从制造迈向“智造”，数字化转型正深入各大工业领域。从机器互联互通到人机协作再到无人工厂，在产业转型、制造升级的全球大潮下，每一座工厂、每一个企业都被推动着“拥抱”数字化。
那么真正的数字化转型升级到底要做些什么？用机器视觉替代“人眼”是实现工业智能的重要一步。相关统计显示，人获得的信息75%以上来自视觉，机器视觉是人眼视觉的再提升，而视觉感知也是工业制造实现深层次数字化转型的重要数据入口。
国内厂商芯歌智能就致力于提升和发掘机器视觉的核心软硬件能力和工业应用场景。深耕机器视觉赛道5年来，芯歌智能成长迅速，目前是国内唯一一家在机器视觉及光学测量领域拥有全产业链核心技术壁垒的产品公司，技术能力覆盖芯片级、产品级和方案级。其产品已广泛应用在工业领域的各个行业，包括半导体、3C、汽车、锂电、焊接等。
近期芯歌智能围绕机器视觉又推出了一系列相关能力的更新，其中将人工智能（AI）与机器视觉算法相结合是关键亮点。芯歌智能对集微网指出，不断通过机器学习和人工智能优化的方式来提升机器视觉的能力和准确性，是公司接下去发力的重点。而让人工智能更稳定地应用于工业环境中对于提升整体工业制造的智能化水平也颇具意义。
AI+机器视觉 打造工业智能
工业制造中的检测、判断、识别与控制，统称之为“机器视觉”。近年来，在制造业向自动化、智能化升级转型的趋势下，机器视觉已成为其中一个极其重要且应用广泛的领域，拥有着千亿规模的市场前景。而智能制造的一个核心就是机器视觉系统。相比人眼，机器视觉具有精度高、速度快、适应强等显著优势。机器视觉代替人眼可以在多种场景下实现多种功能，广泛应用在智能制造、高端装备、自动化设备等行业。
目前很多工厂设备已经实现了基本的自动化，表现为可以按照人工编程的机械式重复动作。然而，在工业检测领域，企业完成了项目的工程问题建模和智能系统开发，以及关键工具参数离线测量和在线软测量，尽管所提供数据基本满足以数据看板为代表的数字化制造，但是现场提供高质量数据并不容易，更谈不上具备主动感知分析思考决策能力的智能化，因此机器替人只是自动化层面。引入AI视觉后，首先可以对工程问题和工程参数进行建模，然后利用所采集到的高质量数据进行模型的机器学习-模型与机械设备和生产现状深度绑定，以此为基础开发智能系统，继而产生即时可变的、可保持最优化的生产参数，最后交给基础自动化执行，实现机械化-自动化-数字化-智能化的全面升级。
不过，目前在工业领域，将AI融入到机器视觉算法中的尝试在工业领域中刚刚起步，全球来看都尚处于摸索起步阶段，还未真正出现大量的成熟应用。但已经有不少国内外公司开始深入工业应用场景，积极开发工业AI的最佳应用方案。
芯歌智能探索的路径是，挑出AI算法中最适合与机器视觉结合的部分，将两者合二为一，来不断优化机器视觉智能应用。据介绍，工业AI算法主要用于包括：机器视觉产品检测，用于诸如外观、质量、尺寸、色度、定级定标等检测，主要面向医药制造、3C产品、精密器件、地板、布匹等；人员行为检测，用于诸如异常行为、操作规范、安全、人工功效监测等方面，主要面向智能产线、工厂行为识别等，如工程建设、工厂生产、船舶航运、养殖食品等行业领域；设备故障模型检测，用于诸如设备、流水线故障模型预测等，主要面向大型机床、流水线、工程机械等领域；OCR识别，用于诸如字符、文字识别，主要面向流水线工作、物料仓储中心、产品信息采集中心等。
图示：芯歌智能的激光3D轮廓相机产品
图示：芯歌智能的激光位移传感器产品
据芯歌智能介绍，在算法设计中，同时考虑机器视觉和机器学习的因子，规避冗余和复用，有利于保证算法运行的高效性。值得一提的是，为了克服工业质检领域缺陷样本不足带来的算法训练难问题，芯歌智能采取领先的小样本数量学习方法来开发算法，就可以在实际应用中无需复杂的采样准备工作。据悉，目前公司的视觉算法体系包括深度学习、传统比对算法、3D点云等在内的主流算法，可覆盖90%以上常规应用。融合了人工智能的机器视觉算法相较于传统机器视觉算法，可以通过模型、算法、指令优化提升整体检测速度与准确率，完美适应旋转、缩进、平移、色差、光照强度等变化，实现对柔性物体和部分有遮挡物体的准确检测。
图示：传统机器视觉与深度学习应用对比图
在将AI融入机器视觉的方案中，得益于芯片级、产品级和方案级的核心技术能力，芯歌智能在打造人工智能算法的时候，能够通过对芯片和方案的选择和搭建来实现算法实施的最佳平台。整体方案可以包括算法、设备、方案、甚至整个生产系统（如上料系统、光学取像系统、下料系统、AI判别系统、人机界面），并且可以灵活调整方案交付模式，可以整体交付或分拆交付，也可完全根据客户需求支持定制化。
智能机器视觉是黄金赛道 本土市场空间巨大
中国作为世界工厂，拥有大量的应用场景。当前的工业自动化市场已经孕育出一批非常强大的国产视觉方案公司，已经对相当数量的进口方案进行了替代和升级，但目前就机器视觉核心软硬件的渗透率来看还是偏低的水平，仍有较大提升空间。
在芯歌智能创始人刘建看来，目前机器视觉行业目前还处于“跑马圈地”状态。与全球机器视觉行业相比，国内机器视觉行业起步晚。大致回顾产业发展历程，1999-2003年是国内机器视觉发展的启蒙阶段，开始出现跨专业的机器视觉人才；2004年后进入发展初期，机器视觉企业开始探索与研发自主技术和产品，同时取得一定的突破。此后历经十多年，中国机器视觉产业才逐步迈向快速发展阶段。
而对于当前总体机器视觉应用渗透率不高的主要瓶颈，芯歌智能分析认为，首先，从应用实际角度出发来看，产品和方案相应的成本还偏高；其次，方案实施到落地有一定难度，因为工业应用的场景十分碎片化，且涉及大量行业Know-how，对于从业人员的要求也很高。此外，整体机器视觉行业还是国外企业水平领先。根据中国机器视觉产业联盟统计，当前我国机器视觉企业普遍为中小企业，销售额大于1亿元的仅16.5%，接近20%的企业销售额不到1千万元。
不过，芯歌智能指出，智能化是全球课题，人工智能、机器视觉等领域是全球快速发展的领域，这是一个全球赛道。而在人工智能或深度学习机器视觉上国内并不处于落后状态，甚至尤其疫情对海外工业领域的影响，国内当前处于相对领先的情况。目前在工业AI的探索和应用上，全球范围内尚未出现特别成熟、规模化的方案体系。
芯歌智能预见，工业AI+机器视觉将是未来持续发展的黄金赛道，接下去的竞争层面，持续的技术提升是一方面，应用落地的能力则更为关键。而应用场景的碎片化是困扰智能制造相关应用大规模落地的主要痛点。对此，芯歌智能指出，长期看，通过对行业头部企业完成成功案例并相应形成产品、方案的模块化十分必要。而更为重要的是，需要更全面、有效、积极地构建多行业的产业“标准”体系，来加速工业AI的落地和大规模推广。近年来芯歌智能也在积极尝试模块化和标准化的路径去推进智能机器视觉方案的落地，通过不断打造不同行业的成功案例，芯歌智能团队在这个过程中也在不断累积算法及相应控制器的模块化和标准化，在提升技术和方案能力的同时，更积累起行业know-how，利于智能机器视觉方案在各个垂直领域的应用部署。
作为全球最大的制造基地，中国也正成为全球重要的视觉领域应用市场，多个应用领域促进机器视觉产业保持高景气高成长。目前，消费电子和汽车是国内机器视觉的最大应用领域，此外制药和食品包装也是机器视觉潜在的巨大应用领域。特别是近年来，汽车的电动化、智能化成为机器视觉的另一个重要驱动力，新能源汽车近几年来的快速发展，带动了整个汽车电子产业链的高速发展。由于智能电动汽车精密零部件明显增多，对检测的效率和精准度均提出更高要求；在汽车智能化、轻量化的发展趋势下，汽车行业对机器视觉的需求度有望继续提升。
事实上，近年来，本土厂商立足于国内市场实际需求开始了全方位的探索，从各个细分层面切入，已经涌现了大批成长快速的本土机器视觉产业链企业，开始形成自主性突破。长期来看，人口老龄化和人力成本提升都将内生性驱动机器视觉产业的持续增长，各智能制造分支的产业政策也将持续推动机器视觉的国产化发展。这对于本土厂商而言是难得的发展机会。 
