在工业领域的四大典型应用中，按照技术领域可划分为：检测、测量、定位、读码与识别。

机器视觉系统由于具有高精度、可实现非接触测量、可长时间稳定工作等特点，在国内外工业领域均被广泛应用，提高了产品质量和生产线自动化程度。

随着配套基础建设的完善，以及技术、资金的积累，各行各业对配置机器视觉技术的工业自动化、智能化需求开始出现。

机器视觉技术在电子、汽车制造、机器人、新能源、激光、半导体、医药、食品、纺织、包装等多个行业被广泛地应用。

在工业领域的四大典型应用中，按照技术领域可划分为：检测、测量、定位、读码与识别，在现代自动化生产过程中，人们将机器视觉系统广泛地应用于生产过程监视、成品检验和质量控制等领域。

1.检测——查找被测物体瑕疵或其它异常，比如元器件错装、漏装、表面缺陷检测等；

2.测量——计算物体上两个或以上点或几何位置之间的距离，并确认这些测量值是否符合规格；

3.引导定位——定位元件的位置、方位和关键特征，从而进行引导组装等；

4.读码与识别——读取元件、标签和包装上印刷的代码、DM码、OCR字符。

1、视觉检测

自动化生产中，视觉检测应用范围非常广泛，涉及各种各样的质量检测。如：产品有无漏装、错装，表面是否有划痕、斑点缺陷等。视觉检测系统在一定程度上能提高产品的质量和生产效率，提高生产柔性和自动化程度。

检测方法一般通过光学成像和图像采集装置获得产品的数字化图像，利用视觉算法处理软件和图像分析，获取相关的检测信息，形成对被测产品的判断决策，最后将该决策信息结果发送给控制装置或机构，完成下一步的剔除或分拣动作。

常用图像处理方法有模板匹配、图像滤波、斑点分析等，获取需要检测位置的尺寸，形态，面积等参数进行判断。现在也普遍使用深度学习的方式，通过对小批量的样本数据进行学习训练，生成检测模型在进行结果判断的方式。

检测类项目的典型应用有汽车零件漏装检测，锂电池的异物、划痕、压痕、污染、腐蚀、字符模糊等，PCB电路板的零件漏装、反装、错装和漏焊等，食品包装的破损、黑点等外观检测，矿泉水瓶的液位检测等。

2、测量

尺寸测量是常见的测量需求，当人眼精度满足不了时，就必须采用量具和仪器测量。传统的尺寸测量中，典型的方式是利用游标卡尺、千分尺等测量工具，针对工件的某个尺寸参数进行多次测量后取平均值。测量速度慢，测试数据统计不及时，不适用于自动化生产。

机器视觉的尺寸测量具有精度高、速度快的特点，由于不用接触产品，有效避免了人工测量对产品造成的二次伤害，不但可以获得尺寸参数，还可以根据测量结果及时给出反馈信息，修正生产加工参数值，优化产品质量，减少损失。

机器视觉测量主要应用在品质检测阶段。主要利用视觉测量方法，对加工后的产品进行全自动化检测。例如测量尺寸、平面度等是否合格。尺寸测量主要通过2D的测量方式，平面度测量主要通过3D的测量方式。

2D尺寸测量主要应用于各种平面尺寸测量，例如：半径、宽度、长度、角度、轮廓度等。平面度3D测量是指被测物体实际表面相对其理想平面的变动量。

将被测物体实际表面与理想平面进行比较，两者之间的最大差距即为平面度误差值，或通过测量实际表现上若干点的相对高度差，再换算以最大高度差表示平面度误差值。

3、引导定位

在自动化生产或机械加工过程中产品或工件的定位十分重要。

传统的人工定位方法造成检测人员用眼疲劳，判断标准易出现偏差或浮动，速度较慢且精度低。

引入机器视觉定位技术后，能够自动判断产品或工件位置，通过图像识别到物体的特征姿态，找到被检测的产品或工件具体位置后，把姿态数据传递给机器人，进行下一步动作。

工业机器人需知道产品或工件被操作前的位置以及被操作后的目标位置，进行精确的抓取操作。

工业机器人可以通过视觉定位系统及时地了解工作环境的变化，从而进行相应的工作调整。视觉定位应用场景有全自动装配、生产，如：自动焊接、自动包装、自动喷涂等。

引导应用一个关键的技术就是要通过手眼标定把相机的坐标系和机械手等运动机构的坐标系统一起来。

引导系统有2D引导和3D引导，分为抓取、组装、精定位和轨迹引导几种方式。

应用场景有上下料，手机零件组装，汽车零件无序抓取，引导精定位放置到载具，引导点胶和引导焊接等。

4、读码与识别

传统的识别方法依赖人工手动控制操作，受限于条码印刷、材质等因素，识别速度较慢，识别准确率难以保证。

机器视觉对图像进行采集、处理、分析，可以识别各种不同模式的目标和对象。通常包括目标识别，颜色识别，读码和OCR字符识别。

典型的应用场景有物品分拣、颜色分拣、一维码和二维码读取、字符读取等。

典型的应用为二维码识别，大量的数据信息存储在二维码中，通过二维码对产品进行跟踪、系统对接管理等。

在自动化生产线上，对各种材质表面的二维码进行读取识别，提高现代化生产的效率。

Conclusion

机器视觉在人工智能以及深度学习算法的辅助之下，以机器视觉代替人眼，避免了手动操作造成的失误，有效地提升对制造业工作效率，智能化的检测模式的准确率远高于人工目检，更不会受人类主观情绪影响，能满足较高的精度要求，从而达到为企业实现降本增效的目的。

多年来，菲特不断深耕技术，聚焦核心技术攻关，以智能制造为主攻方向，推进产学研一体化，推动产业技术变革，助力传统制造企业走向智能制造企业。

目前，菲特通过自主研发，对光学、人工智能、人机交互等先进技术的应用，已在工业场景中实现发动机缸体外观缺陷检测设备、冲压零件成品外观缺陷检测设备、齿轮缺陷检测设备等50余项行业首台套，从汽车行业开始，逐渐向化纺、医药、珠宝、半导体等多个制造行业延伸，为制造企业提供智能软硬件一体化的解决方案，致力成为制造企业坚实的质量“后盾”。

#关联阅读

● 视觉检测类项目如何开展测试

● 影响机器视觉检测系统稳定性的因素

● 视觉检测中如何提高图片处理速度与质量