、日东电工、瑞声科技、业成科技、蓝思科技、上海烟印、云南侨通等知名厂商，公司产品获得跨行业客户的广泛认可，体现了公司具有较强的跨行业复制能力。从股权结构来看，和江镇直接持有公司 633.09 万股股份，占公司总股本的 21.10%；王岩松直接持有公司 584.78 万股股份，占公司总股本的 19.49%；方志斌直接持有公司 482.17 万股股份，占公司总股本的 16.07%，三人合计直接持有公司1,700.04 万股股份，占公司总股本的 56.67%。此外，三人还通过征图投资间接持有公司 1.47%的股份。和江镇、王岩松、方志斌三人已于 2014 年 6 月 20 日签署了《一致行动协议书》，约定了三人应当在决定公司重大决策事项时共同行使股东权利，特别是行使召集权、提案权、表决权时采取一致行动，因此三人共同为公司的控股股东、实际控制人。

工业3D视觉产品头部企业翌视科技宣布完成超亿元A轮及A+轮融资，分别由启高资本、成为资本领投，清源资本跟投、小苗朗程继续加持。翌视科技将进一步深化在国内外工业3D视觉产品领域的关键技术创新研发、产品线扩充以及产品迭代升级上的战略投入，同时加速团队拓展以深度覆盖消费电子、汽车和新能源领域3D检测测量市场。成为资本创始人及执行合伙人李世默表示：“中国制造业产值占全球的三分之一，拥有世界上最多3D视觉的各种应用场景。其中，3D线激光是工业流水线中高精度检测领域的应用最广的主流技术，同时由于技术和工程壁垒较高，此前被LMI、基恩士为主的国际品牌所垄断。翌视科技具有出色的芯片和光学研发领域专家团队，以芯片技术赋能机器视觉产品，成功获得多个国内多个KA客户的认可，是国内极少数可以批量出货的3D线激光相机供应商。成为资本看好这支兼具软硬件研发、产品商业化落地及销售拓展能力的团队，并将长期支持公司发展。”作为一家高科技机器视觉公司，翌视科技成立5年以来专注于设计、研发和制造3D智能传感器以及一体化软件及系统解决方案，致力于改善工业生产效率和生产质量。公司自研的LVM（Laser Vision Measurement）系列3D线激光传感器通过将3D成像算法硬化在芯片中，使产品线性度优于0.02%、重复精度达0.1微米。此外，该产品的分辨率、测量效率及适应性等性能指标达到世界领先水平，能够满足工业复杂场景下更高分辨率、更大景深、更多维度的检测测量需求。目前，翌视科技覆盖消费电子、汽车和新能源领域的数百家客户，其中标杆终端客户包括苹果、华为、舜宇光学、京东方、宁德时代、上汽集团、三花智控等企业，同时已切入智能铸造领域。翌视科技能够研发出综合性能指标优异的LVM系列3D智能传感器，得益于公司团队拥有10年以上的芯片研发及机器视觉产业从业经验，底层软硬件研发能力突出。翌视科技联合创始人兼CTO王玉国表示：“工业领域的高端智能设备跟其他行业一样需要芯片技术赋能，从2D视觉到3D视觉实现了更高维度的突破，也不断爆发出高速在线的大数据计算需求。翌视团队具有成熟的芯片开发经验，在SoC架构设计、高性能计算方面具有优势，会不断推出高性能智能化的传感器产品。”据悉，公司已掌握全套自主知识产权的软硬件技术，申请的超60项知识产权中，一半以上是专注于光学和相机端的核心发明专利。目前，翌视科技在光机电一体化的稳定性设计、激光技术、高精度标定、高速高质量三维数据生成和处理方面均有较深厚的积累。除底层硬件的创新和突破之外，翌视科技不断加大对软件端和智能化方面的投入，将会在传感器阵列化和多传感器柔性融合方面推出更多的产品。翌视科技联合创始人兼CEO王天雄表示：“公司将保持原创技术的持续创新，深化机器视觉技术迭代与价值数据积累，积极开拓更多产品线，加速推进产品在垂直及细分场景的落地，持续为国内外客户提供稳定可靠、高性价比的视觉产品与行业解决方案，为致力于成为世界一流的视觉传感器公司而努力。”

1. 机器视觉市场规模稳定扩张，国产替代显现，国家政策助力行业稳定发展1.1 机器视觉应用场景广泛，规模稳定扩张，国产品牌逐 渐崛起机器视觉指一种应用于工业和非工业领域的硬件和软件组合，它基于捕获并处理的图像为设备执行其功能提供操作指导。因此，成像和图像处理分析是机器视觉两大主要构成部分。继续拆分机器视觉系统，可知其主要包括光源及光源控制器、镜头、相机、视觉 控制系统（视觉处理分析软件及视觉控制器硬件）等。机器视觉的成像功能部分由光源及光源控制器、镜头、相机等硬件构成；对形成的图像进行分析处理、输出分析结果至智能设备的其他执行机构的工作交给了视觉控制系统。 机器视觉行业产业链主要由上游零部件、中游装备及下游应用市场构成。上游的零部件通常包括光源、工业镜头、工业相机、图像采集卡、软件及算法平台，其中工业镜头、 相机、采集卡、软件算法平台等关键软硬件是机器视觉的关键价值组成部分。全球市场中，康耐视（Cognex）及基恩士（KEYENCE）有着深厚的技术支撑，占据市场份额较大，属于行业内领先企业。《中国工业机器视觉产业发展白皮书》提到，我国品牌奥普特 近年来在上游零部件的制造上也逐步发力，成为国内市占率最高的公司。行业中游中的装备协助企业对产品进行引导、识别、检测、测量及其他智能制造相关应用。这些装备随即可广泛应用于电子及半导体制造、食品饮料、汽车、制药等下游市场。 根据中商情报网数据，我国机器视觉下游需求市场一半以上由电子电气构成，占比 52.90%， 其次为半导体，占比 10.30%。除此之外，应用较为广泛的下游市场还有汽车、印刷包装、 以及食品加工，分别占比 8.80%、5.50%、4.90%。机器视觉的系统成本由零部件制造、软件开发、组装集成以及维护过程产生的成本构成， 其中以零部件为主要构成部分，占据的百分比接近所有成本值的一半。零部件生产和软件开发是上游企业的核心业务范围，二者合计占比高达80%。机器视觉行业自 1959 年起开始萌芽，神经生理学家 David Hubel 和 Torsten Wiesel 研究视觉皮层神经元的核心反应特性，同年 Russell 研制了一台可以把图片转化为被二进制机器所理解的灰度值的仪器；1969 年，贝尔实验室成功研制出了 CCD 传感器（电荷耦合器件图像传感器），可以直接把图像转换为数字信号并储存到电脑中参与计算与分析，奠定了机器视觉基石。 90 年代中后期开始，中国开始在机器视觉领域进行探索，开始在航空、航天、军工、及 高端科研（天文、力学研究）等核心机构及行业应用。1998 年我国开始引进机器视觉系统。 目前机器视觉已经达到了产业发展阶段，应用和算力的提升共同促进机器视觉产业发展， 各大生产领域纷纷布局于机器视觉产业。机器视觉相较于人眼视觉有较多优势，如在观测精度方面，机器视觉具备更细致的观测能力，可观测至微米级的目标；在观测速度方面，机器视觉快门速度可达 10 微秒左右， 使其具有高速且稳定的分析处理图像的能力。除此之外，机器视觉系统在感光范围、对环境的要求、效果客观性及可靠性方面均强于人眼视觉，这也是机器视觉广泛应用的重要原因。根据中国机器视觉产业联盟（CMVU）发布的《中国工业机器视觉产业发展白皮书》，2015 年至 2021 年我国工业机器视觉市场规模由 64.23 亿元增至 165 亿元，CAGR 为 17.03%， 其中 2021 年同比增长 10%。2020 年之前，我国机器视觉市场中国外品牌的份额高于国内品牌；2020 年上半年疫情对国外产品影响较大，CMVU 数据显示上半年销售额同比下降 50%，而我国自主品牌产品应对较好，销售额同比下降 12%左右。2020 年全年国内品牌 销售额为 77 亿元，超过了国外品牌的 73 亿元。我国机器视觉相关品牌正在逐步崛起， CMVU 预测 2022 年国内机器视觉品牌市场规模将达 100 亿元，国外品牌 80 亿元。我国自 1998 年开始引入机器视觉系统以来，参与机器视觉产业发展的企业逐年增长。根据企查查中得到的数据，2010 年至 2019 年每年新增行业内相关企业呈现逐年增长的趋势， 到达 2019 年时，当年新增机器视觉企业数已达 819 个，达到近年来新增值的顶峰。2020 年以来，受疫情影响以及行业内集中度的提升，每年新增企业数逐渐放缓，2021 年共计 新增 278 家机器视觉相关企业。1.2 国家政策推动机器视觉发展，机器人技术结合高端装备制造助力行业进步机器视觉是与工业应用结合最为紧密的人工智能技术，在智能制造高速发展的时代，国家对于这一有助于智能制造持续提升的技术也是给予了多次政策鼓励与支持。 2021 年 12 月，工业和信息化部、国家发展和改革委员会、教育部、科技部、财政部、人力资源和社会保障部、国家市场监督管理总局、国务院国有资产监督管理委员会联合发布《“十四五”智能制造发展规划》，其中提到，要大力发展智能制造装备，推动先进工艺、信息技术与制造装备深度融合。推动数字孪生、人工智能等新技术创新应用，研制 一批国际先进的新型智能制造装备。 2020 年 9 月，国家发展改革委、科技部、工业和信息化部以及财政部共同发布的《关于扩大战略性新兴产业投资培育壮大新增长点增长极的指导意见》中特别强调，要重点支持工业机器人、建筑、医疗等特种机器人、高端仪器仪表、轨道交通装备等高端装备生产，实施智能制造、智能建造试点示范。研发推广城市市政基础设施运维、农业生产专用传感器、智能装备、自动化系统和管理平台，建设一批创新中心和示范基地、试点县。 鼓励龙头企业建设“互联网＋”协同制造示范工厂，建立高标准工业互联网平台。国家通过各政府部门在不同方面发布的指导意见与规划，从智能制造、新产业发展、电 子元器件等多个角度对机器视觉行业发展提供助力，为机器视觉产业链内所有产品的研发和生产提供良好环境，对行业内相关公司的生产经营状态做出高度肯定。2. 下游应用市场广阔，各行业发展带动机器视觉需求不断提升2.1 消费电子市场为主要应用方向，产品更新速度拉动机器视觉行业需求当前，我国已经站在消费电子行业的创新潮头，产业链中各项产品的研发生产规模均比肩世界领先水平，同时，我国居民消费水平也随着经济发展的历程逐渐提升，对于消费电子的需求日益增长。受益于各方面原因，消费电子行业市场规模近年来稳定发展。根据中商情报网数据，2017 年至 2021 年市场规模由 16120 亿元增至 18113 亿元，CAGR 为2.96%。在国内疫情逐年转好的背景下，按年均复合增长率估算，预计 2022 年市场规模 将达到 18649 亿元。消费电子作为人们生活中主要使用的电子产品，通常应用于娱乐、通讯、便民以及文书用途。智能、平板电脑、可穿戴设备等属于消费电子的主要细分市场类型，目前广泛应用于我国居民的日常生活中。根据工信部数据，我国智能手机销售情况在 2017 年经历了一次高速发展，当年出货量达 到 4.44 亿台，市场逐渐靠近饱和。自那以后，消费者对于智能手机的需求有放缓的势头， 2018 年至 2020 年出货量均呈现下滑趋势。在 2021 年这种趋势被突破，当年智能手机出货量回升，为 3.43 亿台，同比增长 3.94%。截止至 2022 年二季度，我国当年智能手机共出货 1.4 亿台，同比下降 14.40%。平板电脑作为一种便携式输入设备，在人们的学习和工作中运用得越来越广泛。IDC 数据显示，2021 年，我国平板电脑出货量为 0.28 亿台，同比增长 21.74%。截止至 2022 年二季度，我国平板电脑出货量为 0.14 亿台，同比增长 4.47%。 常见的可穿戴技术类型包括智能手表和智能眼镜。可穿戴电子设备通常接近或在皮肤表面，对如生命体征和/或环境数据信息进行检测、分析和传输，在某些情况下允许对穿戴者进行即时生物反馈。随着技术的发展和市场的扩大，可穿戴设备的用例也在不断增加。 IDC 数据显示，我国可穿戴设备的出货量自 2017 年至 2021 年由 0.57 亿台增至 1.4 亿台， CAGR 为 25.19%，其中 2021 年出货量同比增长 30.84%。截止至 2022 年二季度，受宏观消费环境影响，当年总出货量有所下降，共 0.54 亿台，同比减少 14.29%。由于消费电子元器件通常尺寸较小，且产品对各元件精细度要求较高，因此使用机器视 觉检测对消费电子产品制造大有裨益，能够使元器件完成尺寸更精准、工作效率更高。 同时，消费电子对产品精细程度的高要求也促进了机器视觉检测行业的技术变革与发展。 作为机器视觉应用最为广泛的下游行业，消费电子产品生命周期短、更新换代快的特征 使智能手机、平板电脑、可穿戴设备等至少两年需要重新购入一批，导致其上游机器视 觉产业需求持续增长，推动机器视觉市场蓬勃发展。2.2 与半导体相关研究追溯至上世纪 80 年代，机器视觉检测系统工艺逐年优化半导体产业已经成为衡量国家综合实力标准之一，全球行业迎来新增长周期。半导体产业作为信息时代的基础，已成为衡量国家产业竞争力以及综合国力的重要指标。 据美国半导体产业协会统计，从 2017 年至 2021 年，全球半导体销售额由 4122.21 亿美元 增至 5569.87 亿美元，CAGR 为 7.81%。截止至 2022 年 8 月，全球半导体销售额为 4015.84 亿美元，同比增长 13.88%。我国半导体市场销售额发展趋势基本与全球总额涨跌规律相近，2021 年全国共实现半导体销售额 1877.40 亿美元，同比增长 24.84%。按份额来说， 我国半导体市场销售额在全球总额的比重近五年内处于 31%-35%之间，截止至 2022 年 8 月，我国半导体销售份额为 32.71%。在半导体产业链中，从单晶片到制成品等各项产品的制造过程中都离不开检测工艺环节， 其市场规模随着新型技术及工艺环节不断增加，行业对检测的技术方法与效率提出了更高的要求，检测行业市场规模随即逐年提升。 根据 VLSI Research 统计，全球半导体检测和量测设备市场规模自 2016 年至 2021 年由 47.6 亿美元增至 84.4 亿美元，CAGR 为 12.14%，其中 2020 年同比增长达到最高为 20.09%， 2021 年同比增长 10.33%。我国半导体检测和量测设备市场规模在同一时间区间内则由 7 亿美元增至 25.8 亿美元，CAGR 达 29.81%，高于世界平均水平。VLSI Research 预测 2022 年全球和中国半导体检测和量测设备市场规模将分别达到 92.1 亿美元及 31.1 亿美元。与消费电子同理，半导体设备的制造过程中，小到单晶片，大到制成品，外观缺陷、尺寸、数量、平整度、距离、定位、校准、焊点质量、弯曲度等方面的参数均离不开机器视觉系统的检测。 自上个世纪 80 年代起，国外已经开始研究机器视觉系统在半导体检测工艺环节的应用。 1980 年，Y. Y. HSIEH 和 K. S. Fu 提出一个自动视觉检查和最终包装系统的组合，用于集成电路（IC）芯片的自动视觉检测和线装，为机器视觉在半导体检测行业的应用提出可行性。而我国在这方面的研究起步相对较晚，经过几十年的学习与尝试，近年来国内的 一些企业也在半导体检测设备研究方面也有所发展。如矩子科技部分产品布局于制造工艺外观缺陷 3D，2D 检测，具体包括晶圆表面缺陷，杂物，裂纹，切割崩裂等检测；封装工艺（DB,WB）晶片不良，胶水不良，焊线不良，焊球不良，以及杂物等缺陷检测。2.3 汽车制造产业蓬勃发展，机器视觉技术贯穿全产业链汽车制造业是我国国民经济重要的产业之一，发展非常迅速。随着人们追求高质量生活的意愿不断变强，汽车成为现代人最常使用的交通工具之一，需求日益增长。 根据中国汽车工业协会的数据，2020 年受疫情影响，我国汽车产量全年不及上年水平， 全年产量共计 2522.5 万辆；自 2021 年起，由于防控得当，汽车产量值高速增长，其中 2021 年 2 月末以及 3 月末总产量增速达到 89.94%、82.84%，全年共产 2608.2 万辆。2022 年上半年，由于芯片短缺及宏观经济环境低迷，我国汽车产量小幅度下降，7 月后情况有所好转，到 8 月末，当年共生产汽车 1696.7 万辆，同比增长 4.95%。从规模以上工业增加值方面看，2022 年上半年工业增加值增速呈现逐月负增长的趋势， 2022 年 6 月-8 月汽车制造业工业增加值分别同比增长 16.20%、22.50%、30.50%，高于同 期工业企业工业增加值增速。我国汽车制造业中企业竞争激烈，据国家统计局披露，2022 年起行业内企业数超过 1.7 万家，截止至 2022 年 8 月底，共计 17369 个，同比增长 6.81%。在这 1.7 万余家企业的共同努力下，2021 年我国汽车制造业出口交货值为 4933.9 亿元，同比增长 39.49%；截止 至 2022 年 8 月底，出口交货值为 3899 亿元，同比增长 23.83%。受国内上半年疫情影响， 营业利润随着汽车产量的下滑出现小幅度减少，2022 年 8 月底我国汽车制造业实现利润 共 3162.8 亿元，同比减少-8.01%。现如今，汽车制造已经实现高度自动化，在这个过程中，机器视觉能够使生产过程更高效、产品质量更有保障、生产环境更安全可靠。在汽车制造产业链中，机器视觉存在于原材料质检、汽车零部件质检、制造过程工艺检测、整车质量把控等全过程中。《中国工业机器视觉产业发展白皮书》提到，机器视觉检测系统可用于车身装配检测、面板印刷 质量检测、字符检测、零件尺寸的精密测量、工件表面缺陷检测、自由曲面检测、间隙检测等几乎所有系统和部件的制造流程。随着新能源汽车逐渐普及，汽车制造过程中的精细零部件数量将会进一步增长，对机器视觉系统的需求随之上升。2.4 机器视觉检测识别产品包装缺陷，高效剔除残损及不合格产品包装是产品的必要组成部分，除了保护产品不受碰撞伤害，优秀的包装设计也能够为产品带来额外的广告效应，吸引更多消费者来购买，提升产品的销售量。 海关总署数据显示，截止至 2022 年 8 月，我国包装机械产品每月出口数量为 150.65 万台， 同比增长 88.01%，环比增长 70.30%；出口金额为 3.82 亿美元，同比增长 18.51%，环比 增长 3.01%。从产量方面看，根据国家统计局数据，2021 年起包装专用设备每月产量开始大幅度增长， 每月产量均超过 40000 台，同比增速基本都超过 100%。到 2022 年，我国包装专用设备单月产量受上半年疫情影响出现波动，在 6 月疫情形势转好后，设备产量逐渐恢复，6 月-7 月生产设备数分别为139,005 台及 118,701台，同比增长81.44%以及 165.08%。通常来说，产品的包装过程由专门的工人负责完成，但囿于人工效率低于机器，且具有成本高、劳动强度大等缺点，机器视觉系统在包装行业已经逐渐取代人工。高效、精准、 成品尺寸整齐等特征促使机器视觉系统在包装制造行业发展的历程中占据重要的一部分。 同时，机器视觉还可以应用于包装检测中，通过采用先进的机器视觉技术，自动识别所包装产品的缺陷状况，并自动从生产线上剔除残损及不合格产品。目前，机器视觉系统广泛应用于食品饮料包装生产与检测中，机械化产业线能够解决人工制造与检测效率不够的问题。通过输送链将待检测空瓶依次传送到视觉成像工位，获取图像，图像经工控机处理后，执行机构剔除不合格产品，完成产品质量检测。同样，玻璃药瓶与食品包装类似，随着制药机械自动化程度的提高，工厂有必要检测品包装的缺陷，以确保药品的运输和使用安全，避免出现缺粒、包装破损和夹杂异物等问题。药瓶相较于普通食品包装具有特殊性，玻璃药瓶在形态、精度等方面都需要精准的检测。《西林瓶缺陷自动视觉检测方法与系统研究》一文中，张寒乐团队开发了一套医药西林瓶在线视觉检测系统。根据对于检测系统的机械与电气结构的研究，团队设计了机械传动与图像采集装置。该装置能根据西林瓶不同部位的检测要求，采用瓶口、瓶身与瓶底 3 种成像方案，对玻璃药瓶进行精准检测。2.5 机器视觉为工业机器人产业发展奠定基础机器视觉具有系统实时性好、定位精度高等优点，能有效地增加机器人的灵活性与智能化程度，是实现工业自动化和智能化的重要手段之一。因此，机器视觉系统技术的研究为工业机器人的产业发展奠定了基础。在当下生活中，机器视觉技术已经逐渐融入各项产业发展过程中，在一定程度上改善了人们的生活质量，提高了生产力与自动化水平。 自动化设备的发展将在机器视觉技术的不断进步下更智能、更迅速，同时在各下游领域中，机器视觉的作用将呈现出更可靠、更高效的趋势。 机器人被各国视为推动产业转型升级的重要切入点，可广泛应用于各种行业。根据中国电子学会发布的《中国机器人产业发展报告（2022）》，其中提到，全球工业机器人市场规模在 2021 年达到 175 亿美元，同比增长 25.90%；特种机器人市场规模为 82 亿美元， 同比增长 24.24%。我国工业机器人 2021 年市场规模达到 75 亿美元，同比增长 15.38%； 特种机器人为 18 亿美元，同比增长38.46%。机器人行业正处于上升期，增长幅度稳定， 根据中国电子学会预测估计，2024 年全球工业机器人和特种机器人市场规模将达到 230 亿美元及 140 亿美元，我国市场分别为 115 亿美元及 34 亿美元。根据国家统计局数据，截止至 2022 年 8 月，我国工业机器人单月生产 41261 台，同比增 长 25.69%，环比增长 8.06%；累计产量为 277536 台，同比增长 16%。对比 2017 年至今的工业机器人产量月度数据，2021 年开始明显多于前四年，目前仍处于产能扩展阶段。3.重点公司分析3.1 天准科技——致力打造卓越的视觉装备平台型企业天准科技致力于以领先技术推动工业数字化智能化发展，致力打造卓越的视觉装备平台型企业，主要产品包括视觉测量装备、视觉检测装备、视觉制程装备和智能网联方案等。 公司产品下游应用行业广阔，包括半导体、汽车、消费电子等景气度高的高智能化制造业领域，同时也对智能驾驶、车路协同等智能化解决方案领域提供帮助，改善人们的生活。 公司产品中，视觉测量装备占比最大，其功能为使用自主研发的机器视觉算法对工业零部件进行高精度尺寸测量，2017 年至 2021 年收入占比分别为 57.68%、70.67%、61.92%、 85.27%、48.46%。自 2021 年起，视觉检测装备收入开始在总收入占比中增大。视觉检测装备主要用于产品缺陷检测，并按照缺陷特征分类分级。2022 年中报显示，视觉测量装备占比 32.47%，视觉检测装备占比 44.09%。公司营业收入增长迅速，2017 年至 2021 年营业总收入由 3.19 亿元增至 12.65 亿元，CAGR 达 41.12%。2022 年公司前三季度营业总收入为 8.03 亿元，同比增长 35.59%。 归母净利润方面，2017 年至 2021 年公司归母净利润由 0.52 亿元增至 1.34 亿元，CAGR 为 26.70%。2022 年三季报显示，公司前三季度归母净利润为 0.30 亿元，同比增长 35.07%。公司一直重视自主创新，以不断提升的技术研发能力来巩固公司的核心竞争力。经过 10 余年的持续研发和深度挖掘，公司在机器视觉核心技术的关键领域获得多项技术突破， 具备了开发机器视觉底层算法、平台软件，以及设计先进视觉传感器和精密驱动控制器 等核心组件的能力。2022 年三季报显示，截止至报告期内，公司研发费用为 1.61 亿元， 同比增长 8.95%，研发费用率为 20.11%。 期间费用率方面，公司期间费用整体较稳定，2022 年三季报数据披露，公司销售、管理、 财务费用分别为 0.96、0.43、-0.03 亿元，销售、管理、财务费用率分别为 15.14%、6.11%、 -1.99%，同比变化-1.02pct、-1.17pct、-1.47pct。公司销售毛利率及净利率水平自 2018 年起开始缓慢下滑，盈利水平有待提升，主要由于公司正处于研发开拓期间，预计未来将所有改善。2022 年三季度末销售毛利率及净利率 分别为 42.93%及 3.70%，同比变动-0.17pct 和-0.01pct，基本维持稳定。3.2 矩子科技——华为、小米等知名企业重要机器视觉设 备供应商公司主营业务为智能设备及组件的研发、生产和销售，主要产品包括机器视觉设备、控制线缆组件、控制单元及设备。产品主要应用于电子信息制造、工业控制、金融电子、 新能源、食品与包装、汽车等多个国民经济重要领域。 从营业收入构成来看，机器视觉设备与控制线缆组件是公司营收的两大重要组成部分。 机器视觉设备历年收入占比分别为 42.78%、43.04%、45.15%、43.15%、47.45%。公司年报显示，在机器视觉检测领域，公司参与全球市场竞争，累计已服务超过 800 家海内外知名客户，成为苹果、华为、小米、OPPO、VIVO 等知名企业或其代工厂商的重要机器视觉设备供应商。公司 2017 年至 2021 年营业总收入由 3.53 亿元增至 5.88 亿元，CAGR 为 13.61%，其中 2021 年同比增长 21.93%，保持稳健增长。截止 2022 年三季报，公司营业总收入为 5.02 亿元，同比增长 22.97%。 归母净利润方面，2017 年至 2021 年由 0.67 亿元变化至 1.01 亿元，CAGR 为 10.81%。2022 年三季报显示，公司前三季度归母净利润为 0.84 亿元，同比下降 2.66%，剔除股份支付费用影响后，归母净利润为 1.09 万元，同比增长 26.05%。公司发展的内在动力主要来自于机器视觉方面领先的技术和不断创新的能力，且公司已经在图像处理算法、光电成像系统等软、硬件方面取得重要成果。目前公司 2D、3D 机 器视觉检测设备的检测速度、检测精度、检出率、漏失率、误判率等关键性能指标已处于国际领先地位。2021 年公司研发费用共投入 0.48 亿元，研发费用率为 8.16%；2022 年 三季报显示，公司研发费用共计 0.52 亿元，同比增长 96.10%，主要由于研发人工费用增加及员工股份激励摊销金额影响所致，预计公司未来研发投入将会持续发力。 期间费用方面，公司控费基本稳定，2022 年三季报披露公司销售、管理、财务费用分别 为 0.13、0.20、-0.02 亿元，销售、管理、财务费用率分别为 2.99%、4.97%、-2.88%，同 比变化-0.24pct、+0.05pct、-2.40pct。2022 年上半年疫情对公司经营活动产生不利影响，且下游企业对于高端产品需求有多变化，公司产品结构随即有所调整，导致公司 2022 年三季度度销售毛利率及净利率下滑， 分别为 32.27%、16.74%，同比变化-3.26pct、-4.06pct。3.3 奥普特——智能制造核心零部件供应商奥普特是一家主要从事机器视觉核心软硬件产品的研发、生产和销售的高新技术企业。 公司定位于智能制造核心零部件供应商，以“打造世界一流视觉企业”为目标，致力于为下游行业实现智能制造提供具有竞争力的产品和解决方案。 公司能够向下游企业提供各种机器视觉解决方案，协助客户在智能装备中实现视觉功能， 提高机器视觉系统的准确性、稳定性和可靠性，从而带动公司产品的销售。公司主要产品包括机器视觉产业链上游的零部件光源、相机、配件、镜头、光源控制器，以及视觉控制系统。其中公司营业收入主要由光源设备占绝大部分比重，2017 年至 2021 年分别为45.87%/45.26%/47.24%/40.34%/34.74%。整体来看，公司产品结构较为稳定，促进生产销售生活稳定发展。公司收入处于稳定增长的趋势中，2017 年至 2021 年营业总收入由 3.03 亿元增至 8.75 亿 元，CAGR 为 30.36%。截止至 2022 年三季报，公司营业总收入为 9.10 亿元，同比增长 41.44%，主要得益于公司在新能源和 3C 电子领域多年的技术客户积累，以及下游行业景气度的提升。 归母净利润方面，2017 年至 2021 年由 0.76 亿元增至 3.03 亿元，CAGR 达 41.30%，2022 年三季报显示，公司前三季度归母净利润为 2.80 亿元，同比增长 28.34%。研发能力是公司在行业内的核心竞争力之一，主要包括机器视觉软硬件的研究以及基于机器视觉解决方案的研究。公司以光源技术、光源控制器技术、镜头技术、视觉分析技 术为核心，并持续在深度学习、3D 处理、图像感知与融合技术等方面进行重点发展。公 司 2022 年三季报显示，截止至最新报告期，当年研发费用共投入 1.39 亿元，同比增长 43.84%，研发费用率为 15.25%，主要由于研发人员增长、研发项目增多及本期增加股份 支付费用。 期间费用方面，公司控费基本稳定，2022 年三季度销售、管理、财务费用分别为 1.53、 0.23、-0.14 亿元，销售、管理、财务费用率分别为 16.85%、2.50%、-1.49%，同比变动+0.95pct、-0.49pct、+1.05pct，其中销售费用率增长是由于销售人员薪酬、差旅费、业务招待费和样品增加所致。由于公司产品结构较为固定，销售毛利率与净利率维持稳定水平，2021 年，销售毛利率及净利率分别为 66.51%和 34.61%；2022 年三季报显示，公司销售毛利率与净利率分别 为 67.07%和 30.73%。报告出品方/作者：长城证券，于夕朦、陈郁双、孙培德；本文仅供参考，不代表我们的任何投资建议。

齿轮视觉检测仪器与技术研究进展石照耀 1*，方一鸣 1，王笑一 2 1 北京工业大学北京市精密测控技术与仪器工程技术研究中心，北京 100124； 2 河南科技大学河南省机械设计及传动系统重点实验室，河南 洛阳 471003摘要：相对于接触式测量，机器视觉检测这种非接触式测量具有效率高、信息全、稳定性好、可识别缺陷等优点，在齿轮检测领域得到越来越广泛的应用。近十年来出现了影像仪、闪测仪、CVGM仪器、在线检测设备等多种基于机器视觉技术的齿轮检测仪器，它们既可以实现齿轮综合式测量，又可以实现齿轮分析式测量。回顾了齿轮视觉检测仪器的发展历程和特点，分析了齿轮视觉检测中边缘检测、亚像素定位、特征提取和模式识别等算法的研究和应用进展，总结了机器视觉在齿轮精度测量和齿轮缺陷检测两个方面的技术发展，并指明了齿轮视觉检测仪器与技术的发展前景。关键词：机器视觉；齿轮测量；齿轮视觉检测仪器；齿轮精度测量；齿轮缺陷检测1 引言齿轮是应用广泛的基础件，其质量直接影响齿轮传动系统的承载能力和寿命等。齿轮检测是分析齿轮加工误差来源、提高齿轮加工精度、保证齿轮产品质量的必备手段。齿轮测量可分为接触式测量和非接触式测量。由于齿轮形状复杂，精度要求高，传统的非接触式测量方法难以满足齿轮测量精度要求，因此传统的齿轮检测设备通常采用接触式测量方式。应用广泛的齿轮测量中心和齿轮双啮检查仪分别是齿轮分析式测量设备和综合式测量设备，均为接触式测量方式。随着计算机技术和视觉测量技术的进步，机器视觉测量精度逐渐提高，在一些场合已经可以满足齿轮检测的需求。相对于接触式测量，机器视觉测量具有效率高、信息全、稳定性好、可识别缺陷等优点，在齿轮测量领域应用越来越广泛。近年来出现了影像仪、闪测仪、computer vision gear measurement（CVGM）仪器、在线检测设备等多种基于机器视觉技术的齿轮检测仪器，它们既可以实现齿轮综合式检测，又可以实现齿轮分析式测量，更能进行齿轮缺陷检测。接触式测量属于串联测量模式，通过测量齿面上一系列点来完成某种测量目标，测量效率较低，大批量齿轮的在线全检是个挑战。此外，接触式测量方法只能测量齿轮的尺寸和精度，难以进行齿轮缺陷检测。目前齿轮产品的外观缺陷主要依靠肉眼筛查，一些细微缺陷还要借助放大镜、工具显微镜等辅助设备进行识别，这些设备检测效率低、误检率高，且无法对缺陷进行准确分类和溯源。齿轮视觉检测属于并联测量模式，一次测量可获取整个区域内的几何要素和外观缺陷数据，检测速度得到极大提升，可以用于大批量齿轮的全检；更重要的是能同时进行齿轮精度测量和齿轮缺陷在线检测。基于视觉的齿轮精度测量是齿轮精度理论与机器视觉技术的有机结合，作者将我国首创的齿轮整体误差理论融入齿轮视觉检测技术中，大大拓展了对齿轮误差的分析能力。齿轮缺陷在线视觉检测技术可实现对大批量齿轮的100% 全检，柔性和自动化程度高，既能实时反映生产状态，及时预警，也方便管理者掌控一定周期内产品质量变化，还可以根据大数据做进一步的质量评估、产能分析和工艺优化。2 齿轮视觉检测仪器如图1 所示，齿轮视觉检测仪器由工业相机、镜头、光源、计算机等几个主要部分组成。常用两种照明方式：图1（a）采用背光光源从待测齿轮下方照明，采集到的是齿轮投影图像，齿轮边缘锐度高、噪声小，此方式适用于齿轮精度测量；图1（b）采用正光光源从待测齿轮上方照明，采集到的是齿轮端面图像，能够凸显齿轮表面缺陷特征，此方式适用于齿轮表面缺陷检测。图1 齿轮视觉检测仪器构成（a）齿轮精度测量系统；（b）齿轮缺陷检测系统几十年来，齿轮视觉检测仪器经历了从只能“离线抽检”齿轮的“个别尺寸”，到结合齿轮精度理论做出齿轮“精度评定”，再到可以在生产现场“在线检测”的越，从通用仪器演变为专用仪器。常见的通用仪器有影像仪、闪测仪等，专用仪器有CVGM 仪器、齿轮在线检测设备等。2.1 影像仪影像仪（VMM）是小零件行业应用广泛的通用视觉检测仪器，可用于测量齿轮外径、孔径等几何尺寸。影像仪有手动式和自动式之分。手动式影像仪的成本较低，但调光、对焦、选点、修正等都依赖人工操作；测量齿轮时，需要人工取点来拟合齿顶圆、齿根圆等几何要素。世界上第一台由电机驱动的自动影像测量系统是1977 年由美国View Engineering 公司研发的“RB-1”系统。目前，国内外有众多企业生产自动式影像仪，典型有瑞典海克斯康、德国蔡司、日本三丰、深圳中图仪器、贵阳新天光电、苏州天准科技等。自动式影像仪在工作台的X、Y 和Z 轴方向可以精确移动，能够实现自动对焦，测量精度更高。通过示教或编程可以实现齿轮测量中的自动取点，但操作过程较为复杂，对操作人员要求高。自动式影像仪一般没有齿轮测量专用软件，能够测量的齿轮指标不全，不能进行精度评价和分析。传统影像仪视场一般较小，为了获取整个齿轮端面轮廓，需要进行图像拼接。手动式影像仪进行图像拼接时效率低、难度大，精度也较差。自动式影像仪可以实现图像的自动拼接，效率较高，但拼接成的图像存在亮度、对比度不均匀的现象，尺寸测量精度同样受到影响。2.2 闪测仪近年来，市面上出现一种新型的一键式影像测量仪（闪测仪），视场范围大，可以一次测量多个零件。日本基恩士的IM-8000 闪测仪可在数秒内同时完成最多100 个目标物、300 个部位的测量，可以任意摆放工件，一键自动识别，自动匹配测量。独特的亚像素处理技术可使图像分辨率达0. 01 pixel，测量精度达±2 μm。深圳中图仪器的VX8000 系列闪测仪也可实现同等级的测量精度。此外，闪测仪还可导入CAD 图，通过“比较测量”识别缺陷，如将实际齿廓图像与标准CAD 图的齿廓对比，可以得到缺齿、断齿等缺陷信息。闪测仪的测量效率相比传统影像仪显著提升，但价格昂贵，同样缺少齿轮精度评价专门功能。2.3 CVGM 仪器1980年代，日本和我国开始了齿轮激光全息测量技术研究。基本原理如图9所示，以单频的氦氖激光器为光源，首先在干涉测量系统获得参考标准齿面的全息图像，然后将标准齿面替换为被测齿面放置于干涉测量系统中，同时将已经拍摄到的全息图像置于系统中。测量时，激光经分光棱镜分光扩束后分为了测量光路和参考光路，其中测量光照射到被测齿面上。两束光线同时照射在全息图上，形成了被测齿面和参考齿面间的干涉条纹，并投影在接收屏幕上。在对条纹图像进行数据处理后，可以得到被测齿面相对于标准齿面的形状误差。在测量光与全息图像之间放入平行平晶，用来调整测量光的相位。对于模数0. 2 mm 以下的小模数齿轮，难以使用接触式方法测量齿廓、齿距、公法线长度等关键参数；现有影像式测量设备不能给出齿轮精度评价报告。如图2所示，CVGM 仪器专用于解决小模数齿轮测量难题，可在1 s内自动计算出齿廓、齿距、径向跳动、公法线长度、齿厚变动量、内孔尺寸、实际压力角等关键精度信息，自动根据齿轮精度标准ISO-1328对齿轮误差进行评级，输出完整的齿轮精度检测报告，并做出OK/NG 判断。CVGM 仪器的齿廓偏差测量精度为±3 μm，齿距偏差测量精度为±2 μm，具有强大的分析功能，可测量双向截面整体误差曲线（SJZ 曲线）。图2 CVGM 小模数齿轮测量系统（a）CVGM 软件；（b）CVGM 系统如图3 所示，CVGM 仪器使用齿轮整体误差曲线作为齿轮单项误差计算的中间体，即先由齿轮轮廓生成齿轮整体误差曲线，再由齿轮整体误差曲线计算出各单项误差；并以SJZ 曲线方式表达测量结果，大大提升了齿轮误差分析能力。图3 基于视觉的齿轮整体误差分析2.4 齿轮在线检测设备齿轮视觉在线检测设备一般都具有分选功能，根据检测结果把被测产品分成合格品、不合格品，或按齿轮精度等级分类，或按缺陷类型分类。该类设备结构形式有三种：直接集成在齿轮产品传送带上方，结构较简单；使用专用上下料机械手和其他辅助机构，结构最复杂；采用玻璃转盘式结构，应用最广泛。图4位于传送带上方的齿轮视觉在线检测设备，优点是占用空间小，但传送带运动不平稳和易磨损，产品摆放角度不固定，导致检测精度难以提高。由于传送带不透光，该设备无法获取齿轮与传送带接触面的图像，不能实现双面测量。图4 传送带式齿轮视觉检测系统图5 所示设备采用了机械手、导轨、转盘等部件，结合专门设计的自动检测装置完成齿轮上下料、检测、分选和摆盘等一系列操作。这类检测设备功能较强，但结构复杂，成本较高。图5 使用机械手和自动装置的齿轮视觉检测设备本团队研制了玻璃转盘式的注塑齿轮在线检测分选系统，如图6 所示，该系统已应用于注塑齿轮生产线，工作稳定，取得了突出的使用效果。玻璃转盘由伺服电机和精密减速器驱动，带动待检齿轮通过视觉检测工位，可保证图像采集过程中齿轮匀速平稳运动。转盘采用高透明玻璃材质，不需翻转就可得到产品底部的检测图像。由光电传感器定位齿轮在转盘上的位置，使用气动执行器将OK/NG 的齿轮吹入相应的存储盒实现自动分拣。该系统能够实现注塑齿轮黑点、毛刺、缺齿、断齿、翘曲变形等外观缺陷检测，也能完成常规几何尺寸和形位误差的测量，并能根据缺陷阈值、尺寸公差实时分选出合格品和不合格品，且具备报警功能。该系统对齿轮端面的检测时间小于0. 3 s，满足生产节拍的需求，特别是具有齿轮轴向测量功能。图6 玻璃转盘式齿轮视觉检测分选系统图7 为注塑齿轮在线检测分选系统软件界面。该软件具有自主知识产权，在软件数据库中贮存了常见齿轮型号及对应的尺寸公差和配置参数，包括CPK 分析和XR 图分析，提高了参数输入效率。注塑齿轮在线检测分选系统兼具精密测量与缺陷检测功能，包括齿轮轴向高度、齿距、公法线、同心度等与齿轮精度相关的检测，齿轮外观缺陷识别准确率能满足注塑齿轮大批量在机检测需求。图7 注塑齿轮在线检测分选系统软件界面3 齿轮视觉检测技术齿轮视觉检测技术是齿轮视觉检测仪器的核心，涉及光学、电子学、计算机图形学、齿轮几何学等多个学科，内容覆盖光学成像、图像处理、软件工程、工业控制、传感器、齿轮精度理论等。近几年，与齿轮视觉检测技术相关的新技术、新理论、新方法大量出现，在多个核心问题上取得了重要的研究进展。齿轮视觉检测技术既有一般视觉检测的共性问题，又有齿轮视觉检测中的特殊问题。齿轮视觉检测的工作流程包括图像采集、图像预处理、边缘检测、齿轮精度评定或齿轮缺陷分析等，其中图像采集、图像预处理、特征提取、图像分割、边缘检测、亚像素算法等属于通用的视觉检测技术，而齿轮精度评定和齿轮缺陷识别属于齿轮视觉检测技术的个性问题。这里先从图像采集系统（硬件）和图像处理算法（软件）两个方面综述与齿轮视觉检测技术相关的共性问题的研究进展，然后从齿轮精度测量和齿轮缺陷检测两个方面介绍齿轮视觉检测技术中个性问题的研究进展。3.1 图像采集系统图像采集系统一般由计算机（主机）、图像采集卡、工业相机、镜头、光源等组成。工业相机按照传感器芯片种类可分为CCD 相机和CMOS 相机两种，传统上CCD 相机效果更好，但随着技术的发展，目前在一般应用场合CMOS 相机基本已经取代了CCD 相机。相机数据接口常见的有GigE 接口、USB 接口（USB2. 0和USB3. 0）、Cameralink 接口等。其中采用GigE 或USB 接口的工业相机可以直接通过线缆与主机通讯，不需要数据采集卡；而其他接口如Camerlink 接口的相机则需要配备图像采集卡才能与主机通讯。常用的工业镜头按等效焦距分类主要有广角、长焦、中焦、远心、微距镜头等。一般远心镜头的畸变更小，景深更大，可以消除“近大远小”的测量误差，更适合进行高精度的尺寸测量，因此在齿轮视觉检测领域使用最多的镜头为远心镜头。但远心镜头通常价格较高，对精度测量要求不高时，可用普通镜头替代。视觉检测领域常用的光源有点光源、面光源、条形光源、环形光源、穹顶光源、同轴光源等类型，其作用主要有强化特征和弱化背景、突出测量特征、提高图像信息、简化算法、降低系统设计的复杂度、提高系统的检查精度和效率。在齿轮精度测量领域常用的光源主要是面光源，面光源的光线具有更好的方向性，均匀性更好，齿廓更清晰；在齿轮缺陷检测领域主要使用穹顶光源、环形光源和同轴光源等，这些光源可使整个齿轮端面图像的照度十分均匀，突出缺陷特征。齿轮视觉检测的核心问题是测量精度和检测效率，这两个问题都与图像采集系统密切相关。为了提高测量精度，应当选用分辨率更高的相机；为了提高检测效率，需要选择分辨率低的相机，以减少需要处理的数据量，提高软件计算速度。精度和效率是一对矛盾，通过选用运算能力更强的计算机和改进图像处理算法的效率，可以部分地解决精度和效率的矛盾问题。无论是为了提高检测精度还是为了提高检测效率，选用精度更好的镜头和更加稳定的光源都可以改善整体的性能指标。3.2 图像处理算法齿轮视觉检测技术中用到的图像处理算法有图像预处理、边缘检测、亚像素定位、特征提取和模式识别等。其中图像预处理方法与机器视觉其他应用场合的预处理方法基本相同。3.2.1 边缘检测算法齿轮视觉检测中常采用的边缘检测方法有经典微分算子、小波变换和数学形态学。边缘检测算法能够把齿轮二维端面图像中的关键轮廓提取出来，得到轮廓像素点的坐标集合。根据轮廓点的坐标信息和相机标定参数就可以精确计算出齿轮的特征尺寸，包括齿顶圆直径、齿根圆直径、内孔直径、齿高、齿厚和齿距等。1）经典微分算子图像边缘一般是图像灰度变化率最大的位置，因此可用一阶/二阶导数来检测边缘，由此诞生了一系列经典微分算子。根据微分的阶数可以将经典微分算子分为两类：一类是通过寻找图像灰度值的一阶导数极值点来确定边界的一阶微分算子，有Roberts 算子、Prewitt 算子、Sobel 算子、Canny 算子；另一类是根据图像二阶导数的零点来寻找边界的二阶微分算子，有Laplacian 算子、LoG（Laplacian-of-Gaussian）算子、DoG（Difference-of-Gaussian）算子。对这些经典微分算子在齿轮边缘检测中的性能进行了比较，如表1 所示。表1 经典微分算子在齿轮边缘检测中的性能比较Canny 算子采用双阈值和非极大值抑制策略提升对噪声的抗干扰性，具有滤波、增强、检测多个阶段的优化，是性能最优良的微分算子。对于齿轮图像，采用Canny 算子提取的齿廓信息最完整，最接近实际齿廓，如图8 所示。图8 基于Canny 算子的齿廓提取2）小波变换小波变换具有良好的时频局部化特性和多尺度特性。良好的时频局部化特性使其特别适用于检测突变信号，而图像中的突变信号对应边缘，因此小波变换也适用于图像边缘检测。利用Harr 小波函数对齿轮图像进行重构，再结合Canny 算子提取重构图像的齿廓，比单独采用Canny 算子有更优的效果。多尺度特性使其能很好地抑制噪声。图像中的噪声和边缘都属于高频分量，经典微分算子引入各种形式的微分运算后必然对噪声较为敏感，而随着尺度的增加，噪声引起的小波变换的模的极大值迅速减小，而边缘的模值不变，这一特性可以很好地抑制图像噪声。提出一种基于Curvelet 变换的尺度与方向相关性联合降噪方法，该方法对齿轮图像进行降噪处理，在继承小波变换多尺度降噪的基础上，同时进行尺度内方向相关性降噪，可以为齿轮边缘检测提供高质量的输入图像。因此，小波变换是一种齿轮图像边缘提取的有效方法。3）数学形态学数学形态学是基于积分几何和几何概率理论建立的关于图像形状和尺寸的研究方法，其实质是一种非线性滤波方法，通过物体形状集合与结构元素之间的相互作用对图像进行非线性滤波。由于数学形态学提取边缘时容易造成间距小的低灰度轮廓的错位和合并，因此常将其与微分算子提取出的轮廓加权融合。相关文献就提出了一种融合Canny 算子和数学形态学的含噪声齿轮图像边缘检测算法，分别采用改进的Canny 算子和多尺度多结构元素灰度形态学边缘检测算子提取边缘；然后对两幅边缘图像进行了小波分解，得到各层子图像；最后对子图像进行自适应加权融合，并使用小波逆变换重构图像得到最终的边缘检测图像。相关文献采用数学形态学中的四邻域腐蚀法提取出边缘宽度，并将其作为单个像素的轮廓，测量分度圆直径为5 mm 以下的齿轮的齿顶圆直径和齿根圆直径，与千分尺测量结果差值的绝对值在2 μm 以内。3.2.2 亚像素定位算法数字图像是以离散化的像素形式存在的，传统边缘检测算法的测量分辨率只能达到一个像素级，提取出的边缘由像素块构成，边缘定位精度不高，如图9（c）所示。亚像素定位算法是在像素级边缘检测的基础上逐渐发展而来的，首先需要经过像素级边缘检测粗定位，然后利用粗定位边缘点周围邻域内的像素数据进行边缘点的亚像素级精确定位，如图9（d）所示。图9 亚像素边缘处理亚像素定位算法主要有三类：矩方法、插值法和拟合法。1）矩方法矩方法计算简便，应用于齿轮边缘检测可以减小测量误差。相关文献提出一种利用前三阶灰度矩进行亚像素边缘定位的算法，这是文献中最早提出的矩方法。随后基于空间矩、Zernike 正交矩的方法也相继被提出。相关文献利用基于Zernike 矩的齿廓边缘检测算法，对齿顶圆直径为49. 751 mm、齿数为23 的齿轮测得的齿顶圆直径、齿根圆直径的相对误差在0. 02% 以内，齿距累积总偏差的相对误差约5. 15%。相关文献提出一种基于灰度矩的亚像素边缘检测算法，该算法以邻域窗口的灰度均方差积表示边缘强度，灰度重心所在的方向表示灰度变化的方向，在初始边缘的基础上按求取的灰度变化方向划分为八个区域，构建一维灰度矩模型解算亚像素边缘位置，对于噪声系数为0. 005 的模拟图像，该算法的绝对定位误差为0. 013 pixel。相关文献提出了一种复合亚像素边缘检测方法，该方法基于orthogonal Fourier-Mellin moment（OFMM），可为后续齿廓缺陷检测提供精确的齿廓形状。2）插值法插值法运算速度快，应用于齿轮在线检测设备能够满足生产节拍的要求。插值法的核心是对像素点的灰度值或灰度值的导数进行插值，以增加信息。德国MVtec 公司开发的著名机器视觉算法包Halcon 在工业领域应用广泛，其中的亚像素边缘检测算子采用的就是插值法。相关文献基于Halcon 算法包中的亚像素边缘检测算子，开发了一套齿轮测量应用程序，可以得到齿廓亚像素点集合，并设定条件剔除假边缘，最终得到齿顶圆直径等参数。3）拟合法拟合法对噪声不敏感，适用于噪声较多的齿轮图像，但求解速度较慢。拟合法是通过对像素坐标和灰度值进行理想边缘模型拟合来获得亚像素边缘的。相关文献提出一种基于高斯积分曲面拟合的亚像素边缘定位算法，可最大限度地消除噪声的影响，与原有高斯拟合算法相比，该算法通过坐标变换简化了曲面拟合问题，计算速度提高1 倍，可以满足五级精度的渐开线直齿圆柱齿轮的齿廓偏差测量要求。3.2.3 特征提取和模式识别算法缺陷检测算法一般由图像预处理、图像分割、特征提取和模式识别等步骤组成，其中特征提取和模式识别是缺陷检测的关键环节。特征提取的有效性对后续目标缺陷识别精度、计算复杂度、检测鲁棒性等均有重大影响。常用的特征提取算法可以分为三种，分别是基于纹理、颜色和形状的特征提取算法。提取完特征后，还需采用模式识别算法对缺陷进行区分。模式识别算法主要有匹配识别和分类识别两类。齿轮缺陷检测常用的匹配识别算法有FAST 和SIFT 算法等，常用的分类识别算法有基于人工神经网络或支持向量机的算法。相关文献提出了一种基于FAST-Unoriented-SIFT 提取算法和BoW（Bag-of-Words）模型的行星齿轮故障识别方法，该方法将原始振动信号转换为灰度图像后，通过FAST-Unoriented-SIFT 算法直接提取灰度图像中的特征。FAST-Unoriented-SIFT 算法结合了FAST 和SIFT 算法的优点，忽略了特征的方向。最后在提取的特征的基础上建立BoW 模型，该方法对齿轮故障的整体识别率达98. 67%。相关文献提出了一种改进的GA-PSO 算法，称为SHGAPSO算法，先经过图像分割算法提取齿轮的几何形状、纹理和颜色特征，再重建BP 神经网络，并使用SHGA-PSO 算法优化结构和权重。SHGA-PSO 算法对坏齿、划痕、磨损和裂纹4 种不同的齿轮缺陷样本的识别正确率在94% 以上。相关文献基于YOLO-v3 网络实现了对金属齿轮端面凸起、凹陷和划痕三种缺陷的快速检测和定位，对每幅图像的平均检测时间为77 ms，对三种缺陷的平均精确度（AP）和平均召回率（mean recall）分别为93% 和91%，检测效果如图10 所示。图10 齿轮缺陷特征提取与模式识别3.3 齿轮精度测量齿轮形状复杂，精度要求高。为保证齿轮产品质量，需要控制的齿轮精度指标有齿距偏差、齿廓偏差、螺旋线偏差、齿厚、齿圈跳动等，其中除螺旋线偏差外，其他精度指标都可以用齿轮端截面轮廓数据进行计算。齿轮精度测量主要有两个问题需要解决，一是通过图像处理获得被测齿轮的精确的端面轮廓信息，二是根据齿轮精度理论和相关齿轮精度标准计算齿轮各项偏差值并给出齿轮精度评定结果。通过齿轮精度等级，可以确定对视觉检测系统的测量精度要求。以齿数20、模数1 mm、5 级精度的直齿圆柱齿轮为例，其齿距累积总偏差为11 μm，齿廓总偏差为4. 6 μm。按测量仪器精度为被测指标允差的1/3~1/5 估算，测量5 级精度齿轮的测量仪的精度应优于1. 6 μm。这对视觉测量而言，是非常困难的。齿轮视觉测量精度依赖于测量系统的硬件和数据处理算法。由于所用相机、镜头等图像采集系统硬件和图像处理算法等软件的不同，以及被测对象齿轮的尺寸参数和精度要求不同，齿轮视觉检测系统的测量精度的差异很大，但在齿轮被测项目评定方面，都是根据齿轮精度相关标准进行的。相关文献依据齿轮精度标准ISO1328-1，给出了视觉测量齿距偏差和齿廓偏差的评定方法，对模数为0. 5 mm 的8 级精度直齿轮测得的齿距偏差、齿廓偏差与齿轮测量中心的测量结果差值最大为4 μm。相关文献采用视觉测量方法测量模数为2 mm、齿数为90的齿轮，齿廓总偏差5 次测量的标准差为0. 028 μm，取得了很好的测量重复性。相关文献提出了视觉测量齿轮的公法线长度的方法，其测量精度能够满足工程应用要求。齿轮精度视觉测量方面，国外研究进展与国内基本相当，研究内容类似。值得指出，Werth 公司推出的基于光纤测头的微小模数齿轮测量设备采用了接触式测量和视觉检测技术相结合的方法，该方法既具有视觉测量的特点，可借助视觉引导实现对微小齿槽的测量；又具有接触式测量的特点，需要用光纤测球扫描齿轮轮廓，测量精度较高但效率较低。由于仪器价格高，这种基于光纤测头的齿轮测量仪器实际应用较少。除了齿廓偏差、齿距偏差、齿厚等轮齿精度指标外，齿轮视觉测量技术还可以获得齿轮的形位误差。GB/T 1182—2018 规定齿轮图纸中通常要标注内孔圆度、端面跳动或垂直度、分度圆跳动等的形位公差，这些都可以通过视觉测量完成。此外，近年来出现了基于视觉方法的齿轮表面粗糙度测量研究。有文献提出一种基于卷积神经网络（CNN）建立粗糙度参数Ra 与处理后的齿轮感兴趣区域（ROI）图像之间关系的方法，该方法可以在无需人工参与的情况下自动检测齿轮表面粗糙度，平均测量时间约为0. 5 s，比使用接触探针测量齿面粗糙度的方法快40 倍。我国科技工作者在1970 年前后首创的齿轮整体误差测量技术可快速获取包含被测齿轮全部齿廓误差信息的双向截面整体误差曲线（SJZ），进而方便地分析出齿廓偏差、齿距偏差、齿厚变动量等齿轮误差项目，可以直观地对齿轮加工质量和使用性能进行分析和评价，具有测量效率高、信息全的优点。但由于作为测量元件的跳牙蜗杆制造困难、通用性不好，传统上齿轮整体误差测量技术通常只适用于大批量生产的齿轮产品。与齿轮整体误差测量技术类似，齿轮视觉测量技术也可以快速获得被测齿轮的全部齿廓信息，因此也可以使用齿轮整体误差曲线进行测量结果的表达、分析与处理。CVGM 视觉齿轮测量软件中就采用双向截面整体误差曲线作为全部齿廓测量结果的表达方式。图11 为CVGM 获取的SJZ 曲线，其中最外圈为左齿面整体误差曲线，其次为右齿面整体误差曲线，最内圈为齿轮内孔圆度误差曲线。图中可见被测齿轮具有中凸齿廓，整体几何精度较好，但在个别轮齿交替时（左齿面2-3 齿交替、3-4 齿交替）会产生较为明显的啮合冲击。其中，该被测齿轮作为被动齿轮在左齿面2 齿、3 齿啮入时会产生刚性冲击，作为主动齿轮在左齿面2 齿、3 齿啮出时会产生柔性冲击。从双向截面齿轮整体误差曲线还可以看出各轮齿齿距、齿厚的变化规律［9］。通过与齿轮视觉检测技术相结合，齿轮整体误差测量技术和齿轮整体误差理论又获得了新的发展机会。图11 CVGM 获取的双向截面整体误差曲线为提高测量精度，CVGM 创新性地提出了基于“ 虚拟样板”的齿轮测量软件精度标定方法。在CVGM 系统中，测量精度是分为两个环节进行保证‍‍‍的：首先通过测量标定片对图像采集系统的精度进行标定；其次使用虚拟齿轮样板对测量软件算法的精度进行标定。图12（a）为对标定片进行测量的结果，标定片上各个圆点的直径理论值为0. 5 mm，标定片的图形制造误差小于等于1 μm，CVGM 计算出的各个圆点的直径误差均在1 μm 以下。图12（b）为采用CAD 软件绘制的无误差的标准齿轮图像，图片像素大小与实际图像采集系统CVGM-12H 的像素大小相同，均为3. 668 μm。CVGM 对无误差齿轮图像进行测量时，由图像处理算法和齿轮精度评定算法引入的齿廓偏差小于等于2 μm，齿距偏差小于等于1 μm。试验中CVGM 系统测量重复性误差为±1μm，可以满足齿数为20、模数为1 mm、5 级精度的直齿圆柱齿轮的精度测量要求。此外，CVGM 软件还可以自动计算内孔圆度、齿圈跳动、公法线长度等误差项目。图12 CVGM 图像采集系统标定和“虚拟齿轮样板”图（a）标定片；（b）虚拟齿轮样板3.4 齿轮精度测量制造过程中由于材料、设备和工艺等问题，会产生齿轮缺陷。齿轮缺陷视觉检测技术的关键指标是缺陷识别的准确率和效率。图13 为齿轮的常见缺陷，包括毛刺（披锋）、缺料、裂纹、收缩、变形、穿孔、流纹、烧胶、凹痕、色差、坏齿、凸起、气泡和溢边等。齿轮视觉检测系统采集并处理齿轮表面图像，利用图像分割、特征提取和模式识别等算法获取缺陷的特征信息，实现对缺陷的定位、识别、分类和统计。图13 齿轮缺陷种类1）齿廓缺陷检测齿廓缺陷检测是齿轮缺陷检测研究中的重点，齿廓好坏与齿轮传动性能密切相关。齿廓具有固定的形状特征，一旦出现缺陷就意味着形状改变。因此，齿廓缺陷检测通常需要先用边缘检测算法提取齿廓边缘，再利用基于局部灰度特征统计或形状特征提取的方法对齿廓边缘的每个亚像素点进行几何特征分析来识别齿廓缺陷。相关文献通过连通域标记算法对每个连通域进行细分区域灰度值分析，对灰度值分析结果进行阈值判别从而提取齿轮缺角、缺齿缺陷。相关文献针对彩色塑料齿轮图像，采用基于决策树的局部阈值方法对图像进行分割来检测齿轮的缺齿情况。有文献提出“虚拟圆扫描法”，通过对一系列相关交点之间的距离比值与设定的比值系数进行比较，确定齿廓是否合格。当齿廓缺陷随机性较强时，可采用机器学习算法来提高识别的正确率。相关文献采用支持向量机来构造齿轮缺陷识别模型，模型识别齿廓缺陷的正确率达97. 8%。2）毛刺检测毛刺是齿轮在生产过程中出现的一些飞边、棱边、尖角等，是齿轮最为常见的缺陷。齿轮毛刺是齿轮制造工艺不当引起的，尺寸细小，肉眼难以发现，出现位置随机，较为频发，是齿轮缺陷检测中的必检项。由于毛刺常出现于齿轮轮廓边缘，因此通常需要进行边缘检测，再根据齿轮的几何特征来判别和定位毛刺。本团队针对注塑齿轮的中孔披锋（毛刺）缺陷，先采用亚像素定位算法精确定位中孔轮廓，再计算轮廓上各点到齿轮中心的径向距离，根据径向距离的异常值判定是否存在中孔披锋。3）表面异物检测齿轮的表面异物缺陷包括油污、黑点、材料中的杂质等。这类缺陷通常会构成图像上的连通域，通过图像分割、Blob 分析等方法可以得到连通域的质心坐标、面积、圆形度、凹凸度和惯量比等几何形状特征，从而获取表面异物的个数、位置和大小等信息。4）裂纹与流纹检测裂纹是金属齿轮的一种外观缺陷，与裂纹类似，流纹是注塑齿轮特有的一种外观缺陷。针对这两种缺陷的检测方法一般分为两个步骤：一是检测齿轮表面是否存在裂纹/流纹；二是提取裂纹/流纹。合格的齿轮产品表面较为光滑，灰度变化均匀；裂纹/流纹则与周围灰度值有明显差异，具有明显的纹理特征，因此常采用基于统计的灰度特征或阈值分割法进行提取。5）翘曲变形检测翘曲变形是注塑齿轮的常见缺陷类型，体现为塑料齿轮的几何形状与模具型腔的形状发生了偏离，超出了公差范围。通常可以通过测量塑料齿轮的特征尺寸（如齿距、齿厚）来识别。本团队选取斜齿轮齿厚标准差或直齿轮齿厚最小值作为特征值，利用支持向量机分类器进行翘曲变形缺陷判别，成功检测出200 个样品中的19 个存在翘曲变形缺陷的齿轮。6）多缺陷融合检测当齿轮表面缺陷特征较多时，通常要通过基于机器学习的目标分类算法来进行判别。如有文献提出一种改进的YOLO-v3 网络，用DenseNet 代替YOLOv3网络中的DarkNet-53 网络，对塑料齿轮的污痕和缺齿缺陷进行检测，误检率为1. 3%。相关文献采用基于CNN 的两种分类方法Naïve 法和fine-grained 法对齿轮的划痕、凸起、孔蚀、块状不对称缺陷进行识别，Naïve 法处理时间更少，平均时间为0. 09 s，准确率为92%，而fine-grained 方法在准确性方面更好，准确率为96. 5%，平均时间为0. 67 s。本团队研制的注塑齿轮在线检测分选系统能够实现对注塑齿轮材料杂质、黑点、油污、烧胶、毛刺、气泡、水口穿孔、缺齿、断齿、收缩、翘曲变形等多缺陷的融合检测，还可以测量齿轮几何尺寸和形位误差，特别是具有齿轮轴向测量功能，可实时分选出合格品和不合格品，具备报警功能，检测效率高、功能全，是目前注塑齿轮视觉在线检测专用设备。4 结束语特大齿轮(直径大于3000mm)测量和微小齿轮（直径小于2mm或模数小于0.1mm）测量属于“绝端测量”范畴。过去20年，对齿轮极端测量技术的研究取得了系列成果，有些已应用于实际齿轮测量中。随着齿轮视觉检测技术的发展，齿轮视觉检测仪器已经可以实现齿轮精度评价和齿轮缺陷检测，已在众多小模数齿轮生产企业得到应用，可以有效地管控产品质量、改进加工工艺、提高产能，取得了较好的使用效果。在齿轮视觉检测技术发展过程中，软件算法是技术壁垒和核心竞争力的集中体现。相对于齿轮精度测量，面向齿轮缺陷检测的技术较为成熟。目前，齿轮机器视觉测量仪器和技术的研究和应用主要集中在小模数齿轮领域的原因如下：在机器视觉测量中，测量精度和测量范围（视场范围）是一对矛盾，现有的机器视觉测量仪器难以同时满足中、大模数齿轮对视场范围和测量精度的要求；小模数齿轮的齿槽宽度小、轮齿刚性差，常规的接触式测量仪在测量小模数齿轮时效率低、测量困难，不能满足小模数齿轮的测量需求。但齿轮机器视觉测量技术也有不足。除了固有的测量精度相对较低的缺点外，由于轮齿遮挡问题，齿轮机器视觉测量技术目前不能实现对圆柱齿轮的螺旋线测量和对锥齿轮、斜齿内齿轮等特殊齿轮的测量，限制了齿轮机器视觉测量技术的推广和应用。在齿轮精度测量研究方面，提高视觉测量精度仍将是难点和着力重点；在齿轮缺陷检测研究方面，目前对齿轮缺陷检测的研究不够深入，可检的缺陷种类不全，提高缺陷识别准确率和效率是着力重点。随着人工成本的增加和产业升级需求的提升，在大规模齿轮生产过程中齿轮视觉在线检测设备的应用越来越多。齿轮视觉在线检测设备的特点有：耦合于生产线上，可高效测量批量齿轮的尺寸精度，实时监测齿轮质量，自动剔除不合格品，形成“生产-检测-分选”自动化流水线；对齿轮外观缺陷进行识别和分类，实现大批量齿轮的“应检尽检”，用“大数据”手段分析齿轮工艺问题，与生产管控系统互联，及时调整工艺参数，减少损失；实现齿轮质量长期监测，及时发现齿轮质量的异常变化；可实现网络化监管和远程监控，即使在千里之外也可以监控整个生产过程，把握生产动态。在未来，齿轮视觉检测技术必将纳入更多先进的科学技术，齿轮视觉检测仪器也将集成更多新技术，并充分发挥各项技术的优点，提升检测效率和精度。三维视觉检测技术、视觉检测设备的复合化、微型化和智能化将是齿轮视觉检测技术的发展趋势。未来每条齿轮产线的生产动态都可以集成到一个软件中进行分析，检测数据实时存储到云端，长期积累的庞大数据将为齿轮生产工艺带来巨大的变革。毫不夸张地说，视觉检测技术将会带来齿轮检测领域的革命，现在还仅仅处于入门口。（省略参考文献51篇）

无损检测技术主要依托于声、光、电、磁等原理内容，从而实现对被检测物体内部缺陷以及不均匀性问题的全过程检测与分析，已成为很多工业生产中用来控制质量的重要方法。近年来，随着新材料、新工艺、新技术等兴起，为了更好地适应时代发展需求，无损检测技术也在不断优化和创新，逐渐朝着自动化、智能化以及图像化等方向发展，并逐步应用到相关行业领域。在即将召开的首届无损检测技术进展与应用网络会议，特别邀请了多位专家进行自动化/智能化无损检测技术相关的分享，部分报告预告如下：吉林大学 张建海副教授《极端工况下材料服役性能原位测试技术》点击报名张建海，吉林大学机械与航空航天工程学院副教授，目前担任吉林省材料服役性能测试国际联合中心副主任，致力于极端工况材料服役性能试验装备与原位测试技术研究，在国家自然科学基金、国防科工局技术基础科研、军委科技委装备预先研究等项目的支持下，重点开展了极端工况材料服役性能试验装备和材料力学性能原位测试技术。开发了超高温双轴材料力学性能试验装备和超声、电磁等原位测试设备等10余套，发表 SCI/EI 检索学术论文20余篇；公开发明专利10余项。耐高温材料及其制品因其优异的力学性能，被广泛应用于航空航天、特种装备、轨道交通装备等重要领域。因其制造或服役环境常伴有高温环境，及复杂载荷的作用，耐高温材料及其制品极易出现性能退化、裂纹萌生与扩展等情况，常常引发恶性事故。张建海副教授将在报告中重点讲述围绕极端工况下材料服役性能和点焊焊接高温熔核成型过程，开展超声无损在线检测技术研究，实现高温制造或服役工况下损伤缺陷与材料力学性能参数与快速精确测试的工作。大连交通大学 赵新玉副教授《曲面叶片几何量测量和缺陷检测》点击报名赵新玉，大连交通大学副教授。中国机械工程学会焊接学会/协会理事，超声检测专委会委员。主持完成国家重点研发计划子课题、国家自然基金、国家重点实验室基金等纵向课题；主持完成中国中车、中国特检等企业科研课题10余项；并以主要完成人身份参与国家重大专项、国家自然基金重点基金、国际合作项目等重点科研任务。曾研发设计多通道超声自动扫描和声场测量系统、高频超声显微系统、64通道超声相控阵系统、双机械手超声检测系统、ITO镀膜高精度激光刻蚀设备等，已在航空航天、汽车制造和军工产品检测中获得应用。报告摘要：航空发动机叶片是典型复杂曲面结构，为实现叶片的自动化超声检测，提出基于曲面点云数据重建的自动化检测轨迹规划方法，在此基础上实现7轴联动复杂曲面自动扫描成像；叶片点云采用线激光轮廓仪配合工件旋转轴自动扫描获取，数据拼接整理后采用数据拟合方法获得曲面轮廓方程，基于曲面上的曲线方程规划加减速扫描轨迹，进一步对各扫描轨迹点进行多轴运动分解，获得包括六轴机械手和工件旋转轴在内的各轴轨迹；实际检测实验表明，轨迹规划算法可以实现叶片自动扫描，获得清晰C扫描图像。中国飞机强度研究所 樊俊铃高级工程师《航空复合材料构件超声自动化检测技术及应用》点击报名樊俊铃，高级工程师，现任中国飞机强度研究所损伤检测与评估技术研究室副主任，中国航空研究院一级专家。承担、参与国家科工局、工信部、装发、自然科学基金、航空基金等各类预研课题10余项，主管、参与完成多个型号的结构强度验证工作，承担我国多型军民机结构试验的无损检测与评估任务，在损伤检测和结构强度领域具有较强的技术能力。长期从事业务领域的相关研究工作，发表论文50余篇，申请专利4项，登记软件著作权3项，荣获集团公司航空报国奖个人三等功等多项奖励。报告摘要：针对航空复合材料结构人工超声检测效率低、成本高、结果可靠性低等技术瓶颈问题，重点开展了超声换能器设计、超声无损检测仿真、超声信号降噪与多模式成像、无损检测自动化系统研制等技术研究，突破了超声仿真分析、专用传感器设计、信号分析等关键技术，研发了多通道、宽带宽阵列传感器，自主开发了复合材料构件阵列超声自动化检测系统，有力的支撑了航空复合材料无损检测，提高了检测效率，缩短检测周期，保证了复合材料无损检测可靠性。北京科技大学 黎敏教授《高品质钢内部质量高精度检测与三维全息表征》（点击报名）黎敏，北京科技大学钢铁协同创新中心，教授，博导。主要开展先进检测技术、工业大数据分析等研究工作。独立负责7项国家自然科学基金等国家和省部级课题，参与鞍钢、首钢、核动力研究院等10余项科研项目，共发表论文50余篇，专著2本，专利8项，转件著作权3项，获省部级科技奖励2项，2013年入选北京市青年英才计划。报告摘要：利用高频超声显微技术对高品质钢内部质量进行三维扫描检测，并通过超声信号特征提取、深度聚类、点云重构等现代信号处理方法，对高品质钢内部的夹杂、缩孔和裂纹等微观缺陷及凝固组织实现高通量表征。钢铁绿色化智能化技术中心 吴少波高级工程师《机器视觉技术及在钢铁生产中的应用》点击报名吴少波，钢铁绿色化智能化技术中心，机器视觉组长，研究方向是钢铁机器视觉，博士，正高级工程师，硕士研究生导师。吴少波同志多年从事钢铁机器视觉智能检测技术研究及工程实践，承担了国家“十二五”、“十三五”、“十四五”等多项科研任务，获得部级科技进步二等奖1项，申请发明专利30余项，申请软件著作权10余项，在国内核心期刊和国际会议上发表相关学术论文10余篇。主持的“铁包自动化热检”课题首次实现了铁包全内衬厚度和全外壳温度的热态在线准确测量，负责了“银亮材直径在线测量和分拣系统”、“喷射锭面及中间包测温系统”、“液固相线检测系统”等项目的研发和应用实施，产生了较好的经济和社会效益。本报告以钢铁智能制造为背景，结合报告人及团组的工业实践，介绍机器视觉图像处理和深度学习技术及在钢铁行业中的典型应用，包括生产质量检测和生产物流检测两大方面，其中生产质量检测包括晶粒度级别、组织类别、表面质量、渣液位、形貌、尺寸、温度等生产质量相关的检测；生产物流检测包括工件/炉包/机车标识、生产工具、关键工况等生产物流相关的检测。钢研纳克 刘光磊高级工程师《管材表面缺陷自动智能检测技术及应用》点击报名刘光磊，钢研纳克检测技术股份有限公司无损检测事业部副总经理，高级工程师。长期从事无损检测方法技术研究及自动化无损检测仪器装备研发等工作。主要参研的国家科研课题5项，参研制修订的标准6项，研发成果获省部级奖3项，获得授权的专利5项。报告摘要：管材表面缺陷自动检测常用超声、涡流、漏磁、磁粉等检测方法。针对采用常规检测方法不能有效检测短小裂纹、凹坑、划伤、结疤、异物碾压等难题，重点开展了CCD视觉检测技术的相机、镜头、光路配置、二维三位成像技术、相机景深自动校准技术及独特的缺陷检测算法，开发具有高性能、高处理速度、高可靠性和高稳定性的视觉检测技术和装备，从而实现管材表面缺陷在线智能检测、分类和记录，有效解决人工目视检测效率低，成本高，精确度低的问题。首届无损检测技术进展与应用网络会议为了推动我国无损检测技术发展和行业交流，促进新理论、新方法、新技术的推广与应用，仪器信息网将于2022年10月13-14日组织召开首届无损检测技术进展与应用网络会议。会议开设射线检测技术、超声检测技术、自动及智能检测技术、无损检测新技术四大专场，邀请无损检测领域专家老师围绕无损检测理论研究、技术开发、仪器研制、相关应用等方面展开报告，欢迎大家在线参会交流。一、主办单位：仪器信息网二、支持单位：吉林大学、钢研纳克三、参会指南：1、点击会议官方页面（https://www.instrument.com.cn/webinar/meetings/NDT）进行报名。2、报名开放时间为即日起至2022年10月14日。3、报名并审核通过后，将以短信形式向报名手机号发送在线听会链接。4、本次会议不收取任何注册或报名费用。5、会议联系人：高老师（微信号：iamgaolingjuan 邮箱：gaolj@instrument.com.cn）

为增强工业和信息化质量管理能力、推动质量技术创新应用、提升产品可靠性水平，及时发现、总结、推广一批示范性强的先进经验，工业和信息化部组织开展2023年度工业和信息化质量提升典型案例遴选工作。 　　一、征集方向 　　(一)质量管理能力。 　　企业贯彻实施GB/T 19000、GB/T 19004、GB/T 19024等先进标准，建立先进质量管理体系，加快质量管理数字化，不断提高质量改进能力，实现质量效益有效提升。征集方向包括： 　　1.质量管理体系有效性。树立追求卓越的质量理念，确保GB/T19000质量管理体系有效运行，发挥企业最高管理者作用，优化质量组织体系和管控模式，调动全员参与质量提升，不断提高质量管理能力的解决方案。 　　2.企业持续成功的能力。贯彻实施GB/T 19004等先进标准，持续健全制度机制，建设质量文化，创新方法应用，加强过程识别、管理和验证，采用策划、实施、检查、处置(PDCA)模式开展持续改进，确保达成质量目标、实现持续成功的解决方案。 　　3.质量管理数字化。运用数字技术对质量数据进行采集、存储、处理和分析，实施质量预防和改进，推进供应链管理数字化，开展数字化质量追溯，实现生态圈质量协同、开放合作、模式创新的解决方案。 　　4.全过程质量绩效水平。依据GB/T 19024等标准，有效识别质量绩效指标，采用先进质量方法工具，加强对用户满意度、产品合格率、平均缺陷率、质量损失率、市场占有率等关键指标的度量、监测、分析和评价，不断提升质量管理财务和经济效益的解决方案。 　　(二)质量技术创新应用。 　　加强质量技术创新，开展质量设计技术、过程控制方法与工具、试验检测技术、运维保障技术等攻关和应用，不断提高产品质量水平。征集方向包括： 　　1.质量设计。应用人工智能、虚拟现实、增强现实等技术，搭建数字孪生模型，加强可靠性设计与仿真，开展基于或高于用户需求的质量设计，实现关键质量指标的设计优化，从源头防止质量风险、解决质量问题的解决方案。 　　2.质量控制。应用数字化技术，开展全流程质量在线监测、诊断与优化，实施关键过程智能分析、精准控制、设备远程监测和智能运维，实现制造过程的数字化控制、网络化协同和智能化管理，持续增强生产过程质量控制水平，提升产品制造可靠性、一致性、稳定性的解决方案。 　　3.质量检测。采用机器视觉、人工智能、先进测量仪器等技术推动试验检测数字化和智能化，加快在线检测、智能检测等先进方法工具的创新应用，提高质量检验检测效率、覆盖率和准确性的解决方案。 　　(三)可靠性提升。 　　落实《制造业可靠性提升实施意见》，围绕机械、电子、汽车及其他相关行业企业实施可靠性工程，推动产品可靠性提升。征集方向包括： 　　1.可靠性管理。通过企业可靠性工作计划、可靠性评审、故障报告分析和纠正措施系统、故障审查组织、可靠性增长管理等实施应用，实现产品可靠性提升的解决方案。 　　2.可靠性工程技术。通过可靠性设计、可靠性分析、可靠性试验验证、可靠性仿真等方法以及数字技术应用实现产品可靠性提升的解决方案。 　　3.可靠性工具。通过测量仪器、可靠性软件工具、可靠性试验设备的开发或改造升级试验检测设施等，实现产品可靠性提升的解决方案。 　　4.可靠性“筑基”和“倍增”攻关。通过核心基础零部件、核心基础元器件、关键基础软件、关键基础材料及基础工艺的可靠性攻关，实现整机系统的可靠性关键指标和水平提升的解决方案。 　　5.产业链供应链可靠性保障。通过加强产业链供应链可靠性管理，如产业链供应链管理、可靠性指标传递机制等，实现产业链供应链可靠性水平提升的解决方案。 　　二、申报要求 　　(一)申报主体应在中华人民共和国境内注册登记，具有独立法人资格。申报主体近三年财务状况良好，在信用等方面无不良记录。 　　(二)应用案例应具有较强的代表性、示范性、创新性和可推广性，对相关行业、供应链质量或企业质量提升具有较强借鉴意义和推广价值。 　　(三)申报材料应客观真实，体现工业和信息化质量提升的技术特点，聚焦实际场景应用需求和重点问题。 　　(四)每个申报主体限申报1项。 　　三、工作程序 　　(一)申报。按照自愿参与原则，申报单位可向所在地省级工业和信息化主管部门、相关行业协会提交《工业和信息化质量提升典型案例申报书》(附件1)。各单位组织对本地区(行业)企业申请进行初审，每单位每个方向推荐数量原则上不超过5个，并于9月28日前将正式推荐意见及《工业和信息化质量提升典型案例汇总表》(附件2)报工业和信息化部。被推荐企业需通过申报平台(https://www.miitqb.cn)提交电子版材料。 　　(二)评审。工业和信息化部组织专家进行评审，按程序确定、公示、发布典型案例名单。 　　(三)宣传推广。开展专题培训、现场考察等分享交流活动。依托部属新闻媒体、“两微一端”平台渠道，择优宣传典型案例。 　　(四)有关支持。鼓励各级工业和信息化主管部门针对应用成果突出、推广价值较高的典型案例，从项目审批、政策资金等方面对项目提供支持，不断推动产品质量提升。

36氪获悉，杭州深度视觉科技有限公司（以下简称“深度视觉”）宣布完成过亿元的A轮融资，本轮融资由通用技术创投领投，惠友资本、中关村发展启航投资、高通创投跟投。势能资本担任独家财务顾问。领投方通用技术创投是通用技术集团的全资公司，专注于科技创新领域股权投资，具有明确的产业属性和布局能力，目前培育了一批上市公司和细分行业龙头。深度视觉创始人王帅林表示，本轮融资资金将用于产品研发和市场拓展等业务方面。深度视觉成立于2017年，是一家工业领域高精度智能视觉检测方案供应商。深度视觉拥有智能AI相机&3D相机整机的自主研发能力、光学设计能力、多重算法库的研发能力、FPGA平台图像采集处理系统的研发能力及自动化设备的设计制造能力，其一体化检测设备已经应用于多个工业细分领域。深度视觉产品利用机器视觉技术完成产品自动化检测是企业智能化生产必备的能力，同时也是一个高速增长的市场。据前瞻产业研究院相关数据显示，2019年，我国工业机器视觉市场规模已达到139亿元，同时在光源、镜头、相机及分析软件上，国产品牌的占优趋势持续升高。深度视觉创始人王帅林表示，我国是一个工业大国，制造业水平在不断提升，可以为视觉检测设备创造很多应用场景；同时国产厂家可通过快速迭代打造出超越国外产品的设备，解决行业痛点，这对国产品牌是一个好的市场机会。目前 工业领域的产品检测环节主要面临几类痛点：人工成本逐渐升高，招工难；产品复杂程度提高，人眼或常规检测手段效率降低；产品价值较高，出现漏检可能会带来严重后果等。深度视觉打造了多款一体化自动检测设备，用以对高反光、高曲率的产品进行检测，目前主要用于机加工及汽车领域，检测产品包括轴承、滚针、套圈及其他汽车零部件。王帅林告诉36氪：“机加工零件和汽车零部件的生产环境并不是无尘的，很多时候零件会沾有灰尘、污渍或油泥，但其加工质量却是合格的，这就对检测设备提出了更高的要求。此外机械零部件往往是大批量生产，检测准确度也会影响生产效率。”王帅林毕业于北京邮电大学，曾在SEED、中国兵器等企业担任算法工程师，拥有丰富的FPGA、ISP算法开发经验。在技术上，深度视觉进行了图像采集-数据分析-设备一体化的产品布局。在图像采集层面，深度视觉进行了特殊的光源和光路的设计，以及光学透镜组的设计，解决了金属零件表面高反光带来的过度曝光问题，同时通过明场和暗场结合的方式，满足了机加工零部件及汽车零部件特殊位置的图像拍摄要求。在数据分析层面，与传统的视觉检测设备依靠工控机进行集中式运算不同，深度视觉采用了分布式运算的方式，这样做的好处是可以将整台设备的算力更好的分配，完成在不同光照条件下对目标进行多次检测，提高检测精度。深度视觉的分布式运算架构使相机拥有了边缘计算能力，一幅零件图像首先由相机进行处理，处理后的结果以数据形式嵌入图像，并传至后方工控机，工控机综合相机的处理结果应用深度学习算法对图像进行进一步的分析。王帅林表示，除了算法及检测逻辑的创新外，对机加工工艺的理解也十分重要，深度视觉需要充分理解工艺特性，判断出正常加工痕迹和缺陷，并以此来进行数据标定和建立算法库，这种know-how能力同样是企业的壁垒。从相关资料来看，深度视觉打造了滚动体智能外观检测机、磨加工内外圈外观检测机、车加工内外圈外观检测机、成品轴承外观检测机、电池壳外观检测机等多类型产品，每一类产品拥有多款不同型号。目前深度视觉的客户已经超过300家，其中包括舍弗勒集团、不二越、人本集团、五洲新春等国内外知名企业。王帅林表示，目前深度视觉的产品年出货量为近千台，且均为直销渠道，这样可以使深度视觉更好地理解客户需求并快速迭代产品。此外，深度视觉也正在建设自己的生产基地。在发展战略上，除了机加工市场和汽车零部件市场，深度视觉正在积极拓展纺织、医药等领域，并持续落地行业标杆客户，将检测设备和技术发挥出最大效能。投资者说：“深度视觉是一家技术驱动型的公司，具备从相机、光场、算法到机械自动化等全套底层技术自研能力，其提供的AOI检测产品及解决方案已在轴承和金属零部件领域得到全球头部客户的高度认可，并在新能源领域也逐步打开局面。我国正在产业升级的关键期，相信在王总的带领下，深度视觉能成为中国的‘基恩士’，为我国制造业转型升级助力。”——惠友资本投资总监杨扬“高通公司一直通过研发、投资、合作等方式持续引领AI技术和产业的发展。高通创投作为深度视觉最早的机构投资人已陪伴深度视觉三年有余。三年来，我们见证了深度视觉团队从初创走向成长，见证了深度视觉产品从轴承检测拓展至周边行业，也见证了AI在高精密智能制造中的巨大潜力。我们深切期待深度视觉能在AI技术上持续创新，在应用场景上持续发掘，不断取得进步。”——高通创投风险投资高级总监毛嵩“投资一年来，我们欣喜的看到了团队的持续进化和公司的不断成长，在持续巩固金属表面缺陷检测优势的同时，在新能源、医药等方向陆续也有不错的落地，期待公司抓住产业数智化浪潮的际遇，继续稳扎稳打，做大做强。”——中关村发展启航投资合伙人马建平 “疫情的肆虐让机器替人、自动化及智能化提高生产效率保证产品质量的重要性提到更高的位置，深度视觉的自研相机、自研算法及整体解决方案，在轴承及其他金属制品行业得到客户认可，我们也相信团队的能力会打开更大的市场空间。”——老股东祥峰投资执行合伙人夏志进

2022年3月9日，由国家市场监督管理总局和国家标准化管理委员会联合发文(中华人民共和国国家标准公告)，批准了由机器视觉产业联盟牵头制定的“视觉模组光电性能的图像式检测方法”正式成为国家标准。据了解，这项标准的推出，标志着我国机器视觉技术水平实现了新突破，机器视觉行业国际话语权得到提升，为我国视觉科技高质量发展奠定了坚实基础。 　　近年来，随着国家经济和科技实力的快速增强，智能制造在国家经济社会发展中地位作用进一步彰显，机器视觉作为智能制造核心领域的支撑作用也越来越突出。但在世界机器视觉领域，由于我国起步晚，发展滞后，机器视觉行业的标准和话语权基本都由西方发达国家制定或掌握，导致我国在这一行业的持续创新和高质量发展受到较大的制约。 　　2015年始，机器视觉产业联盟迈出了标准制定工作的探索之路，组织相关专家将欧洲机器视觉协会的国际行业标准EMVA1288《图像传感器与相机性能测试标准》进行全文翻译，经过了近2年时间，于2017年8月正式发布了EMVA1288 R3.1中文版，它也是整个G3组织与EMVA认可的该标准的中文版。随后，机器视觉产业联盟组织开展了更为广泛而深入的调研工作，在学习参考国外理念和经验的基础上，结合国内行业实际情况及国家标准的相关政策规定，并在国标委相关专家的支持与指导下，国标起草组推出了“标准”的初级版，经历了两年多时间的深入探索实践，不断克服疫情等不利条件的影响，经过数十次线上或线下会议讨论，在先后修改了十几版后才最终完成了此次被国家认定的“行业标准”。 　　参与本次标准起草组的冯兵博士介绍说，这个“标准”意味着中国机器视觉跨入了新的门槛，在未来的世界智能制造领域，中国机器视觉企业将有更大的参与和竞争机会，也将为世界经济发展作出中国贡献。

近期，中科院合肥研究院智能所仿生智能中心在自主开发的软件平台上实现了3D视觉测量技术、视觉缺陷检测等技术的融合，解决了国产GPU——凌久GP102的外观检测问题。目前首台具有自主知识产权的BGA芯片外观检测设备已正式交付并通过验收。 　　为满足芯片出厂质量控制和芯片可追溯性需求，科研团队经过半年的产品研发和测试工作，成功研制出具有自主知识产权的BGA芯片外观检测设备A3DOI-BGA，该设备可批量采集芯片的三维图像数据、平面RGB图像数据、激光点云数据等，结合传统及人工智能算法，实现测量精度、缺陷识别率等各项性能指标的完全达标，部分指标可超越相关进口检测设备。该设备的核心传感器均来自国产，具备微米级别超高测量精度，可兼容多种BGA封装芯片检测，实现芯片成品3D形貌测量。 　　A3DOI-BGA的成功交付标志着团队自主研发的3D视觉测量技术正式走出实验室，为国内的芯片制造用户提供专业、高精度、可靠的视觉技术服务和成套检测设备。BGA芯片外观检测设备及显示界面

近日，宁波材料所所属先进制造技术研究所机器视觉团队研制出高精度机器视觉检测平台。该平台的优异性能使其在各种精密电子、仪器仪表、晶圆科技、刀具、塑胶、精密零件、弹簧、冲压件、接插件、模具、五金塑胶、PCB板、导电橡胶、粉末冶金、螺丝、钟表零件、手机、液晶、医药工业、光纤器件、汽车工程、航天航空、军工等领域具有广泛应用空间。　　高精度机器视觉检测平台采用了轴式直线电机，相对于传统电机和第一、第二代直线电机，轴式直线电机的磁场利用率高达100%，具有永磁体用量少、推力大、运行平稳结构简单、免维护寿命长等特点。另外，直线电机不需要使用机械传动部件，在国内机械传动部件制造水平相对落后的现状下，利用轴式直线电机可实现精密可靠的运动平台。　　在轴式直线电机运动平台的基础上，机器视觉团队利用其自身的优势，开发了快速、准确、易用的测量软件。其先进的相机标定、校准技术可保证实现微米级精度的非接触式测量 先进的自动特征检测定位算法可以准确、快速地定位用户预先设定的测量点，并按用户预订的测量需求进行自动的大批量重复测量，所需的人工操作可简化到一次鼠标操作。　　我国精密测量技术和仪器的现状仍然远远不能满足国内机械装备制造业迅速发展的需求，通过发展精密的自动测量系统，必将推动国内机械装备制造业的发展，缩短与国外先进水平的差距，进一步推动国产装备向高附加值方向发展。

说到最近大火的"乘风破浪"，用来形容淀粉制模生产线再合适不过了。在橡皮糖淀粉托盘的生产过程中，塌陷、冻胶、淀粉不足等任何一点纰漏都会造成橡皮糖制糖的失败，即"残次品”。尤其在一个接一个淀粉托盘往复的产线上，残次糖果的数量将大幅快速增加。几十年来，业内公认的高残次品率让橡皮糖制造商无可奈何，却又不得不默认"接受"。但现在，工业物理旗下Eagle Vision全新粉模托盘视觉检测系统，能为"乘风破浪"的橡皮糖生产线"保驾护航"。多达5%的残次品?!在淀粉模塑工业中，制造商通过用液体冻胶填充一次性淀粉模具，来生产糖果及果冻。其步骤大致如下：1. 托盘中装有（玉米）淀粉。2. 通过印模或模板，将产品的形状印入充满淀粉的托盘中。3. 液体冻胶被注入到成型的模具中。4. 托盘被堆叠，并运到固化室进行干燥。5. 固化后，将产品脱模并离开成型线，以进行最终处理，托盘返回步骤1在淀粉成型行业中，最多有5％的最终产品被拒收并视为残次品。几十年来，这一高比例已被制造商所“接受”，大量的残次品和额外的体力劳动也被视为“正常现象”。但现在，Eagle Vision自豪地宣布，通过我们成熟的“粉模托盘视觉系统”检测方案，我们可以将这一数字降至1％以下。残次品百分比降低如此之多，无疑将大大降低成本，提高质量和机器性能，并总体上提高客户满意度。既存问题: 脏淀粉托盘让我们首先更详细地分析问题。为什么这么多产品被视为残次品？——首先在淀粉托盘的生产过程中，许多事情就可能会出纰漏：• 加料站中的淀粉量不足，无法生产淀粉托盘。• 模板或印模脏，上面粘着一块冻胶，形成了不好印模效果。• 模板上缺少模具。• 由于产线的突然移动，淀粉壁塌陷。• 首要问题：托盘脏，以前的生产运行中残留了一些冻胶。由于淀粉制模生产线中使用的托盘数量众多，残次品数量将快速增加。据统计：有的淀粉成型线中可高达12000个托盘。经验告诉我们，大约5％的托盘存在上述问题。这意味着每天最多可增加600个“残次托盘”。其中，脏托盘尤其是造成诸多问题的原因。一段时间后，产线上有太多脏托盘，不得不停产。脏托盘需要进行如下操作来恢复使用：取出、清空、清洁、重新填装并放回产线，一个脏托盘所需的劳动时间为6分钟，这相当于60个小时的惊人工作量。解决方案: 托盘检测系统Eagle Vision全新“粉模托盘模具视觉系统”是一种独特的创新解决方案，可防止不良印模和脏淀粉托盘。脏粉模托盘视觉系统，简称DTV，在填充淀粉后（注入液体冻胶前）立即检查每个托盘。托盘是否有缺陷？淀粉填充是否不完全？若托盘粉模存在问题，托盘将留在产线中，但不会填充冻胶，因此托盘不会被硬化的冻胶污染。通过防止托盘变脏，从而仅使用干净的粉模托盘进行生产，我们发现残次品率从5％下降到小于1％。用一条淀粉模制生产线中的12000个托盘再次计算，脏托盘的数量减少到只有120个。这些托盘需要从生产线上卸下，以保持所需的质量和数量水平。可以在Mogul上安装选配的“弹出器系统”，以自动从生产线上移走这些被拒收的托盘。使用DTV系统的优势?经过一年在大型生产线上的密集测试后，Eagle Vision脏粉模托盘视觉系统已成功在大型生产线上投产。德国，比利时，荷兰，美国和墨西哥的多家知名“A”类品牌公司都已在使用DTV系统：1. DTV大大减少了残次品的产生量，从高达7.5％降低到1％。2. DTV提高了最终产品的质量：DTV可以像机器操作员那样以一周七天全天候24小时工作，而不会受专注力影响。现在这些操作员可以完全专注于优化机器的性能或进行机器和堆栈的维护。3. DTV减少了产线中断的次数：产线中断、返工甚至二度返工的数量大大减少。4. DTV减少了客户的抱怨：最终产品中不掺杂模具碎片。5. DTV减少了体力劳动：无需再在机器后部安排操作员从肮脏的托盘上切下变硬的冻胶。6. DTV协助管理：通常，管理人员很难发现生产运行中发生了什么。DTV向管理人员提供有关未填充的托盘的所有信息，它显示：确切的生产中断时间、已检查的托盘数量、未填充的托盘数量及原因。它具有VPN连接功能，因此可以在需要时进行远程监视。7. DTV节省成本：投资回收期只有3到9个月，根据客户的计算方式有所不同；但是，但凡DTV阻止了一次生产中断，您就已经收回了大部分投资。Eagle Vision全新DTV粉模托盘视觉检测系统拥有全自动、高精度的特点，适用于所有橡皮糖淀粉成型线，为“乘风破浪”的生产线实时监控，保驾护航。如果您对样本文档或设备演示有兴趣，欢迎联系工业物理，我们将竭诚为您安排：）点击此处，跳转Egale Vision品牌页面。

table width="614" cellspacing="0" cellpadding="0" border="1"tbodytr style=" height:25px" class="firstRow"td style="border: 1px solid windowtext padding: 0px 7px " width="132" height="25"p style="line-height:150%"span style=" line-height:150% font-family:宋体"成果名称/span/p/tdtd colspan="3" style="border-color: windowtext windowtext windowtext currentcolor border-style: solid solid solid none border-width: 1px 1px 1px medium border-image: none 100% / 1 / 0 stretch padding: 0px 7px " valign="bottom" width="482" height="25"p style="text-align:center line-height:150%"strongspan style=" line-height:150% font-family:宋体"微米级高速视觉质量检测仪/span/strong/p/td/trtr style=" height:25px"td style="border-color: currentcolor windowtext windowtext border-style: none solid solid border-width: medium 1px 1px border-image: none 100% / 1 / 0 stretch padding: 0px 7px " width="132" height="25"p style="line-height:150%"span style=" line-height:150% font-family:宋体"单位名称/span/p/tdtd colspan="3" style="border-color: currentcolor windowtext windowtext currentcolor border-style: none solid solid none border-width: medium 1px 1px medium padding: 0px 7px " width="482" height="25"p style="line-height:150%"span style=" line-height:150% font-family:宋体"凌云光技术集团有限责任公司/span/p/td/trtr style=" height:25px"td style="border-color: currentcolor windowtext windowtext border-style: none solid solid border-width: medium 1px 1px border-image: none 100% / 1 / 0 stretch padding: 0px 7px " width="132" height="25"p style="line-height:150%"span style=" line-height:150% font-family:宋体"联系人/span/p/tdtd style="border-color: currentcolor windowtext windowtext currentcolor border-style: none solid solid none border-width: medium 1px 1px medium padding: 0px 7px " width="168" height="25"p style="line-height:150%"span style=" line-height:150% font-family:宋体"霍秋宝/span/p/tdtd style="border-color: currentcolor windowtext windowtext currentcolor border-style: none solid solid none border-width: medium 1px 1px medium padding: 0px 7px " width="161" height="25"p style="line-height:150%"span style=" line-height:150% font-family:宋体"联系邮箱/span/p/tdtd style="border-color: currentcolor windowtext windowtext currentcolor border-style: none solid solid none border-width: medium 1px 1px medium padding: 0px 7px " width="153" height="25"p style="line-height:150%"a href="mailto:qiubaohuo@lusterinc.com"span style=" line-height:150% font-family:宋体 color:windowtext text-underline:none"qiubaohuo@lusterinc.com/span/a/p/td/trtr style=" height:25px"td style="border-color: currentcolor windowtext windowtext border-style: none solid solid border-width: medium 1px 1px border-image: none 100% / 1 / 0 stretch padding: 0px 7px " width="132" height="25"p style="line-height:150%"span style=" line-height:150% font-family:宋体"成果成熟度/span/p/tdtd colspan="3" style="border-color: currentcolor windowtext windowtext currentcolor border-style: none solid solid none border-width: medium 1px 1px medium padding: 0px 7px " width="482" height="25"p style="line-height:150%"span style=" line-height:150% font-family:宋体"□正在研发 □已有样机 □通过小试 □通过中试 √可以量产/span/p/td/trtr style=" height:25px"td style="border-color: currentcolor windowtext windowtext border-style: none solid solid border-width: medium 1px 1px border-image: none 100% / 1 / 0 stretch padding: 0px 7px " width="132" height="25"p style="line-height:150%"span style=" line-height:150% font-family:宋体"合作方式/span/p/tdtd colspan="3" style="border-color: currentcolor windowtext windowtext currentcolor border-style: none solid solid none border-width: medium 1px 1px medium padding: 0px 7px " width="482" height="25"p style="line-height:150%"span style=" line-height:150% font-family:宋体"□技术转让 □技术入股 √合作开发 □其他/span/p/td/trtr style=" height:132px"td colspan="4" style="border-color: currentcolor windowtext windowtext border-style: none solid solid border-width: medium 1px 1px border-image: none 100% / 1 / 0 stretch padding: 0px 7px " width="614" height="132"p style="line-height:150%"strongspan style=" line-height:150% font-family: 宋体"成果简介：/span/strong/pp style="line-height:150%"strongspan style=" line-height:150% font-family: 宋体"/span/strong/pp style="text-align: center"img src="http://img1.17img.cn/17img/images/201803/insimg/adb81df1-6867-4892-acb8-9d50b6c971c0.jpg" title="15.png" style="width: 300px height: 330px " width="300" vspace="0" hspace="0" height="330" border="0"//pp style="text-align: center"img src="http://img1.17img.cn/17img/images/201803/insimg/2a943a07-2426-44b4-b288-b8e6ac67f195.jpg" title="16.png" style="width: 300px height: 319px " width="300" vspace="0" hspace="0" height="319" border="0"//pp style="text-align: center"img src="http://img1.17img.cn/17img/images/201803/insimg/0e7cd376-4ddc-44e3-a639-7aa5b31e5688.jpg" title="17.png" style="width: 400px height: 233px " width="400" vspace="0" hspace="0" height="233" border="0"//pp style="text-align:center line-height:150%"strong /strong/pp style="text-align:center line-height:150%"strong /strong/pp class="MsoListParagraph" style="margin-left:24px line-height:150%"strongspan style=" line-height:150% font-family:宋体"1.span style="font:9px ' Times New Roman' " /span/span/strongstrongspan style=" line-height:150% font-family:宋体"关键技术研发成果/span/strong/pp style="margin-left:24px line-height:150%"span style=" line-height:150% font-family:宋体"?/spanspan style=" line-height:150% font-family:宋体"自主研发高性能大面阵相机、高速线阵相机、高亮度光源，实现高速高精度图像采集；/span/pp style="margin-left:24px line-height:150%"span style=" line-height:150% font-family:宋体"?/spanspan style=" line-height:150% font-family:宋体"工业视觉检测算法取得突破，实现高速高精度智能化检测；/span/pp style="margin-left:24px line-height:150%"span style=" line-height:150% font-family:宋体"?/spanspan style=" line-height:150% font-family:宋体"新一代混合分布式处理架构和开放式算法平台开发成功；/span/pp style="margin-left:24px line-height:150%"span style=" line-height:150% font-family:宋体"?/spanspan style=" line-height:150% font-family:宋体"首创基于工业大数据互联的质量管理数据信息系统和数据库；/span/pp style="margin-left:24px line-height:150%"span style=" line-height:150% font-family:宋体"?/spanspan style=" line-height:150% font-family:宋体"开发完善了以视觉质量检测仪为核心的行业质量检测工艺，形成国家标准。/span/pp class="MsoListParagraph" style="margin-left:24px line-height:150%"strongspan style=" line-height:150% font-family:宋体"2.span style="font:9px ' Times New Roman' " /span/span/strongstrongspan style=" line-height:150% font-family:宋体"仪器研发成果/span/strong/pp class="MsoListParagraph" style="margin-left:30px line-height:150%"span style=" line-height:150% font-family: Wingdings"Ø span style="font:9px ' Times New Roman' " /span/spanspan style="text-decoration:underline "span style=" line-height:150% font-family:宋体"印刷视觉质量检测仪/span/span/pp class="MsoListParagraph" style=" text-indent:28px line-height:150%"span style=" line-height:150% font-family:宋体"采用高速线阵相机和专用高亮度光源，采用全新架构的PrintingPLUS 5.0软件平台，优化高速算法，实现了高精度高速检测。/span/pp class="MsoListParagraph" style="margin-left:30px text-indent:0 line-height:150%"span style=" line-height:150% font-family:宋体"?/spanspan style=" line-height:150% font-family:宋体"可检点状缺陷尺寸≥/spanspan style=" line-height:150% font-family:宋体"0.1mm/spanspan style=" line-height:150% font-family:宋体"× 0.1mm且反差≥40DN的点缺陷；/span/pp style="margin-left:30px text-indent:0 line-height:150%"span style=" line-height:150% font-family:宋体"?/spanspan style=" line-height:150% font-family:宋体"可检块状缺陷尺寸≥/spanspan style=" line-height:150% font-family:宋体"0.15mm/spanspan style=" line-height:150% font-family:宋体"× 0.15mm且反差≥10DN的块状缺陷；/span/pp style="margin-left:30px text-indent:0 line-height:150%"span style=" line-height:150% font-family:宋体"?/spanspan style=" line-height:150% font-family:宋体"可检线状缺陷宽度≥/spanspan style=" line-height:150% font-family:宋体"50/spanspan style=" line-height:150% font-family:宋体"μm且反差≥10DN的运动方向线缺陷；/span/pp style="margin-left:30px text-indent:0 line-height:150%"span style=" line-height:150% font-family:宋体"?/spanspan style=" line-height:150% font-family:宋体"检测速度/spanspan style=" line-height:150% font-family:宋体"300m/min/spanspan style=" line-height:150% font-family:宋体"。/span/pp class="MsoListParagraph" style="margin-left:28px line-height:150%"span style=" line-height:150% font-family: Wingdings"Ø span style="font:9px ' Times New Roman' " /span/spanspan style="text-decoration:underline "span style=" line-height:150% font-family: 宋体"LCD/span/spanspan style="text-decoration:underline "span style=" line-height:150% font-family:宋体"视觉质量检测仪/span/span/pp class="MsoListParagraph" style="margin-left:28px text-indent:0 line-height:150%"span style=" line-height:150% font-family:宋体"解决了2%低对比色斑缺陷检测，接近人眼极限，实现了高动态范围检测。/span/pp style="text-indent:23px line-height:150%"span style=" line-height:150% font-family:宋体"?/spanspan style=" line-height:150% font-family:宋体" 可检缺陷尺寸≥26μm× 26μm(1/3子像素)且对比度≥15％；/span/pp style="text-indent:23px line-height:150%"span style=" line-height:150% font-family:宋体"?/spanspan style=" line-height:150% font-family:宋体" 可检色斑缺陷尺寸≥2mm× 2mm且对比度≥2％。/span/pp class="MsoListParagraph" style="margin-left:28px line-height:150%"span style=" line-height:150% font-family: Wingdings"Ø span style="font:9px ' Times New Roman' " /span/spanspan style="text-decoration:underline "span style=" line-height:150% font-family: 宋体"PCB/span/spanspan style="text-decoration:underline "span style=" line-height:150% font-family:宋体"视觉质量检测仪/span/span/pp class="MsoListParagraph" style="margin-left:28px text-indent:0 line-height:150%"span style=" line-height:150% font-family:宋体"实现了10μm检测精度。/span/pp style="text-indent:23px line-height:150%"span style=" line-height:150% font-family:宋体"?/spanspan style=" line-height:150% font-family:宋体"可检测幅面/spanspan style=" line-height:150% font-family:宋体"26”/spanspan style=" line-height:150% font-family:宋体"× 30”；/span/pp style="text-indent:23px line-height:150%"span style=" line-height:150% font-family:宋体"?/spanspan style=" line-height:150% font-family:宋体"可/spanspan style=" line-height:150% font-family:宋体"检最小线/spanspan style=" line-height:150% font-family:宋体"密度1.2mil；/span/pp style="text-indent:23px line-height:150%"span style=" line-height:150% font-family:宋体"?/spanspan style=" line-height:150% font-family:宋体"可检出20%最小线宽，6μm /span/pp style="text-indent:23px line-height:150%"span style=" line-height:150% font-family:宋体"?/spanspan style=" line-height:150% font-family:宋体"检测速度/spanspan style=" line-height:150% font-family:宋体"200/spanspan style=" line-height:150% font-family:宋体"面/小时 /span/pp style="margin-left:38px line-height:150%"span style=" line-height:150% font-family:宋体"?/spanspan style=" line-height:150% font-family:宋体"可检短路、断路、线宽违规、线距违规、缺口、毛刺、残铜、针孔、元件多/缺、位置错误；可检孔偏、孔破、孔缺失以及凹陷缺陷。/span/pp class="MsoListParagraph" style="margin-left:24px line-height:150%"strongspan style=" line-height:150% font-family:宋体"3.span style="font:9px ' Times New Roman' " /span/span/strongstrongspan style=" line-height:150% font-family:宋体"仪器应用成果/span/strong/pp class="MsoListParagraph" style="margin-left:28px line-height:150%"span style=" line-height:150% font-family: Wingdings"Ø span style="font:9px ' Times New Roman' " /span/spanspan style=" line-height:150% font-family:宋体"印刷视觉质量检测仪/span/pp class="MsoListParagraph" style=" text-indent:28px line-height:150%"span style=" line-height:150% font-family:宋体"2016/spanspan style=" line-height:150% font-family:宋体"年与浙江诚信包装材料有限公司签订了6台的销售合同，销售总额超过230万元。该系列设备在印刷行业得到广泛应用，在国内印刷龙头企业如浙江诚信、北京联宾、黄山永新及国际知名企业如CCL、ESSEL等实现成功推广，2017年产值过亿元。/span/pp class="MsoListParagraph" style="margin-left:28px line-height:150%"span style=" line-height:150% font-family: Wingdings"Ø span style="font:9px ' Times New Roman' " /span/spanspan style=" line-height:150% font-family: 宋体"LCD/spanspan style=" line-height:150% font-family:宋体"视觉质量检测仪/span/pp style="margin-left:2px text-indent:28px line-height:150%"span style=" line-height:150% font-family:宋体"与无锡夏普元器件有限公司、群创光电南京有限公司、友达光电厦门有限公司、深圳市德普特电子有限公司分别签订了21台、6台、12台和30台的销售合同，销售总额超过5000万元。/span/pp class="MsoListParagraph" style="margin-left:2px text-indent:21px line-height:150%"span style=" line-height:150% font-family:宋体"本成果已进入LCD行业国内外龙头企业如夏普、群创、JDI、天马等，用于苹果IPhone、小米、华为、VIVO、OPPO手机屏幕检测。/span/pp class="MsoListParagraph" style="margin-left:28px line-height:150%"span style=" line-height:150% font-family: Wingdings"Ø span style="font:9px ' Times New Roman' " /span/spanspan style=" line-height:150% font-family: 宋体"PCB/spanspan style=" line-height:150% font-family:宋体"视觉质量检测仪/span/pp style="text-indent:28px line-height:150%"span style=" line-height:150% font-family:宋体"已实现产品化，并与广东省梅州市领先的线路板企业兴成线路板有限公司签订3台销售合同，用于精密线路板的蚀刻质量检测。/span/p/td/trtr style=" height:75px"td colspan="4" style="border-color: currentcolor windowtext windowtext border-style: none solid solid border-width: medium 1px 1px border-image: none 100% / 1 / 0 stretch padding: 0px 7px " width="614" height="75"p style="line-height:150%"strongspan style=" line-height:150% font-family: 宋体"应用前景：/span/strong/pp style="text-indent:28px line-height:150%"span style=" line-height:150% font-family:宋体"1/spanspan style=" line-height:150% font-family:宋体"、3款仪器分别应用于软包装印刷品及标签印刷品检测、LCD检测、PCB检测，即工业生产中的印刷、LCD和PCB行业。/span/pp style="text-indent:28px line-height:150%"span style=" line-height:150% font-family:宋体"2/spanspan style=" line-height:150% font-family:宋体"、市场预测：/span/pp style="text-indent:28px line-height:150%"span style=" line-height:150% font-family:宋体"（1）印刷市场——体量巨大，需求旺盛，国内市场超30亿/span/pp class="MsoListParagraph" style="text-indent:23px line-height:150%"span style=" line-height: 150% font-family:宋体"全球印刷企业超过25万家，其中软包装企业超过5万家，标签企业超过3万家；中国具有一定规模（产值500万以上）的软包装彩印企业超过1万家。中国内地有6046家，其中不干胶企业有3000～4000家。/span/pp class="MsoListParagraph" style="text-indent:23px line-height:150%"span style=" line-height: 150% font-family:宋体"软包国内市场需求，整体市场容量1.5万台，产值8000万以上企业1300家，需求4500套以上；标签中国需求，保守估计未来5年行业检测设备需求量在1500台以上。/span/pp style="text-indent:28px line-height:150%"span style=" line-height:150% font-family:宋体"（2）LCD市场——势在必行，增长迅猛，需求2000套以上，超20亿/span/pp class="MsoListParagraph" style="text-indent:23px line-height:150%"span style=" line-height:150% font-family:宋体"LCD/spanspan style=" line-height:150% font-family:宋体"平板显示器行业的发展来自四大驱动力：智能手机、平板电脑、液晶显示器、液晶电视。/span/pp style="text-indent:23px line-height:150%"span style=" line-height:150% font-family:宋体"行业市场前景：全球规模超过1300亿美元，行业年增率为8%；中国显示屏企业是未来全球行业领导者，全球80%的后加工在中国；17亿智能手机，市场需求2000套。/span/pp style="text-indent:23px line-height:150%"span style=" line-height:150% font-family:宋体"（3）PCB市场分析——生产必备，替代进口，国内市场超20亿/span/pp class="MsoListParagraph" style="margin-left:2px text-indent:21px line-height:150%"span style=" line-height:150% font-family:宋体"PCB AOI/spanspan style=" line-height:150% font-family: 宋体"对于主流工艺在2/spanspan style=" line-height:150% font-family: 宋体"~/spanspan style=" line-height:150% font-family: 宋体"5mil/spanspan style=" line-height:150% font-family:宋体"的产品为必备的检测设备，市场规模巨大。/span/pp style="text-indent:28px line-height:150%"span style=" line-height:150% font-family:宋体"从历史数据和行业发展情况估计，中国市场每年有400～800台PCB AOI需求的规模:设备市场规模约3～6亿元；服务市场：20%设备售价，以5～8年寿命计，规模约5亿元。/span/p/td/trtr style=" height:72px"td colspan="4" style="border-color: currentcolor windowtext windowtext border-style: none solid solid border-width: medium 1px 1px border-image: none 100% / 1 / 0 stretch padding: 0px 7px " width="614" height="72"p style="line-height:150%"strongspan style=" line-height:150% font-family: 宋体"知识产权及项目获奖情况：/span/strong/pp style="text-indent:28px line-height:150%"span style=" line-height:150% font-family: 宋体"1. /spanspan style=" line-height:150% font-family: 宋体"整机和核心关键技术拥有自主知识产权。/span/pp style="text-indent:28px line-height:150%"span style=" line-height:150% font-family: 宋体"2. /spanspan style=" line-height:150% font-family: 宋体"专利情况：已授权或受理的专利137件（专利名称、专利号见附件2）。/span/pp style="text-indent:28px line-height:150%"span style=" line-height:150% font-family: 宋体"3. /spanspan style=" line-height:150% font-family: 宋体"国家、部委、省、市专项计划或国家、部委、省、市奖励：/span/pp style="text-indent:28px line-height:150%"span style=" line-height:150% font-family:宋体"（1）2015年“LCD TFT点灯视觉质量检测仪”获中国光学工程学会科技创新产品二等奖；/span/pp style="text-indent:28px line-height:150%"span style=" line-height:150% font-family:宋体"（2）2016年“印刷视觉质量检测仪”获中国光学工程学会科技创新产品三等奖/span/p/td/tr/tbody/tablepbr//p

近日，工业三维视觉检测公司板石智能获数千万元pre-A轮融资，本轮融资由深创投领投，国科嘉和、辅晟资本跟投，老股东国宏嘉信追投。本轮融资资金将主要用于产品研发、市场推广和团队搭建等方面。围绕三维视觉检测，成立于2018年的板石智能，主要针对消费类电子、汽车、半导体等市场提供软硬结合的工业三维视觉检测产品。目前，已推出的产品包括通用型微观3D形貌测量系统、白光干涉检测设备和计算相位三维测量系统等产品。具体来看，板石推出的微观3D形貌测量系统，重复精度可以达到0.03纳米，其采用非接触式的干涉原理，可以在避免对产品造成损伤的情况下，进行纳米级的检测。而激光相位三维测量系统，核心算法由板石智能自主研发，不但可以实现纳米级的高精度，还可以达到毫秒级的检测速度，实现在线检测。板石智能产品板石智能创始人兼CEO程恒恒表示，相位检测的原理可以简单理解为通过收集光强信号并将之转化为相位信号，再对相位信号进行重构计算从而反推出产品的三维形貌。由于省去了传统机械性的物理扫描过程，所以检测的速度更快且精度更高。但随之而来的难度就在于算法，由于光学衍射极限制约了检测的高精度，所以板石智能在软件算法上采用了模型对比的方式。通过自研的硬件设备收集产品的周期性形貌波形，再跟已有的标准模型进行匹配，从而计算出产品的三维结构特征。在算法层面，根据检测需求板石智能自主研发了渐进高度检测、渐进轮廓检测、无损检测等多项算法。能够对产品进行任意位置的连续测量，同时，也可以通过无损拼接的方式，弥补高精度硬件有限的视野痛点，实现大视野的高精度检测，能够满足90%以上的检测需求。近年来三维检测被不断重视，但在实际应用中，由于三维检测的下游客户应用场景高度离散，导致大多数厂家为项目集成性质，需要进行大量的定制化开发，由此不仅耗费的人力物力成本高昂，且部署周期也较长。基于此，板石智能从最初就重点关注产品的通用性，通过自研软件、硬件设备，并聚焦于相对标准化的检测场景，从而开发出行业通用的三维视觉检测产品，其陆续推出先进的SST和GAT算法，可以广泛应用于新能源、半导体、3C等行业，极大提高生产效率和检测精度。板石智能产品团队方面，板石智能的核心创始团队多出身于全球最大的工业视觉检测产品供应商---基恩士，在工业视觉检测方面具备丰富的落地经验。其中核心技术团队由多位博士和视觉领域的技术专家组成，现有硕士、博士研发团队近30人。在核心光路设计、光学成像方面，有多项技术成就在nature communications等顶刊发表。作为本轮领投方，深创投智能制造首席研究员崔鹏翔表示：“无论基于中国制造高端化、智能化升级的行业趋势，还是高端装备自主可控的急迫需求，精密视觉检测都有广阔场景和美好未来。板石智能团队优秀且全面，兼具行业认知、原研能力、市场理解，有极佳的化学反应。板石智能成立以来，产品路线与商业路径合理清晰，拥有完整的短中长期产品矩阵规划和实施路径，在很短的时间内完成解决方案到核心设备国产替代再到技术前瞻性原创，难能可贵。板石智能核心产品性能指标行业领先，已经取得了头部客户的认可，新产品进展顺利，线激光、激光相位系统等陆续推出。我们看好板石智能，继续为国产精密仪器争光添彩。”

近日，达威股份（证券代码：300535）发布公告，旗下全资子公司成都达威智能制造有限公司将投资建设智能视觉检测装备生产基地项目。该项目投资估算1.4亿元，建设地点位于成都市新津区，占地约36亩，将新建厂房、智能化车间及其他配套用房，建成后总建筑面积约2.4万平方米，将新建智能装备生产线5条，产品主要系应用在制革、木业、环保等行业的智能视觉检测装备。达威股份表示，本次投资建设智能视觉检测装备生产基地项目是公司产业布局的具体落地，符合国家相关产业政策以及公司开拓智能装备领域的整体战略规划，项目的投资建设有利于公司扩大生产规模，提升市场竞争力和行业地位，增厚业绩、增强公司的可持续发展能力。关于达威股份达威股份成立于2003年，主营业务为精细化学品的研发、生产和销售，产品涵盖皮革化学品、人造革化学品、木材化学品、工业清洗剂、绿色涂层材料、生态木板、智能装备、塑料制品等，具备400余种产品的生产能力。2016年在创业板挂牌上市；2019年设立成都达威智能制造有限公司，进军智能制造领域。近年来，致力于服务皮革行业的同时，参股了木板制造业，并大力发展智能装备产业，布局工业4.0时代。关于成都达威智能制造有限公司成都达威智能制造有限公司为达威股份旗下全资子公司，成立于2019年，经营范围包括一般项目：机械电气设备制造；机械电气设备销售；机械设备研发；机械设备销售；电工机械专用设备制造；电子产品销售；其他电子器件制造；五金产品研发；五金产品制造；风动和电动工具制造；风动和电动工具销售；通用设备制造（不含特种设备制造）；电气设备销售；电力设施器材制造；电力设施器材销售；仪器仪表制造；仪器仪表销售；电线、电缆经营；输配电及控制设备制造；工业机器人制造；工业机器人销售；智能机器人的研发；智能机器人销售；人工智能应用软件开发；人工智能基础软件开发；电子、机械设备维护（不含特种设备）；普通机械设备安装服务；工业机器人安装、维修。（除依法须经批准的项目外，凭营业执照依法自主开展经营活动）。

2月16日，KPM 分析集团(KPM Analytics)在美国波士顿米尔福德宣布，完成收购意大利 EyePro公司 (EyePro System S.r.l.)。该公司位于意大利特伦托，专门为食品行业提供视觉检测技术和基于视觉检测的过程控制解决方案。　　此次收购是KPM分析集团自2015年底成立以来的第7次扩张。　　KPM分析集团首席执行官Brian Mitchell说，“EyePro已经在不断增长的视觉检测系统市场中确立了自己的先锋地位，主要是在烘焙和食品生产领域。EyePro的技术和产品与我们Sightline过程控制品牌高度互补。EyePro的加入，会进一步帮助我们确立在农业和食品分析解决方案方面的领导地位”。　　“EyePro是意大利特伦托FBK研究所1999年创立的高科技公司。我们拥有一支3D视觉、高光谱检测和自动分类技术的优秀团队”，EyePro 公司总经理Andrea Bertuolo说，“KPM分析集团拥有多个生产研发公司和完整的全球销售、应用和服务分支机构。成为KPM的一部分，有助于我们实现发展目标”。　　关于KPM分析集团　　KPM 分析集团致力于科学仪器领域，专注为食品、农业和环境检测，提供专业的产品和服务。集团旗下品牌有AMS Alliance、Chopin、EyePro、PSC、Sensortech、Sightline和Unity。每个品牌在提供分析解决方案方面都拥有着悠久历史、关键技术和核心产品。　　关于意大利EyePro公司　　意大利EyePro公司为烘焙和食品行业的产品检测、过程控制和自动处理提供视觉技术，旨在提高产品质量，优化生产流程，减少浪费，最大限度地提高生产效率。

据悉，智谱科技近日顺利完成亿元B轮融资，本轮融资由博华资本独投。本次融资将有效促进智谱科技光谱视觉监测技术在大化工领域的深度应用，推动更多产业伙伴合作，帮助客户进行数字化、智能化转型升级，实现安全生产、减碳节能、降本增效。（注：数据由投资界根据公开报道整理）公开资料显示，智谱科技通过自主的研发智能光谱相机和光谱视觉分析模型，围绕化工行业内“两重点一重大”泄漏的安全问题，打造围绕光谱视频气体泄漏可视化监测系统产品为核心，集化工安全监测预警和应急决策辅助系统为一体的“危险气体泄漏光谱视频监测解决方案”。当前，智谱科技正通过建立光谱行业数据库和算法库——光谱开源平台SpecNet，用高质量的光谱数据来赋能科研人员去在各个场景中开发光谱产品、开发光谱算法和模型，也以此为场景开发平台，精准挖掘行业场景痛点，从需求出发适配技术。博华资本表示：“智谱科技依托于南京大学、清华大学的深厚技术积累，团队将智谱科技首席科学家曹汛教授首创的PMVIS棱镜掩模光谱视频成像理论成果，与工业互联网、机器视觉等技术紧密结合，打破了海外光谱监测技术在相关领域的长期垄断。此外，2022年曹汛教授带领团队，研发出的微型化光场光谱四维计算成像系统，未来也极有可能集成于手机移动终端，这将会是一个颠覆性的创举。从智谱科技创立至今，已经建立了从技术研发、产品设计、生产控制、项目落地的全流程能力，推出了从平台型、在线型到便携型的多维度产品，帮助石油化工、水质保护等领域客户实现了更安全、更高效、更低碳的发展。”

近期，中国科学院合肥物质科学研究院固体物理研究所研究员蒋长龙团队在可穿戴水凝胶贴片及体液中尿素视觉监测方面取得进展，通过在三维多孔聚丙烯酰胺(PAM)水凝胶中嵌入上转换光学探针，设计制备了一种可穿戴传感贴片，并将该贴片与智能手机的颜色识别器结合，实现了对尿素的现场快速定量分析。相关研究成果发表在Analytical Chemistry上。 　　尿素是人体含氮物质最终代谢的主要产物，会通过汗液、尿液、唾液和血液排出，其在临床诊断中被认为是肾功能的重要指标，因此有效检测尿素水平对于疾病的研究和早期诊断至关重要。可穿戴传感器由于可以直接佩戴在人体皮肤上且具有非侵入性的特性受到广泛关注，三维网络状结构的水凝胶具有良好的柔韧性、拉伸性和生物相容性，这些特性使其成为可穿戴传感器的理想材料，然而目前报道的大多数荧光水凝胶都是由短波长激发的，在检测生物样品时容易受到自发荧光和背景荧光的干扰。上转换纳米粒子(UCNPs)与传统的荧光材料相比，能消除生物样品的自荧光和背景干扰，提高检测灵敏度。因此，利用UCNPs设计可穿戴传感器是检测人类生物标志物的有效策略。 　　鉴于此，研究团队设计了一种基于上转换光学探针的聚丙烯酰胺水凝胶传感器。探针由UCNPs和对二甲氨基肉桂醛(p-DMAC)组成，基于内滤效应(IFE)，尿素与p-DMAC反应产生的红色产物猝灭UCNPs的绿色荧光，使上转换荧光从黄色转变为红色，实现尿素的荧光检测。在此基础上该研究结合PAM水凝胶制作了柔性可穿戴传感器，并利用3D打印技术构建便携式传感平台。 　　研究团队设计的上转换荧光探针和水凝胶传感器的检测限(LOD)分别为1.4μM和30μM。水凝胶传感贴片为检测体液中的生物标志物提供了便利和准确的传感策略，在疾病预警和临床诊断设备上具有应用潜力。图(a)设计可穿戴水凝胶传感贴片；(b)汗液中尿素的传感和水凝胶的SEM图像；(c)水凝胶传感贴片在980 nm激发光和日光下对尿素的响应；(d)便携式尿素检测传感平台；(e) G/R比值与尿素浓度在0-40 mM范围内的线性关系。

36氪获悉，工业视觉方案提供商「玻尔智造」日前获数千万元Pre-A轮融资，领投方为浩澜资本，毅仁资本担任独家财务顾问。本轮融资资金将用于自主光学成像方案和AI技术进一步研发。玻尔智造成立于2020年，结合自研光学方案及AI算法，主要对消费电子产品进行表面缺陷检测。依靠核心技术与缺陷检测效果，如今玻尔智造已成为某消费电子龙头在外观缺陷检测领域的全球专项战略供应商。机器视觉检测此前多应用于面板、PCB、印刷等行业，主要针对单一均匀的二维平面。消费电子产品因存在异形、复杂的三维面等，外观缺陷检测仍主要由人工目检完成。这意味着相当数量的工人需要在高亮度灯光下近距离且长时间观察被检物件，既可能对人眼造成损伤，也存在准确性、稳定性、工作时长等限制。同时，消费电子产品外观缺陷检测存在诸多难点，包括需检测多种表面形态、不同材质、数百种缺陷类别等。以看似简单的手机充电器为例，不仅同时包含塑胶和金属材质，且有平面、弧面、球面等多种表面形态。其他产品如含充电仓的无线耳机等，更存在异形曲面等复杂结构。对此，玻尔智造选择结合自研自控的光学成像方案以及AI图像识别算法，进行整机集成。“打通光学和算法软件的搭配协作，整机才能灵活运用。”玻尔智造CEO&CTO陈志忠告诉36氪。其中，光学方案就像一双眼睛，面对不同材质、曲率、反射率的检测对象，需要综合打光弧度、光源波长等要素，通过光源、镜头、相机的组合应用，实现被检物品的清晰成像。完整的光学方案，需要具备一次成像能力，拍摄速度要跟上产线生产速度，并考虑设备生产和成本核算的可行性。图源企业玻尔智造团队所积累的视觉检测经验，能够在面对不同材质、结构的被检品时，短时间内提出有效的光学整体方案。对于一般方案中的缺陷成像难点，如磨砂面轻微划伤、金属麻点差异成像等，玻尔智造亦有独家技术解决，能够得到清晰、经增强的缺陷图像。基于光学方案得到的清晰影像，玻尔智造检测设备进一步通过AI图像算法对缺陷进行识别。针对部分产品及结构的检测，玻尔智造已与行业龙头客户达成独家量产合作，进一步在实际生产线中积累一手且海量的被检品图像数据库。对于集成了光学方案与软件算法的检测设备整机，玻尔智造采用了模块化设计，包括机械平台、算法平台、光学模块及机械模块。整机设备可根据实际需求对模块进行组合，配合不同产品、厂商的检测要求，以单台设备兼容多款产品检测。部分外观缺陷检测整机设备展示，图源企业面对多面、多材质、多缺陷种类的检测对象，玻尔智造设备能够在2s内完成运动、成像、识别等系列操作，相比30s标准人工工时，时长缩短至1/15。目前，玻尔智造在某龙头客户电源产品检测领域的市占率居于首位，并将拓展更多材质与结构检测，适应更多检测对象的需求。同时，结合客户的全球化布局，玻尔也将进一步开拓印度、越南市场。未来，玻尔智造计划以消费电子行业为根基，依托在中国台湾既有的资源积累，进一步向半导体领域探索，现已能完成10微米级的陶瓷基板检测。玻尔智造新的研发及组装中心将落地上海、诸暨等。玻尔智造团队研发人员占比超60%，CEO&CTO陈志忠为台湾省台湾大学化学所物理化学博士，有20余年集成视觉技术经验，拥有个人发明专利40+，发表SCI 15+，曾作为核心成员带领某台企上市，并曾任某上市工业视觉企业核心研发负责人。团队创始成员曾任职行业内全球五百强企业，具备开拓视觉检测供应商经历，拥有较强先进制造落地经验。投资方观点本轮领投方浩澜资本主管合伙人王曦表示：消费电子行业的缺陷检测，随着某龙头客户体系全面用外观缺陷检测设备取代过去的人力检测，正面临巨大的市场机会。玻尔智造作为该龙头客户战略供应商之一，在巩固消费电子行业头部位置的同时，更向半导体领域进行开拓和探索。公司积累多种材质的海量图像数据库, 更为公司技术的迭代和建立壁垒打下基础。浩澜资本会坚定持续地运用我们在先进制造和半导体行业的产业资源和资本能力，支持坚定自主创新，扎实商业落地的“硬科技”企业进入健康发展的快车道。诸暨经开区作为智能视觉“万亩千亿”新产业平台，全力支持智能视觉产业链科创企业的创新和发展，通过一系列专项政策让人才留得住、让优质项目发展得好。

近日，阿尔法莫斯宣布将在Pittcon2011上推出了“IRIS视觉分析仪”。 已经是气味和味道数字化专家的阿尔法莫斯再次创新：利用新的仪器和电子眼推出视觉分析仪，使得公司扩大了感官分析工具的范围。　　新开发的IRIS视觉分析仪旨在分析复杂的食品和包装产品(例如萨饼、饼干、现成的饭菜、谷类混合物等)。仪器的特点是以类似于人类视觉感知的方式进行工作：首先检测系统(实际是一个CCD相机)分析样品的颜色和形状，再将这些信息送给计算系统，再与标准进行分析比较。　　该分析仪可以用于产品研发和在线质量控制：　　（1）适口性评估复杂的食品或包装产品；　　（2）监测产品的稳定性和保质期(成熟，鲜度)；　　（3）过程监控(烹饪、烘焙、混合等)；　　（4）质量控制和常规批量一致性测试；　　（5）表面均匀性分析；　　（6）分析消费者的视觉喜好。

注塑汽车部件的耐划伤性在保持汽车原有的漂亮外观方面起着非常重要的作用。添加剂可以提高注塑材料的耐划伤性能，而共聚焦显微镜可以快速对添加剂增强耐划伤性的效果进行非常精确的量化分析。Croda International（克罗达国际公司）的研究科学家们使用奥林巴斯的LEXT OLS5000共聚焦显微镜完成了一些标准化划痕检测，以证明其所生产的添加剂在提高耐划伤性方面具有积极的作用。结果表明，这种检测方法不仅可以消除操作人员在技能上的差异，而且还显著提高了检测的精确性和速度。塑料由于具有用途广泛、寿命较长且成本较低的特性，而被用于生产多种汽车部件。聚合物材料在性能上的提高，加上汽车制造业追求更轻便材料的动力，促使汽车制造业中所使用的塑料呈现出更为多样化的发展趋势。汽车上的很多塑料部件都暴露在外，清楚可见，这就意味着这些部件的外观在保持汽车的美观和价值方面起着举足轻重的作用。具有耐划伤性的材料可以减少汽车外观受到磨损的情况，从而有助于汽车在长期使用后仍然保持原有的价值。构成材料的精确成分可以决定材料的耐划伤性能，而对某种特定材料进行的详细检测可以表明其耐划伤性的水平。在克罗达公司完成的划痕检测作为耐划伤性添加剂的供应商，克罗达公司会定期进行划痕检测，以证明他们的添加剂产品对提高塑料性能所起到的积极作用。Martin Read是克罗达公司聚合物添加剂应用团队的领导，也是抗划伤项目的首席科学家。在谈到可检测的材料范围时，Martin解释说：“我们可以检测汽车上的所有材料，从透明材料，如：手势控制装置中使用的材料以及用于隐藏传感器的表面材料，到具有高光泽度的所谓的“钢琴黑”表面。在对这些表面进行清洁和抛光时，非常容易留下细微的划痕。为了证明添加剂可以提高耐划伤性能，研究人员制造了一些由不同成分构成的板子，并使用一种标准化工具，以规定的1–20N力量在板子上留下划痕。Martin说：“在检测之前，要在聚合物板上制造划痕，划痕的两侧各有两行凸起，类似于犁过的田地。” 然后，要对划痕的深度、宽度和轮廓进行测量，通过对不同材料成分的聚合物板进行同类的测量，可以确定不同材料成分在耐划伤性方面的差异。克罗达公司最初的设置是使用宽场材料显微镜测量划痕的宽度，再使用白光干涉仪显示划痕轮廓的方法确定划痕的深度。然而，这种方法极为耗时，特别是因为设置干涉仪和分析其结果的过程非常复杂。此外，在使用干涉测量法时，测量结果还会因操作人员较大的技能差异而有所不同，并会因表面轮廓上出现的伪影而有失准确。为了获得更精确的数据，并加快工作流程，研究人员对奥林巴斯的LEXT OLS5000共聚焦显微镜进行了测试（图3），以确认是否可以通过使用一台仪器测量所有相关的参数。LEXT OLS5000显微镜既可以快速完成扫描，又可以为创建宽范围的3D样品图像提供可量化的详细数据。通过使用LEXT OLS5000显微镜，克罗达公司的研究人员将测量结果的精度提高了一个以上的量级。在评估划痕的深度和轮廓方面，精度的改进表现得最为明显：测量精度接近于10纳米。Martin评论道：“由于LEXT系统可以在3D图像中进行准确的测量，我们只需观察划痕的一个切片图像，即可对划痕的深度进行测量，这种方法简单多了”。使用干涉测量法测量划痕的深度和轮廓所面临的关键性挑战，是聚丙烯等材料的轮廓会显示为尖状凸起的边缘。这些伪影是干涉仪未能探测到表面的结果，而且会影响测量的效果。Martin解释说：“由于聚丙烯材料具有多孔结构，因此干涉仪可能没有探测到表面，而是通过空隙看到了材料的内部。”在使用LEXT显微镜测量相同的样品时，研究人员可以获得划伤表面的更平滑的图像。这种图形可以准确地呈现划痕的轮廓，从而有助于进行精确的测量。在成像、测量和分析的速度方面，LEXT OLS5000显微镜的优势甚至表现得更加明显。克罗达公司的研究人员发现使用LEXT OLS5000显微镜对划痕的宽度和深度进行测量，可以使检测速度高出干涉测量法的10到100倍。“要测量划痕，我们必须尽量对干涉仪进行较为粗糙的设置，”Martin说，“而进行这种设置极为困难。进行一次测量，需要花费约1小时的时间。而使用共聚焦显微镜，我们可以在2分钟内测量和处理塑料表面上的10个划痕。”耐划伤性添加剂可以提升汽车外观的审美性，并确保汽车在更长的时间内保持其自身的价值。在划痕检测中完成的精确测量，可以可靠地验证添加剂对加强注塑部件的耐划伤性所起到的积极作用。克罗达公司最初使用的测量划痕的方法基于光学显微镜和干涉测量法。这个方案不仅非常耗时，而且还会使表面轮廓出现伪影。在购买了奥林巴斯的LEXT OLS5000共聚焦显微镜之后，克罗达公司的研究人员就可以完成比光学显微镜和干涉测量法更精确的测量，而且还可以避免因操作人员在技能水平上的差异而对测量结果产生的影响。他们还设法以快于原先方法10到100倍的速度完成测量，从而可以说明LEXT显微镜不仅可以改善数据质量，还可以提高检测效率。

11月24日，易思维（杭州）科技股份有限公司（以下简称“易思维”）在浙江证监局进行辅导备案，辅导机构为安信证券股份有限公司。官网资料显示，易思维成立于2017年12月，专注于工业智能视觉领域，是一家集机器视觉产品的设计、研发、制造及应用于一体的高新技术企业。易思维的产品应用已覆盖国内200余个主机厂及零部件厂，客户覆盖率达到95%以上；每年主机厂客户新增市场份额占据全国市场的60%以上。在汽车制造领域，易思维构建并形成了面向冲、焊、涂、总四大工艺的一系列标准化产品，成功打破了国外品牌在该领域的长期垄断局面，成为上汽大众、一汽大众、广汽、特斯拉、蔚来等国内绝大多数主流汽车整车厂及零部件工厂的优选供应商。据查，郭寅为易思维董事长兼总经理，直接持有公司13.38%股份；杭州易实思远科技有限公司持有易思维35.08%股份，杭州易实思远科技有限公司由郭寅100%控股。此外，易思维股东还包括天津创业投资管理有限公司董事长、合伙人魏宏锟等。据乐居财经查阅，易思维是由天津大学创业团队创建的校友企业。2016年6月，郭寅创立了易思维（天津）科技有限公司，初创团队的核心技术成员都毕业于天津大学，出自精密测试技术及仪器国家重点实验室。郭寅博士，浙江青田人，2013年博士毕业于天津大学，曾获得教育部技术发明一等奖、天津市科学技术进步特等奖，2022年入选国家“万人计划”科技创业领军人才。

机器视觉与AI的机会近年来，传统科技公司和新创公司竞相将机器视觉与人工智能/机器学习结合，使其能够超越传感器像素数据，从而在各种应用中开创新的机会。这一结合的潜力巨大，相关的新创公司在交通运输、制造业、医疗保健和零售等各个市场中筹集了数十亿美元的资金。然而，要充分实现其潜力，这项技术需要应对许多挑战，包括提高性能和安全性，以及设计灵活性。从根本上讲，机器视觉系统是软件和硬件的结合，可以以数字像素的形式捕捉和处理信息。这些系统可以分析图像，并根据其编程和训练来采取相应的行动。典型的视觉系统包括图像传感器（摄像头和镜头）、图像和视觉处理组件（视觉算法）以及SoCs（片上系统）和网络/通信组件。无论是静态图像还是视频数字相机，都包含图像传感器。汽车感测器（如激光雷达、雷达、超声波）也能以数字像素形式提供图像，尽管分辨率可能不同。尽管大多数人对这些类型的图像都很熟悉，但机器也能够“看见”热和音频信号数据，并分析这些数据以创建多维图像。Synopsys公司的战略市场经理Ron Lowman表示：“在过去几年中，CMOS图像传感器取得了显著的改进。传感器的带宽不再优化用于人类视觉，而是用于提供人工智能的价值。例如，主导视觉传感器接口的MIPI CSI不仅提高了带宽，还增加了智能ROI（Region of Interest）和更高的颜色深度等人工智能功能。虽然这些颜色深度增加对人眼来说无法察觉，但对于机器视觉来说，它可以大大提高服务的价值。”机器视觉系统的基本组成机器视觉系统由软件和硬件组成，其中关键的组件是图像传感器。在过去几年中，CMOS图像传感器取得了显著的改进，这使得传感器的带宽不再仅仅优化于人类视觉，而是为了提供人工智能的价值。MIPI CSI作为主要的视觉传感器接口，不仅增加了带宽，还增加了智能ROI（Smart Region of Interest）和更高的颜色深度等人工智能功能。虽然这些颜色深度的增加对人眼而言无法察觉，但对于机器视觉来说，它可以大大提高服务的价值。除了图像传感器外，机器视觉系统还包括图像和视觉处理组件以及片上系统和网络/通信组件。这些组件协同工作，使机器能够理解和解释图像数据。图像和视觉处理组件包括视觉算法，它们能够分析图像并根据其训练和编程进行相应的处理。此外，片上系统和网络/通信组件则负责数据处理和传输，以实现机器视觉系统的功能。图 1：机器视觉系统包括用于执行图像处理和分析的硬件、软件和芯片。 AI 通常是解决方案的一部分，并且 MV 通常连接到云。 来源：Arcturus 网络机器视觉与计算机视觉的区别机器视觉是计算机视觉的一个子集，两者在很大程度上依赖于对图像数据的观察来推断信息。然而，机器视觉更加强调在工业或工厂环境中的“检测类型”应用。Cadence公司的Tensilica Vision and AI DSPs的产品管理、市场营销和业务拓展总监Amol Borkar指出，机器视觉在感测方面高度依赖摄像头。然而，“摄像头”这个词是个负面词，因为我们通常熟悉的是一个能够产生RGB图像并在可见光谱范围内运作的图像传感器。不过，根据应用的不同，这些传感器可以在红外线下运作，包括短波、中波、长波红外线或热成像等多种变体。最近还引入了对运动非常敏感的事件相机。在装配线上，线扫描相机是与典型的快门相机略有不同的一种变体。当前的汽车、监控和医疗等大多数应用都依赖于这些传感器中的一个或多个，通常结合使用以实现比单个摄像头或传感器更好的感测融合结果。机器视觉的优势机器视觉相较于人类有着更出色的视觉能力，这使得机器视觉在制造业中能够提高生产力和品质，降低生产成本。与自动驾驶辅助系统（ADAS）结合使用时，机器视觉能够接管部分驾驶功能。此外，搭配人工智能，机器视觉能够协助分析医学影像。应用机器视觉的好处包括更高的可靠性和一致性，以及更大的精确度和准确度（取决于摄像头的分辨率）。而且，与人类不同，机器在获得例行维护的前提下不会感到疲劳。视觉系统的数据可以在本地或云端存储，需要时进行实时分析。此外，机器视觉通过检测和筛选出有缺陷的零件，降低生产成本。同时，通过OCR（光学字符识别）和条码扫描读取，提高了库存控制的效率，从而降低整体制造成本。如今，机器视觉通常与人工智能结合使用，大大增强了数据分析的能力。在现代工厂中，自动化设备，包括机器人，与机器视觉和人工智能结合，以提高生产力。机器视觉（MV）和人工智能（AI）是密切相关的领域，它们通常以各种方式进行交互。机器视觉利用摄像头、传感器和其他设备捕捉图像或其他附加数据，然后将其进行处理和分析，以提取有用的信息，而人工智能则使用算法和统计模型来识别模式并基于大量数据进行预测。AI/ML与MV的交互作用这还可以包括深度学习技术。Arteris IP公司的产品市场副总裁Andy Nightingale表示：“深度学习是人工智能的一个子集，它涉及使用大量数据对复杂的神经网络进行训练，以识别模式并进行预测。”机器视觉系统可以使用深度学习算法来提高其在图像或视频中检测和分类对象的能力。机器视觉和人工智能之间的另一种交互方式是通过使用计算机视觉算法。计算机视觉是机器视觉的一个超集，它使用算法和技术从图像和视频中提取信息。人工智能算法可以分析这些信息并预测场景中正在发生的事情。例如，计算机视觉系统可以使用人工智能算法分析交通模式并预测何时某个十字路口可能会拥堵。机器视觉和人工智能还可以在自主系统（如自动驾驶汽车或无人机）中进行交互。在这些应用中，机器视觉系统用于捕捉和处理来自传感器的数据，而人工智能算法则解释这些数据并对环境进行导航等决策。AI/ML在自动驾驶中的应用人工智能在现代车辆中扮演着越来越多的角色，但其中两个主要的角色是感知和决策制定。Siemens Digital Industries Software公司的混合和虚拟系统副总裁David Fritz表示：“感知是通过车辆内部和外部的感测器阵列来理解周围环境的过程。决策制定首先需要理解周围环境的状态和目标，例如向目的地移动。然后，人工智能根据控制方向盘、制动、加速等车辆内部致动器的方式来决定最安全、最有效的路线。”这两个关键角色涉及到非常不同的问题。从摄像头或其他感测器获得的原始数据，AI算法将使用这些数据进行目标检测。一旦检测到目标，感知系统将对目标进行分类，例如该目标是否是汽车、人或动物。训练过程非常冗长，需要大量的训练集来展示不同角度的目标。在训练完成后，AI网络可以加载到数字孪生体或实体车辆中。一旦检测到并分类了目标，另一个训练有素的AI网络可以进行决策，控制方向盘、制动和加速等。使用高保真度的数字孪生体来虚拟验证这个过程已被证明比纯粹使用实地测试更安全、更有效。开发人员经常问到需要多少AI/ML。在现代工厂的情况下，机器视觉可以仅用于在装配线上检测和筛选出有缺陷的零件，或者用于组装汽车等工序。后者需要更高级的智能和更复杂的设计，以确保装配过程中的时机、精确度、运动和距离的计算等。Flex Logix公司的首席执行官Geoff Tate观察到：“机器视觉和机器人在现代工厂中提高了生产力，许多应用中使用了人工智能。一个简单的应用，例如检测标签是否正确贴上，不需要太多智能。另一方面，进行复杂、精密的三维运动的机器人手臂需要更多的GPU算力。在第一个应用中，一个AI IP的核心将足够，而在第二个应用中可能需要多个核心。拥有灵活且可扩展的AI IP将使机器视觉和机器人的设计更加容易。机器视觉的应用机器视觉的应用几乎没有限制，只受想象力的限制。只要需要视觉和图像处理的工业和商业领域，机器视觉都可以应用其中。以下是部分应用领域的例子：交通领域（自动驾驶、车内监控、交通流量分析、违规行为和事故检测）；制造和自动化领域（生产力分析、质量管理）；监控领域（运动和入侵检测）；医疗领域（影像学、癌症和肿瘤检测、细胞分类）；农业领域（农场自动化、植物病害和昆虫检测）；零售领域（顾客追踪、货架缺货检测、盗窃检测）；保险领域（通过图像进行事故现场分析）。还有许多其他应用。以饮用水或软饮料瓶装为例。机器视觉系统可以用于检查填充水平，这通常由高效的机器人完成。但是机器人偶尔会犯错。机器视觉可以确保填充水平一致，并确保标签正确贴上。检测任何偏离测量规范限制的机器零部件也是机器视觉的一项工作。一旦机器视觉根据规范进行了训练，它可以检测出超出规范限制的零部件。机器视觉可以检测均匀的形状，如正方形或圆形，以及奇形怪状的零部件，因此它可以用于识别、检测、测量、计数，并与机器人一起进行抓取和放置。最后，通过结合人工智能，机器视觉可以实现轮胎组装的精确和高效。如今，原始设备制造商（OEM）使用机器人自动化车辆组装的过程之一是安装四个轮胎。利用机器视觉，机器人手臂可以检测正确的距离，并施加适当的压力，以防止任何损坏的发生。机器视觉的类型机器视觉技术根据处理的图像维度可以分为一维（1D）、二维（2D）和三维（3D）。这些不同的类型在应用中具有各自的特点和优势。一维机器视觉系统主要用于条形码和二维码的识别和读取。它们通常使用扫描设备，按行扫描产品上的条形码或二维码，并从中提取信息。这种技术被广泛应用于零售行业、物流和运输领域，以实现快速且准确的产品识别和追踪。二维机器视觉系统可以用于更复杂的图像处理任务。它们使用摄像头逐行扫描物体，形成一个区域或二维图像。这种技术可以应用于图像分类、目标检测、人脸识别等各种任务。在工业自动化中，二维机器视觉系统可以用于检测和验证产品的外观特征，确保产品符合设计和质量要求。三维机器视觉系统通常使用多个摄像头或激光传感器来捕捉物体的三维形状和结构。这种技术可以实现对物体的精确定位和测量，对于需要进行三维分析和处理的应用非常重要。例如，在机器人导航和自动化领域，三维机器视觉系统可以用于对环境进行三维建模和障碍物检测，实现更精确和安全的运动控制。除了以上提到的类型，还有其他形式的机器视觉技术，如超光谱影像和热像仪等。超光谱影像可以捕捉物体的不同光谱特征，拥有更丰富的信息，广泛应用于农业、食品安全和医疗诊断等领域。热像仪则可以检测物体的热能分布，用于温度监测、火灾检测等应用。每种机器视觉类型都有其特定的应用场景和优势。根据不同的需求，选择适合的机器视觉类型可以提高系统的性能和效果，实现更准确、高效和可靠的图像处理和分析。MV设计的挑战训练机器视觉系统仍然存在一些挑战。MV的准确性和性能取决于其训练程度，因此需要大量的标注数据和强大的计算能力。MV设计所面临的挑战包括：首先，检测的范围可能涵盖方位、表面变化、污染程度以及直径、厚度和间隙等精度容限。当检测到化妆品和服务变化效应时，3D系统通常比1D或2D系统表现更好。然而，在遇到不寻常的情况时，人类可以借助其他领域的知识，而机器视觉和人工智能可能无法具备这种能力。其次，数据流管理和控制是当今的关键挑战之一，特别是在具有实时延迟要求（例如汽车应用）的情况下，同时需要保持带宽的最小化。在基于摄像头的系统中，图像质量（IQ）至关重要。这要求硬件设计支持超宽动态范围和局部色调映射，同时还需要进行IQ调整，传统上需要由人类专家进行主观评估，使得开发过程冗长且成本高昂。然而，对于机器视觉而言，这种专业知识可能不一定能获得最佳系统性能，因为感知引擎可能会根据任务的不同而更喜欢以不同于人类和其他机器之间的方式看待图像。此外，确保机器视觉的安全性也是一个重要问题。随着网络攻击不断增加，确保产能不受干扰或遭受来自威胁行为者的干扰至关重要。尤其在关键应用中，如自动驾驶等，保证机器视觉的安全性至关重要。"安全对于确保机器视觉技术的输出不受破坏至关重要，" Arm的Zyazin表示。"汽车应用是展示硬件和软件安全性重要性的一个很好的例子。例如，从机器中处理和提取的信息会影响到制动或车道保持辅助等决策，如果处理不当，可能对车辆内部的乘客构成风险。"总结来说，训练机器视觉系统的过程面临着一些挑战。为了提高准确性和性能，需要丰富的标注数据和强大的计算能力。同时，确保机器视觉的安全性也是一个重要问题，特别是在关键应用如自动驾驶中。这些挑战需要在系统设计和实施中得到充分考虑，以实现可靠和高效的机器视觉应用。新兴的MV创业公司和创新新兴的机器视觉（MV）创业公司和创新技术正推动着机器视觉的应用和发展。像是Airobotics、Arcturus Networks、Deep Vision AI、Hawk-Eye Innovations、Instrumental、lending AI、kinara、Mech-Mind、Megvii、NAUTO、SenseTime、Tractable、ViSenze、Viso等公司，正在开发新的机器视觉解决方案，其中一些已成功筹集了超过10亿美元的资金。在运输领域，保险公司可以利用机器视觉来分析事故场景的照片和视频，进行财务损害评估。基于人工智能的机器视觉还可以用于安全平台，分析驾驶行为，提升道路安全性。在软件领域，创业公司正在开发无需编程知识的计算机视觉平台，使更多人能够使用机器视觉技术。机器视觉身份验证软件也是市场上的一个创新解决方案。体育产业也在探索人工智能、视觉和数据分析的潜力，以向教练提供有关选手在比赛中的决策过程的洞察。此外，有一家创业公司通过将人工智能和机器视觉结合到无人机设计中，提出了一种节省成本的监视方案。机器视觉和人工智能都在快速发展，其性能，包括准确度和精确度，不断提高。高性能GPU和机器学习能力的成本也有望降低，推动新的机器视觉应用的应用。Arteris公司的Nightingale表示，随着硬件（如传感器、摄像头和处理器）的进步以及算法和机器学习模型的改进，机器视觉系统的准确性和速度将得到进一步提高。深度学习算法尤其在近年来推动机器视觉技术的进步方面发挥了重要作用，并有望在未来扮演更重要的角色。这些算法能够自动学习数据的特征和模式，从而提高准确性和性能。机器视觉系统将具有更强大的能力，能够快速而准确地处理和分析大量的数据，从而开展更为复杂和智能的应用。此外，预计机器视觉和人工智能将与其他技术相结合，提供更多高性能、实时的应用。Nightingale指出，机器视觉技术已经与机器人技术和自动化等其他技术整合，这一趋势有望持续发展，我们可能会看到更多机器视觉在医疗保健、交通和安全等领域的应用。此外，对于需要实时处理的应用，机器视觉技术已经被广泛应用，例如人脸识别和物体追踪。未来，我们可能会看到更多需要实时处理的应用，例如自动驾驶汽车和无人机。结论机器视觉（MV）的设计涉及芯片（处理器、存储器、安全芯片）、IP核、模块、固件、硬件和软件的结合。芯片组件和多芯片封装的推出将使这些系统能够更容易、更快速地进行组合，添加新功能，提高系统的整体效率和能力。Winbond的DRAM经理Tetsu Ho表示：“已知良好晶片（KGD）解决方案可以提供成本和空间效率高于有限接触点和线材的封装产品的替代方案。”这有助于提高设计效率，提供增强的硬件安全性能，特别是产品上市的时间。这些晶片经过100%热激测试，测试程度与离散部件相同。需要KGD 2.0来确保2.5D/3D组件和2.5D/3D多芯片设备的末端良率，以实现带宽性能、功耗效率和面积等PPA的改进，这是由边缘计算和人工智能等技术爆炸所推动的迷你化趋势。这将为机器视觉在新旧市场中开拓新的选择。它将用于在自动驾驶中协助人类，帮助机器在制造业中实现精确高效，并通过无人机进行监控。此外，机器视觉将能够探索对人类而言危险的地方，并为保险、体育、交通、国防、医疗等众多领域提供数据输入和分析。随着技术的不断发展和应用的扩大，机器视觉将继续成为推动自动化、智能化和数字化革新的关键技术之一。机器视觉系统的进一步提升和创新将为我们的生活和工作带来更多的便利和效益。无论是在工业生产、医疗保健、交通运输还是其他领域，机器视觉的应用都将继续拓展，为未来的科技发展带来更多的可能性。

即使专家也可能被黑色素瘤愚弄。患有这种类型皮肤癌的人通常看起来像皮肤上长有痣，形状和颜色上往往是不规则的，并且很难与良性的区别开，使得该疾病难以诊断。现在，洛克菲勒大学的研究人员开发了一种自动化技术，将成像与数字分析和机器学习相结合，帮助医生在早期检测黑素瘤。“皮肤科领域真正需要标准化如何评估黑素瘤，”Martin Carter的临床调查和调查皮肤病实验室主任James Carl教授说：“通过筛查检测可以挽救生命，但在视觉上非常具有挑战性，即使当可疑病变被提取和活检时，也只有约10％被证实是黑素瘤。”在新方法中，病变图像由提取的关于颜色和数量的信息的一系列计算机程序和其他定量数据处理。该分析产生总体风险评分，称为Q评分，其指示癌症的可能性。该研究发表在实验皮肤病学中，最近一项评估研究表明，Q评分敏感性为98％，这意味着它很可能正确地识别皮肤上的早期黑素瘤。测试正确诊断正常痣的能力为36％，接近由专家皮肤科医生在显微镜下进行可疑痣的视觉检查所达到的水平。第一作者克鲁格实验室的临床调查报告和教师，丹尼尔加雷（Daniel Gareau）说：“Q评分在预测黑色素瘤方面的成功是对竞争技术的显著改进。”研究人员通过将60张癌症黑素瘤照片和等量的良性生长的照片提供给图像处理程序来开发这种工具。他们开发了成像生物标志物来精确量化视觉特征。使用计算方法，他们产生了一组定量度量，这在两组图像之间不同，并给予每个生物标志物恶性评级。通过组合来自每个生物标志物的数据，他们计算每个图像的总Q分数，在0和1之间，其中较大数字表示癌性的概率较高。如先前研究所示，病变中的颜色证明是确定恶性肿瘤的最重要的生物标志物。而且一些生物标志物只有在特定颜色通道中观察时才是正确的 - 研究人员说这些发现可能被利用来鉴定其他生物标志物并进一步提高准确性。“我认为这种技术可以帮助早期检测疾病，这可以挽救生命，并避免不必要的活检，”Gareau说：“我们接下来的步骤是在更大的研究中评估这种方法，并进一步看看我们如何使用特定的颜色波长来揭示可能人眼不可见但仍可用于诊断的病变。”

引言随着我国工业持续发展，工业主导地位不断提高，我国的工业生产结构产业结构从劳动密集型逐渐转向技术、知识密集型，产业发展的动能也逐渐从要素驱动转向效率驱动和创新驱动。与此同时，随着5G网络时代的到来，人民的生产生活将愈来愈智能化。为建设现代化强国，提高工业生产的作业效率和经济效益，实现国家经济增长再创新的高度。我国工业生产的智能化水平仍然是工业领域的一个重要的研究点，未来工业智能化的发展尤为重要。近年来，随着工业智能化的迅速发展，具有便捷性、精确性、迅速性、智能化等优点的机器视觉技术被广泛应用于工业生产各领域，其作为一种现代化检测手段，越来越受到人们的重视。机器视觉技术涉及计算机科学、人工智能、信号处理、图像处理、机器学习、光学、自动化等多个领域。机器视觉通过光学设备和传感器获取到目标物体的图像信息，然后将图像信息转化成数字化信息，进而通过计算机分析数据显示在电子屏幕上或者通过控制单元指导机器完成任务。机器视觉偏重于信息技术工程化和自动化，但又构建在计算机技术视觉效果方法论的基础上，它的重点是感知目标物体的位置信息、大小形态、颜色信息及存在状态等数据信息。本文主要通过论述机器视觉技术在工业生产智能化中的应用，分析机器视觉的优点及现如今存在的问题，并针对问题提出解决性的方法，进而剖析机器视觉技术在工业智能化生产上的发展趋势及方向，期望能为现代化的智能工业生产的发展提供借鉴。1 机器视觉的研究与发展机器视觉的概念始于20世纪50年代，最先应用于“机器人”的研制。通过机器视觉传感器采集图像信息并处理，进而通过计算估计下一步的位置来控制机器人运动。20世纪50年代：机器视觉的研究主要集中在二维图像的简单分析和识别上，像字符，工件、图片的分析和处理等，多用于航天、工业的制造与研究。20世纪60年代：利用计算机程序从数字图像中提取出诸如立方体、楔形体、棱柱体等多面体的三维结构，提出基于机器视觉的多面体零件特征提取技术，进而为识别三维物体和三维计算机视觉研究打下坚实的基础。20世纪70年代：这个时期才有人首次提出较为完整的机器视觉理论，也陆续出现了一些视觉应用系统．简单的视觉应用系统小部分的代替人工生产，让工业生产逐步向自动化方向发展。20世纪80年代：机器视觉技术在这个时期获得蓬勃发展，随着一些新概念、新方法、新理论的不断涌现。机器视觉技术也不断和其他技术相结合，产生新的生产方式应用于工业生产中，机器视觉也逐渐被人们熟知和应用，使其工业生产中掀起新的生产浪潮。20世纪90年代：机器视觉技术开始应用于零部件的装配。同时，这一时期有人提出将机器视觉和神经网络技术相结合，实现了对机械零件表面粗糙度的非接触测量。这一技术的实现让众多机械零件表面的检测得到了应用，代替了人工检测，提高了工业生产效率，让众多工人的双手和双眼从工厂生产中解放出来。21世纪：现如今，机器视觉的发展已相对成熟，很多企业借助机器视觉的优点将其大量应用于工业生产中。现如今的时代是智能化的时代，现代工厂的生产也不断追求自动化以及机械化，倡导将传统的人工生产解放出来，越来越多的产业已经在工业生产智能化方面做的相当出色。机器视觉技术作为工业智能化生产中的关键技术，也不断的被人们改进。由此可见，机器视觉技术一步步地发展到现阶段，已经相对成熟，并且在各个领域都大规模是使用，尤其在工业领域发挥了至关重要的作用。但是国内的机器视觉技术相对起步较晚，相比国外还有一定的差距，还需要在技术、算法等方面努力跟进。2 机器视觉在工业机器人中的应用工业机器人是现代科技的主要代表技术，工业机器人以其方便精确，省时省力，而被广泛应用于家电、电子、服装、汽车、食品、等行业。随着现代科技的高速发展，高标准、高效率已经成为众多企业追求的目标，在这种发展背景下，工业机器人应运而生。其中让笔者印象深刻的就是京东自动化机器人仓库，硕大的仓库里面成千上万的机器人不停地在货架之间来回运动，将物品分类、投放、运输。在工业机器人领域中机器视觉具有如下功能。（1）定位和控制。现代工厂生产要求机器视觉系统能够快速，准确地找到目标物并确认其位置。然后使用机器视觉进行定位，并引导机械手臂去准确地抓取。（2）识别。主要利用机器视觉获取图像，然后对图像进行处理、分析和理解，以识别各种状态的目标和对象，用于跟踪和收集数据。一般的机器识别系统借助照相机完成。（3）检测。检测生产线上产品的质量，这也是取代人工最多的环节。在工业领域，主要检查包括尺寸大小检测，瓶子外观缺陷检测，瓶口缺陷检测，残次品检测等。（4）高精度检查。在工业生产中，一些精密的电子设备零件需要较高的精度，例如计算机、手机上高度集成的电子电路板，有些可达到精度0.01mm甚至μm级，人眼无法识别这些小的元器件，因此必须使用机器来完成。（5）分拣与搬运。现代工业生产与运转过程中，不可避免都会有一些分拣的工作，而传统利用人力进行分拣工作的方式存在较大局限，但视觉机器人的应用可以极大地提高工业生产的效率及工作精确度，进而解放了人们的双手。机器视觉系技术在机器人的应用中起到一个核心内容的作用。机器视觉中最关键的一项就是：怎样让机器人对运动目标物进行准确识别。视觉系统技术可以解决这一难题，加入视觉系统技术，可以使机器人对目标物进行实时的运动跟踪与检测，进而准确的确定目标物的位置与方向，确保机器人对其的准确定位。机器人视觉系统的工作主要分为4个部分：相机定位、图像分析与处理、目标物状态识别及机器人的动作操控。先利用相机定位对目标物建立运动坐标系，获取物体坐标；然后将获取的目标物分图像进行分析和处理；状态识别以图像分析为基础，对目标物的状态进行分析和处理，从而根据图像处理与分析的结果操控机器人的动作行为。工业机器人的使用是现代工业相对于传统工业的伟大进步与发展，其解决了传统工业成本高、效率低、耗时长等缺点，将人们双手解放出来，让现代化的工业生产更加自动化、智能化。3 机器视觉在工业控制领域的应用现代化的工业生产大多倾向机械一体化，例如，薯片的生产，从土豆的清洗，到最后薯片的装袋、封口，都不需要人为参与。当然有的人要说这样生产出来的东西没有人情味，但是我想说机械一体化的生产方式或许将是未来所有工业生产的大趋所示，其优点不在赘述。那么，怎么才能控制机械化生产呢？这就要用到机器视觉技术来控制机器生产。机器视觉控制器，因其具备出色的处理能力，可在10s以内高速完成最多128个点的检测，强大的处理能力可以直接影响可运行的算法以及视觉系统做出决策的速度。为了减少图像处理的时间，一些工厂现在使用同构处理来运行视觉算法。另外，现在的一些机器视觉控制器还具有用于网络连接的专用以太网端口以及用于连接外部数据存储器的端口。通过工厂连接功能，工作人员可以实现在办公室检测产品生产，查看图像，还可以实时回放，极大的方便了工厂的生产。这种直接进行工业一体化生产的方式在慢慢的取代传统生产方式，相信在未来的工业发展中，一大部分工厂将利用机器视觉控制实现工厂一体化生产。4 机器视觉在工业质量检测中的应用在现代化工业生产过程中，目标检测多种多样，市场需求相对较大。比如，检测机械零件大小是否达标、辨别条形码或包装条码、测试商品的外表缺陷、瓶口缺陷、打印缺陷等等。这些应用均需大批量测试，并且都是高精度的测试，人眼识别在这些检测中处于劣势，如果仅仅通过人工，耗时可想而知。在啤酒瓶的生产过程中，瓶子大小以及外观是否有缺陷等这些都需要经过质量检测。一些工厂一天就会生产成千上万的啤酒瓶，如果都利用人工来处理，是让人无法胜任的。而且一般人眼一直盯着同样的物体检测，时间长了，会造成视觉疲劳，进而导致残次品率高，工作效率低下。不仅如此，一些工厂还要花费大量成本聘请人力检测，这种落后的生产方式已经不再适合现代化生产。利用机器视觉技术可以有效的解决这一问题，用机器检测代替了传统的人工，大批量检测可以快速完成，加快了工厂的产品生产速度；另外，减少了工厂的生产成本，提高了产品的生产效率。机器视觉技术的应用，使工业生产不在受限于人眼识别的缺陷，提高了工业检测的精度和效率，使工业生产更加的自动化和智能化。5 机器视觉中的关键技术通俗来说，机器视觉的作用是代替了人眼来做测量和判断，机器视觉系统利用照相机和照明设备获取图像信息，然后传送给图像处理系统，图像处理系统将图片进行颜色、亮度处理，然后将图像信息转换成数字信号，最后通过计算机进行处理、分析。机器视觉中的两大关键技术：图像采集和图像分析与处理。（1）图像采集图像的获取是机器视觉技术中至关重要的一步，他是后续图像处理的保障。利用摄像头进行图像捕捉，摄像头的选择因功能而异；有时，图像的质量优劣还与光线强度有关，因此，会添加照明功能辅助图像采集。图像采集工作涉及到图像传感器的使用，一般灵敏度高、像素大、动态范围大、功耗低的图像传感器较受人们欢迎。目前市场上普遍使用的传感器是CCD，其灵敏度高、读取噪声低，因此在图像传感器占据一定的市场。日常生活中常见的图像采集有数码相机、手机、各式各样的摄像头、多媒体等，图像采集的速度、质量直接影响到后面图像的处理以及机器的控制。（2）图像分析与处理图像分析一般利用数学模型对图像的色彩、透明度、色差进行分析，进而提取出有用的图像信息。主要包括图像信息识别与读取、图像的存储、图像数据变换、图像分割、模型匹配以及解释。图像分析步骤如图1所示。图1 图像分析步骤对于分析好的图像信息，下一步就需要进行处理。一般的图像处理方法是数字处理，主要技术和方法包括去噪、增强、复原、提取特征等。图像处理所需的硬件有数字图像采集器以及图像处理计算机，主要的图像处理操作，还是要通过图像处理软件来完成。涉及的算法有傅里叶变换、正余弦变换、沃尔什变换，微分计算、滤波处理等。图像是机器获取和信息交流的主要来源。通过图像的获取、分析与处理，将外界信息转化成可供计算机分析的数字信号，进而通过分析系统传输给控制系统，发出下一条动作的指令，控制机器完成任务。6 机器视觉技术在工业应用中的发展趋势机器视觉技术的优点：可以利用机器进行非接触测量，可以利用机器实现在人无法工作和到达的区域完成对目标物的检测；机器比人眼对光更加敏感，可检测人眼看不见的红外及微弱光检测测量，解决了人眼的缺陷，扩大了人眼的视觉范围；机器不会产生疲劳，可以长时间的稳定工作，机器视觉可以进行长时间工作、分析、处理与操纵；利用了机器视觉解决方案，可以节省大量劳动力资源，有效降低企业生产成本，为现代化工业生产带来可观利益。现在科技技术发展较迅速，机器视觉技术的应用也相对成熟，但是还是存在诸多问题：当工业生产车间现场的噪声很大时，机器视觉系统往往会受到干扰，会造成设备灵敏度的降低或设备的损坏；另外工业生产现场有的处于高温，有的处于低温，这就要求机器设备要有一定的抗干扰能力和稳定性。图像的采集有时还会受光照强度的影响，当光线昏暗时，就会影响目标物图像的提取、识别及分析，进而有可能造成生产产品次品率上升，影响生产的精度及效率。如何解决这些问题并提高机器性能，进行有效的图像识别，使机器视觉技术在工业智能化生产中得到高效的利用，是当下研究的关键。（1）研发出高效率的图像处理软件和硬件。图像采集部分的快慢主要依赖于硬件的速度，高质量的硬件可有效减轻主机的负担，提高系统的对图像的分辨效率、采集效率、图像处理的速度及处理分析效率。高质量的软件也尤为重要，质量高的软件可以让机器的命令执行速度更加高速有效。（2）开发适用性强、高效、稳定、实时的智能算法。智能、高效、稳定化的智能算法可有效提高系统的分析处理速度，并且改善复杂环境下系统抗干扰能力较差的缺点，使系统有较强的即时性、鲁棒性、稳定性、抗干扰性以及环境适应性。7 结语由此可见，机器视觉技术在工业制造有着广泛的需求，在工业领域有着较大的发展空间。机器视觉技术的利用可有效的降低生产成本，节约劳动力，提高生产效率，降低产品次品率；另外，还可以实现非接触测量。机器视觉技术的优点如此之多，因此，对制造业领域智能化的发展也具有较大的影响。但是，现在的机器视觉技术还有待提高，许多技术难题还亟待解决，当下任务应着力解决机器视觉技术在工业生产上的智能化、自动化应用，以便以后全面投入工业领域生产，进而为我国的现代化强国建设做出贡献。本文作者：北京信息科技大学信息与通信工程学院 孙郑芬 吴韶波

广州光信科技有限公司（简称：光信科技）近日获千万元人民币天使轮融资，由启高资本独家投资，永攀创投担任财务顾问。本轮投资的资金将主要用于光谱视觉关键技术的研发、产品更新迭代、行业应用场景落地及市场推广等。光信科技致力于光谱及成像多维度物理数据的快速获取与处理，借助自主研发的高性能光谱相机、模型算法、系统软件平台等系列产品，推进高光谱智能快检技术在食药材品质与安全、工业自动检测、智慧农业、环境智能监测等领域的轻量级、便捷化的应用。启高资本主管合伙人尹明表示：“ 未来智能感知的发展趋势是实时、在线、微型化，光信科技的光谱成像技术在此基础上还能将硬件成本大幅度降低，将光谱成像技术从科研和实验室领域带出来，真正运用在农业食品、环境监测、工业检测等场景中，具有重大意义。启高资本非常看好光信团队将光谱视觉与人工智能以及芯片技术的结合，以及光信团队将先验数据、模型扩展到实际场景的能力，启高资本将携手光信科技推进光谱成像技术在各领域的落地。”

摘要晶圆表面缺陷检测在半导体制造中对控制产品质量起着重要作用，已成为计算机视觉领域的研究热点。然而，现有综述文献中对晶圆缺陷检测方法的归纳和总结不够透彻，缺乏对各种技术优缺点的客观分析和评价，不利于该研究领域的发展。本文系统分析了近年来国内外学者在晶圆表面缺陷检测领域的研究进展。首先，介绍了晶圆表面缺陷模式的分类及其成因。根据特征提取方法的不同，目前主流的方法分为三类：基于图像信号处理的方法、基于机器学习的方法和基于深度学习的方法。此外，还简要介绍了代表性算法的核心思想。然后，对每种方法的创新性进行了比较分析，并讨论了它们的局限性。最后，总结了当前晶圆表面缺陷检测任务中存在的问题和挑战，以及该领域未来的研究趋势以及新的研究思路。1.引言硅晶圆用于制造半导体芯片。所需的图案是通过光刻等工艺在晶圆上形成的，是半导体芯片制造过程中非常重要的载体。在制造过程中，由于环境和工艺参数等因素的影响，晶圆表面会产生缺陷，从而影响晶圆生产的良率。晶圆表面缺陷的准确检测，可以加速制造过程中异常故障的识别以及制造工艺的调整，提高生产效率，降低废品率。晶圆表面缺陷的早期检测往往由经验丰富的检测人员手动进行，存在效率低、精度差、成本高、主观性强等问题，不足以满足现代工业化产品的要求。目前，基于机器视觉的缺陷检测方法[1]在晶圆检测领域已经取代了人工检测。传统的基于机器视觉的缺陷检测方法往往采用手动特征提取，效率低下。基于计算机视觉的检测方法[2]的出现，特别是卷积神经网络等神经网络的出现，解决了数据预处理、特征表示和提取以及模型学习策略的局限性。神经网络以其高效率、高精度、低成本、客观性强等特点，迅速发展，在半导体晶圆表面缺陷检测领域得到广泛应用。近年来，随着智能终端和无线通信设施等电子集成电路的发展，以及摩尔定律的推广，在全球对芯片的需求增加的同时，光刻工艺的精度也有所提高。随着技术的进步，工艺精度已达到10纳米以下[5]。因此，对每个工艺步骤的良率提出了更高的要求，对晶圆制造中的缺陷检测技术提出了更大的挑战。本文主要总结了晶圆表面缺陷检测算法的相关研究，包括传统的图像处理、机器学习和深度学习。根据算法的特点，对相关文献进行了总结和整理，对晶圆缺陷检测领域面临的问题和挑战进行了展望和未来发展。本文旨在帮助快速了解晶圆表面缺陷检测领域的相关方法和技能。2. 晶圆表面缺陷模式在实际生产中，晶圆上的缺陷种类繁多，形状不均匀，增加了晶圆缺陷检测的难度。在晶圆缺陷的类型中，无图案晶圆缺陷和图案化晶圆缺陷是晶圆缺陷的两种主要形式。这两类缺陷是芯片故障的主要原因。无图案晶圆缺陷多发生在晶圆生产的预光刻阶段，即由机器故障引起的晶圆缺陷。划痕缺陷如图1a所示，颗粒污染缺陷如图1b所示。图案化晶圆缺陷多见于晶圆生产的中间工序。曝光时间、显影时间和烘烤后时间不当会导致光刻线条出现缺陷。螺旋激励线圈和叉形电极的微纳制造过程中晶圆表面产生的缺陷如图2所示。开路缺陷如图2 a所示，短路缺陷如图2 b所示，线路污染缺陷如图2 c所示，咬合缺陷如图2d所示。图1.（a）无图案晶圆的划痕缺陷；（b）无图案晶圆中的颗粒污染。图2.（a）开路缺陷，（b）短路缺陷，（c）线路污染，以及（d）图案化晶圆缺陷图中的咬合缺陷。由于上述晶圆缺陷的存在，在对晶圆上所有芯片进行功能完整性测试时，可能会发生芯片故障。芯片工程师用不同的颜色标记测试结果，以区分芯片的位置。在不同操作过程的影响下，晶圆上会产生相应的特定空间图案。晶圆图像数据，即晶圆图，由此生成。正如Hansen等在1997年指出的那样，缺陷芯片通常具有聚集现象或表现出一些系统模式，而这种缺陷模式通常包含有关工艺条件的必要信息。晶圆图不仅可以反映芯片的完整性，还可以准确描述缺陷数据对应的空间位置信息。晶圆图可能在整个晶圆上表现出空间依赖性，芯片工程师通常可以追踪缺陷的原因并根据缺陷类型解决问题。Mirza等将晶圆图缺陷模式分为一般类型和局部类型，即全局随机缺陷和局部缺陷。晶圆图缺陷模式图如图3所示，局部缺陷如图3 a所示，全局随机缺陷如图3b所示。全局随机缺陷是由不确定因素产生的，不确定因素是没有特定聚类现象的不可控因素，例如环境中的灰尘颗粒。只有通过长期的渐进式改进或昂贵的设备大修计划，才能减少全局随机缺陷。局部缺陷是系统固有的，在晶圆生产过程中受到可控因素的影响，如工艺参数、设备问题和操作不当。它们反复出现在晶圆上，并表现出一定程度的聚集。识别和分类局部缺陷，定位设备异常和不适当的工艺参数，对提高晶圆生产良率起着至关重要的作用。图3.（a）局部缺陷模式（b）全局缺陷模式。对于面积大、特征尺寸小、密度低、集成度低的晶圆图案，可以用电子显微镜观察光刻路径，并可直接进行痕量检测。随着芯片电路集成度的显著提高，进行芯片级检测变得越来越困难。这是因为随着集成度的提高，芯片上的元件变得更小、更复杂、更密集，从而导致更多的潜在缺陷。这些缺陷很难通过常规的检测方法进行检测和修复，需要更复杂、更先进的检测技术和工具。晶圆图研究是晶圆缺陷检测的热点。天津大学刘凤珍研究了光刻设备异常引起的晶圆图缺陷。针对晶圆实际生产过程中的缺陷，我们通过设备实验对光刻胶、晶圆粉尘颗粒、晶圆环、划痕、球形、线性等缺陷进行了深入研究，旨在找到缺陷原因，提高生产率。为了确定晶圆模式失效的原因，吴明菊等人从实际制造中收集了811,457张真实晶圆图，创建了WM-811K晶圆图数据集，这是目前应用最广泛的晶圆图。半导体领域专家为该数据集中大约 20% 的晶圆图谱注释了八种缺陷模式类型。八种类型的晶圆图缺陷模式如图4所示。本综述中引用的大多数文章都基于该数据集进行了测试。图4.八种类型的晶圆映射缺陷模式类型：（a）中心、（b）甜甜圈、（c）边缘位置、（d）边缘环、（e）局部、（f）接近满、（g）随机和（h）划痕。3. 基于图像信号处理的晶圆表面缺陷检测图像信号处理是将图像信号转换为数字信号，再通过计算机技术进行处理，实现图像变换、增强和检测。晶圆检测领域常用的有小波变换（WT）、空间滤波（spatial filtering）和模板匹配（template matching）。本节主要介绍这三种算法在晶圆表面缺陷检测中的应用。图像处理算法的比较如表1所示。表 1.图像处理算法的比较。模型算法创新局限小波变换 图像可以分解为多种分辨率，并呈现为具有不同空间频率的局部子图像。防谷物。阈值的选择依赖性很强，适应性差。空间滤波基于空间卷积，去除高频噪声，进行边缘增强。性能取决于阈值参数。模板匹配模板匹配算法抗噪能力强，计算速度快。对特征对象大小敏感。3.1. 小波变换小波变换（WT）是一种信号时频分析和处理技术。首先，通过滤波器将图像信号分解为不同的频率子带，进行小波分解 然后，通过计算小波系数的平均值、标准差或其他统计度量，分析每个系数以检测任何异常或缺陷。异常或缺陷可能表现为小波系数的突然变化或异常值。根据分析结果，使用预定义的阈值来确定信号中的缺陷和异常，并通过识别缺陷所在的时间和频率子带来确定缺陷的位置。小波分解原理图如图5所示，其中L表示低频信息，H表示高频信息。每次对图像进行分解时，图像都会分解为四个频段：LL、LH、HL 和 HH。下层分解重复上层LL带上的分解。小波变换在晶圆缺陷特征的边界处理和多尺度边缘检测中具有良好的性能。图5.小波分解示意图。Yeh等提出了一种基于二维小波变换（2DWT）的方法，该方法通过修正小波变换模量（WTMS）计算尺度系数之间的比值，用于晶圆缺陷像素的定位。通过选择合适的小波基和支撑长度，可以使用少量测试数据实现晶圆缺陷的准确检测。图像预处理阶段耗费大量时间，严重影响检测速度。Wen-Ren Yang等提出了一种基于短时离散小波变换的晶圆微裂纹在线检测系统。无需对晶圆图像进行预处理。通过向晶圆表面发射连续脉冲激光束，通过空间探针阵列采集反射信号，并通过离散小波变换进行分析，以确定微裂纹的反射特性。在加工的情况下，也可以对微裂纹有更好的检测效果。多晶太阳能硅片表面存在大量随机晶片颗粒，导致晶圆传感图像纹理不均匀。针对这一问题，Kim Y等提出了一种基于小波变换的表面检测方法，用于检测太阳能硅片缺陷。为了更好地区分缺陷边缘和晶粒边缘，使用两个连续分解层次的小波细节子图的能量差作为权重，以增强每个分解层次中提出的判别特征。实验结果表明，该方法对指纹和污渍有较好的检测效果，但对边缘锋利的严重微裂纹缺陷无效，不能适用于所有缺陷。3.2. 空间过滤空间滤波是一种成熟的图像增强技术，它是通过直接对灰度值施加空间卷积来实现的。图像处理中的主要作用是图像去噪，分为平滑滤镜和锐化滤镜，广泛应用于缺陷检测领域。图6显示了图像中中值滤波器和均值滤波器在增加噪声后的去噪效果。图6.滤波去噪效果图：（a）原始图像，（b）中值滤波去噪，（c）均值滤光片去噪。Ohshige等提出了一种基于空间频率滤波技术的表面缺陷检测系统。该方法可以有效地检测晶圆上的亚微米缺陷或异物颗粒。晶圆制造中随机缺陷的影响。C.H. Wang提出了一种基于空间滤波、熵模糊c均值和谱聚类的晶圆缺陷检测方法，该方法利用空间滤波对缺陷区域进行去噪和提取，通过熵模糊c均值和谱聚类获得缺陷区域。结合均值和谱聚类的混合算法用于缺陷分类。它解决了传统统计方法无法提取具有有意义的分类的缺陷模式的问题。针对晶圆中的成簇缺陷，Chen SH等开发了一种基于中值滤波和聚类方法的软件工具，所提算法有效地检测了缺陷成簇。通常，空间过滤器的性能与参数高度相关，并且通常很难选择其值。3.3. 模板匹配模板匹配检测是通过计算模板图像与被测图像之间的相似度来实现的，以检测被测图像与模板图像之间的差异区域。Han H等从晶圆图像本身获取的模板混入晶圆制造工艺的设计布局方案中，利用物理空间与像素空间的映射，设计了一种结合现有圆模板匹配检测新方法的晶圆图像检测技术。刘希峰结合SURF图像配准算法，实现了测试晶圆与标准晶圆图案的空间定位匹配。测试图像与标准图像之间的特征点匹配结果如图7所示。将模式识别的轮廓提取技术应用于晶圆缺陷检测。Khalaj等提出了一种新技术，该技术使用高分辨率光谱估计算法提取晶圆缺陷特征并将其与实际图像进行比较，以检测周期性2D信号或图像中不规则和缺陷的位置。图7.测试图像与标准图像之间的特征点匹配结果。下接：晶圆表面缺陷检测方法综述【下】

机器视觉的概念内涵与系统特性机器视觉的本质是为机器植入“眼睛”和“大脑”。为机器植入眼睛，代表着机器视觉利用环境和物体对光的反射来获取及感知信息；为机器植入大脑，意味着机器视觉需要对信息进行智能处理与分析，并应用分析得到的结果来执行相应的活动。机器视觉行业的上游包括相机、镜头、光源等硬件及算法软件。相机是包含完整的机器视觉组成功能模块（光源可自带或借用外部光源），能独立完成机器视觉信息处理的全流程，为系统输出有效信息；镜头是机器视觉图像采集部分重要的成像部件，其作用是把被摄物体成像于摄像机内的感光元件上；光源对于机器视觉中的图像采集部分具有重要影响，为场景提供合适的照明，突出目标的图像特征并与背景图像分离；机器视觉算法与软件紧密结合，软件平台是实现机器视觉算法的载体，使机器视觉在处理数据量和实时检测效率性能上不断地突破，匹配工业智能发展的需求。机器视觉行业的算法库由OpenCV等开源视觉算法库，和Vision Pro（美国康耐视公司）、Halcon（德国MVTec公司）、VisionWare（凌云光）等第三方商业付费算法库组成。因算法库开发周期长、投入大，业内公司通常基于开源算法库开发自身应用算法，或自主开发与第三方集成并举，较少公司完全自主开发底层算法。为提高效率与降低成本，集成第三方成熟工具包作为辅助开发手段是比较常见的方式。机器视觉行业的中游为视觉系统与智能装备。视觉系统包含独立完整的成像单元（光源、镜头、相机）和相应的算法软件，集图像采集、处理与通信功能于一身，可以灵活的进行配置和控制，适应各种复杂的应用，具有多功能、模块化、高可靠性等特点。智能装备以机器视觉的感知能力和分析决策能力为核心，在视觉系统的基础上加入了自动化和智能化的功能，将设计、生产、检测过程集成闭环，可实现多种功能。机器视觉行业的下游为各行业集成应用和服务。下游应用行业的发展决定了机器视觉装备及服务的市场需求量，目前下游应用领域以电子制造为主，其次为汽车、医药、印刷包装等领域。下游产业丰富多样，集成服务更加有的放矢，面向应用市场才 能更加蓬勃。全球机器视觉市场情况机器视觉市场包括视觉器件、可配置视觉系统和智能视觉装备三个细分市场。根据某调研机构统计，2015年至2020年，全球机器视觉器件市场以13.83%的复合增长率增长，市场规模至2020年达到107亿美元；2021年至2025年，全球机器视觉器件市场规模将以6.56%的复合增长率增长，至2025年市场规模将达147亿美元。可配置视觉系统与智能视觉装备具备较强的行业属性，归属于各下游应用行业的装备市场，以机器视觉技术赋能于制造装备的智能化，因此暂时没有单独的市场规模数据。资料来源：某调研机构机器视觉以视觉器件、可配置视觉系统和智能视觉装备等形态服务各产业应用，已经被广泛应用于新型显示、消费电子、印刷包装、新能源等众多行业，成为这些行业必不可少的数字化和智能化变革的支撑。中国机器视觉市场情况中国市场已成为全球机器视觉市场规模增长最快的市场之一。根据中国机器视觉产业联盟的统计，中国机器视觉行业的销售额从2018年的101.80亿元增长至2020年的144.20亿元，复合增长率达19.02%。得益于宏观经济回暖、新基建投资增加、数据中心建设加速、制造业自动化推进等因素，预计2020年至2023年，中国机器视觉行业的销售额将以27.15%的复合增长率增长，至2023年销售额将达296.00亿元。资料来源：中国机器视觉产业联盟，依据2020年中国机器视觉产业联盟企业调查，包括133家受访企业。从下游应用行业角度考虑，根据中国机器视觉产业联盟统计，机器视觉已经在电子/电气、半导体、汽车、印刷包装、食品加工等领域得到广泛应用。其中，电子/电气行业是目前中国机器视觉行业最大的下游应用领域，2020年其销售额占比为52.90%。资料来源：中国机器视觉产业联盟机器视觉行业发展趋势（1）应用领域持续拓宽过去十年是中国机器视觉行业快速发展的十年，经过一段时间的普及与推广，机器视觉应用范围逐渐扩大。目前，机器视觉的应用范围已从最初的消费电子等领域，逐步拓展至印刷包装、汽车、运输、医疗等领域。预计未来，除了传统的应用领域外，在AI、自动驾驶、人脸识别等新兴技术兴起的带动下，机器视觉将进一步拓宽应用领域。（2）嵌入式视觉应用持续增长嵌入式视觉系统是指在嵌入式系统中使用机器视觉技术，是嵌入式系统和机器视觉两种技术的整合，可独立完成从接收光信号到系统输出的整个信号处理过程。处理能力、存储器密度和系统集成度的提升，促进了嵌入式视觉在传统和新兴应用领域的渗透。未来，得益于越来越多的行业应用程序的支持，嵌入式视觉将被更广泛地应用在自动驾驶等领域新兴领域。（3）2D机器视觉向3D机器视觉升级相比2D机器视觉，3D机器视觉具有显著优势，例如测量速度快、精度高、抗干扰能力强、操作简便等，能有效解决2D机器视觉对于高度、厚度、体积、平面度等测量因素缺失的问题。3D视觉技术的突破，将进一步推动视觉技术在高端场景的应用，传统的2D机器视觉将快速向3D机器视觉升级，推动机器视觉市场持续增长。机器视觉技术面临的机遇与挑战（1）下游应用的发展给机器视觉带来的机遇与挑战随着生产工艺的精进及产品质量要求的提高，消费电子等行业对检测精度的要求越发严苛。例如，半导体生产制造已使用5nm工艺，对芯片的检测精度要求也已提升至纳米量级。受限于衍射极限，单纯采用显微放大的方式已经难以满足检测精度需求，导致加工良率难以提高，影响产品质量。因此，急需高精度的机器视觉技术解决更精 准的测量问题，保证加工工艺符合要求，降低封装成本，确保出厂产品质量。上述下游应用的发展推动了对机器视觉产品和服务需求的提升，但也对机器视觉厂商提出了更高标准的要求。随着下游应用的生产、加工、检测等环节的效率和品质要求不断提升，机器视觉厂商需要加大技术投入，以提高机器视觉系统的精度、检测效率等参数。（2）业内新技术发展给机器视觉带来的机遇与挑战行业内的新技术的发展为机器视觉厂商推出高品质的产品和服务提供了有力的支持，这也对业内厂商的技术研发能力提出了更高的要求。首先，光谱技术推动机器视觉实现目标的多种特征分析。随着机器视觉的快速发展和普及，机器视觉产品已经广泛应用于智慧农业、矿石分选、食品安全等众多产业中。各行业样本的复杂性要求机器视觉不仅需要实现目标的外观检测，也需要实现目标的材料成分、颜色、温度等特征的分析。光谱技术利用光的衍射和折射特性，通过光栅、棱镜等分光元件，在谱域获取有效信号，实现目标高维信息参量获取，并通过相关分析算法将谱域信号与测量需求建立联系，如物质成分、温度、三维面型等，通过对光谱的测量解决复杂多样化的测量需求。其次，计算成像技术的提升增强了机器视觉的图像信息获取能力。计算成像技术通过多样化数据采集，并通过特定算法解析，获取到传统成像中难以获取的图像信息，深度挖掘图像中隐含的内部信息，满足更高分辨率、更多维度、更大空间带宽积的光电成像需求。随着新型光电器件的发展和硬件计算能力的提升, 计算成像技术在光电成像领域呈现出蓬勃发展的趋势。此外，新型光学元器件的发展驱动了机器视觉性能的提升。机器视觉成像系统由照明光源、成像器件、图像采集器件组成，各类器件的性能升级都会推动机器视觉系统的性能和稳定性提升，从而实现高像质的图像采集。另外，丰富的元器件为提供个性化的图像采集和智能方案奠定了基础。（3）上下游技术的发展给机器视觉带来的机遇与挑战机器视觉系统不仅包括光学成像系统，还包括决策系统和执行系统。算力、算法、 传输技术的快速发展也为机器视觉带来了机遇与挑战。算力的提升使机器视觉的决策变得更为迅速，基于云平台的信息处理可以提供几乎无限的算力，解决各种复杂运算问题，提升了机器视觉系统的决策速度；分析算法的优化升级也使机器视觉的识别和分类变得更加准确；5G通信技术增加了信号数据通量、降低了信号时延、缓解了信号干扰等问题，使机器视觉在自动驾驶、精密自动控制、智慧工厂等领域中发挥重要作用。该等相关技术的发展提升了机器视觉系统的性能和使用效率，但也对相关硬件厂商的技术研发能力提出了更高的要求。机器视觉行业竞争格局中国机器视觉行业起步较晚。国外厂商具有较强的设计、研发和制造能力，视觉系统领域长期由基恩士、康耐视等厂商主导，最早国内厂商主要代理国外厂商的机器视觉产品。随着技术与经验的积累，部分国产厂商开始推出自主品牌的产品，且国内厂商能够提供本地化的定制化服务，供货周期较为灵活，市场份额逐年增长。根据中国机器视觉产业联盟统计，中国机器视觉市场的集中度有所下降，销售额排名前五的企业销售额合计占整体销售额的比例从2019年的33.0%下降至2020年的30.1%；销售额排名前十的企业销售额合计占整体销售额的比例从2019年的44.6%下降至2020年的40.3%。在成员企业中，2020年销售额排名前十的企业中，有8家公司的总部位于中国。 中国机器视觉市场部分主流企业介绍：凌云光成立于2002年，聚焦机器视觉业务，已开发出一系列可配置视觉系统和智能视觉设备产品，并自主研发了工业相机、光源等核心器件，在多行业得到广泛应用，服务于苹果、富士康、京东方等多家知名企业。2021年实现营业收入24.36亿元，归母净利润为1.72亿元。2022年7月6日，凌云光（股票代码：688400）在上交所A股科创板正式上市。天准科技成立于2005年，总部位于中国苏州，致力于以领先技术推动工业数字化智能化发展，主要产品包括视觉测量装备、视觉检测装备、视觉制程装备和智能网联方案等。2019年7月22日，天准科技在科创板正式挂牌上市（股票代码：688003）。2021年实现营业收入12.65亿元，归属于上市公司股东的净利润为1.34亿元。大恒图像成立于1991年，专注于机器视觉部件及视觉系统研发、生产和营销，是A股上市公司大恒科技（股票代码：600288）旗下核心资产。大恒科技产业之一的机器视觉组团（包括中国大恒图像分公司，大恒图像、深圳恒志、 上海昊邦、苏州图锐智能科技、苏州恒视智能科技等子公司，大恒图像子公司下属青岛恒纺、河北天昱恒等子公司及合资公司潍坊天恒）2021年度实现营业收入10.80亿元。奥普特（OPT）成立于2006年，定位于自动化核心零部件供应商，现已成为国内机器视觉应用技术领先者，产品包括视觉系统、光源、工业相机、镜头、3D激光传感器、工业读码器等。2020年在上交所科创板上市（股票代码：688686）。2021年实现营业收入8.75亿元，归属于上市公司股东的净利润为3.03亿元。宝视纳视觉技术（北京）有限公司成立于2018年，是 Basler集团旗下子公司。Basler创始于德国，是一家跨国的高品质工业相机和计算机视觉解决方案提供商，在欧洲、亚太、中国和北美均设有分支机构，包括生产制造工厂（位于德国和新加坡）、销售公司及联络处。

人类获取的信息83%都来自视觉，由听觉、触觉和其他的渠道获取信息的占比仅有17%，所以视觉对于人类的重要性溢于言表。而机器视觉作为机器人的“高精密眼睛”，其之于机器人的作用就像视觉之于人类一样重要。近日，中国工程院院士王耀南在2022世界VR产业大会关键共性技术主题论坛上围绕“高光谱机器视觉感知技术应用及发展趋势”发表演讲。他指出，高光谱机器视觉技术正在迅速普及，在制药行业的产品检测、食品生产的安全识别、建筑材料的质量控制、医学成像等场景中广泛应用，但距离真正实现“高精准、看得清、更好用”仍面临挑战。智能机器人的“高精密眼睛”在日常生活中，人们通常是通过视觉器官（眼睛）获取信息，再通过大脑来分析、处理这些信息，从而识别出物体。而高光谱成像的目标是获得包括从可见光到长波、红外光谱的精细光谱“指纹”，精确反映物质独特的光谱特性。作为智能机器人的“高精密眼睛”，高光谱机器视觉的发展对机器人的控制具有重要作用。受不同生物的感光细胞具有差异启发，高光谱成像与感知可将丰富的、不同波段的图像信号映射到数字世界，是机器智能的重要支撑技术。“高光谱图像能够精准反应出物质特征的光谱信息，这是它最大的优势，”王耀南表示，“近几年，高光谱的发展非常迅速。过去高光谱主要是在遥感应用里面，今天我们把高光谱用到机器视觉，使机器人装上了明亮精准的眼睛，可以感知到可见光、红外光。”据了解，机器人的高光谱视觉研究主要包含两部分内容，一部分是成像感知，另一部分是自动的光谱信息分析。成像技术实质上是感光元件把光信息转化为数字图像信息，最早的光谱成像来自感光设备，目前低成本、小体积、高速率、低功耗的感光元件成为发展趋势。近年来高光谱机器视觉的发展态势从感知智能进入到了认知智能，从过去的 RGB 图像变成今天的光谱图像，已然进入到一个计算智能成像的时代。目前高光谱相机及其相关技术已成为智能机器视觉领域研究的前沿方向。高光谱机器视觉仍面临挑战分析与认知能力是机器人能否对环境中的有效信息加以处理与理解的重要标志，是智能化发展的必经途径。王耀南认为，高光谱机器视觉分析与认知面临着三大挑战，主要涉及图像特征提取、语义知识理解和自主适应学习。“首先要突破图像特征的提取，过去我们主要是像素特征的提取，今天扩展至边缘、纹理、光谱等空间几何等方面；第二，它已经走向了图像的推理，涉及语义知识的理解、语义的描述、高维的图像特征等技术的突破。第三，要突破自适应的学习，传感器要具有学习性、能感知，还要能理解、能分析，让人工智能真正融入到机器视觉里。”王耀南说道。近年来，通过大量研究，高光谱视觉传感器的发展突破了两项关键技术。第一项技术面向成像系统，成像系统围绕复杂的目标，能够解决在多空间、大尺度下的成像问题，可以同时捕捉三维空间和光谱维度的成像。第二项技术面向三维光谱数据分析，比如空间-光谱联合分析、大数据分析和处理等。快速突破这两项关键技术，有助于实现高光谱机器视觉技术的广泛应用。“高光谱广泛装载在机器视觉以后，不仅能应用到工业、农业，还能应用到无人驾驶、机器人、新药研发、新产品质量检测等领域。”王耀南表示。比如为了加速工业检测速度，我们开发了高光谱图像处理的硬件系统，研制了工业高光谱仪器，包括高光谱的成像，成像仪器的处理特征识别等。再比如，高光谱机器视觉也被用在异物检测方面，应用于疫苗生产的柔性智能化工厂。而不同的应用场景对高光谱成像的复杂性、多样性提出了更大的挑战。未来首先要解决数据传输与处理问题王耀南指出：“随着科学技术的进步，未来高光谱机器视觉的发展首先需要解决的，也是最重要的一个问题，就是数据传输与处理。”比如，高光谱仪器是联网的，如此庞大规模的光谱图像信息怎么同时传输，这就是一个需要解决的难题。第二是光谱成像高分辨率问题。高光谱最大的弱点就是分辨率比较低，不像可见光成像的分辨率比较高。合成孔径雷达图像的分辨率也比较低，但是它的探测精度比较高。每一种传感器都有优点和缺点，因此未来一个重要的研究方向就是新的成像方法和机理探索。第三个是所有的高光谱成像仪器都向小型化和高可靠性转变，要能够装载在不同的设备上，从单一的传感器进入到多传感器信息融合，从数据处理方面到光谱数据处理，从模型驱动向数据驱动、知识驱动的方向发展。