视觉是人类最重要的感觉之一，是人类探索世界的重要手段。随着信息技术的不断发展，通过模拟人类视觉的原理，人类也将视觉赋予机器，通过计算机系统处理，使得机器也能理解和与世界互动。机器视觉可以实现自动化的图像分析、物体识别和场景理解，为各种领域提供了前所未有的技术支持。

目前，机器视觉 ( 视觉智能技术 ) 被广泛应用于工业、医疗和交通监控等领域。随着科技的迅速发展和制造业的不断演进，工业制造领域正经历着一场前所未有的智能化转型。视觉智能技术作为一项重要的技术创新，为工业制造智能化转型提供强有力的支持。

本文旨在深入研究视觉智能技术在浙江省企业智能化升级中的应用与贡献，探讨其在工业制造领域所发挥的关键作用。并将着重关注视觉智能技术在安全监控、物料识别、智能仓储等典型应用场景中的成功实践，深入探讨这一技术如何提高生产效率、降低成本、改善产品质量，并为制造业的全面升级注入新的动力。

1 视觉智能技术在工业制造领域的贡献

近年来，浙江省在全国率先提出并打造未来工厂，融合应用新一代信息技术和先进制造技术，赋能行业智能化转型。截至 2023 年底，梯次建设未来工厂 72 家、智能工厂 321 家、数字化车间 473 家，建设前后企业平均生产效率提升 57.8%，综合成本降低 14.5%、能源利用率提升 16.8%、产品研发周期缩短 35.4%、产品不良率降低 33.2%，引领了制造业企业提质、增效、降本、减碳的高质量发展。

按照 T/ZAITS 10601—2021《“未来工厂”建设导则》要求，未来工厂企业应在研发、设计、生产、检测、服务、决策等环节广泛应用人工智能、数字孪生、大数据等新一代信息技术革新生产方式，推动质量变革、效率变革、动力变革。视觉智能技术因其高效率、高精度、高稳定性等优点，在制造企业智能化转型中得到广泛应用，形成安全监控、智能仓储、质量检测等一批典型应用场景。借助视觉智能技术，企业生产制造、质量控制、产品追溯等环节变得更加精准化、实时化、可视化，能够有效减少人工差错，提高生产效率，降低成本，增强适应性和灵活性，进一步推动制造业的转型升级，图 1 为使用视觉智能技术后企业各项指标变化。

图 1 使用智能视觉技术后企业各项指标变化

2 视觉智能技术的基本原理

机器视觉利用计算机科学、数学、物理学和工程学等多个领域的知识，通过计算机对图像或视频进行处理和分析，以获取对图像内容的理解。其基本原理涉及多个步骤，主要概括为从图像获取到最终的目标识别、理解及反馈。如图 2 所示，机器视觉系统可分为 3 个部分 ：图像采集、图像分析及控制与输出部分。

图 2 机器视觉系统示意图

2.1 图像采集

图像采集部分即为图像获取 ：首先，机器视觉系统需要获取图像或视频数据。通过高清摄像头、传感器等设备实现图像或视频采集，并由图像采集卡将摄像机的图像视频信号以帧为单位送到计算机内存，供计算机处理、存储、显示和传输等使用。

2.2 图像分析

图像分析部分即为将采集到的图像进行数字化处理，该部分主要在工业计算机中进行。根据机器视觉所在工序及应用场景大致可分为 7 个过程。

特征提取 ：图像分析的第一步通常是特征提取，即从图像中识别和提取有用的特征。所需提取的特征可以是边缘、角点、纹理、颜色等。提取适当的特征有助于减少数据的维度，提高后续处理的效率，并捕捉到图像中的关键信息。

图像分割 ：图像分割是将图像划分为不同区域的过程，使得每个区域具有一定的语义含义。这有助于将图像中的不同物体或区域分开，为后续的识别和分析提供更清晰的目标。

目标检测 ：在图像中识别和定位特定的物体是图像分析的一个重要任务。目标检测涉及到在图像中标定物体的位置，并通常伴随着对物体类别的分类。这一过程对于自动驾驶、安防监控、医学图像等应用都至关重要。

图像分类 ：图像分类是将图像分配到不同类别或标签的任务。这可以是二分类问题 ( 如判断图像中是否包含某个物体 ) 或多分类问题 ( 如将图像分为多个类别 )。深度学习中的卷积神经网络 (CNN) 通常用于处理图像分类任务。

对象识别 ：与目标检测相比，对象识别更注重对物体的精细理解。它不仅仅涉及物体的定位，还包括对物体的详细描述，可以涉及到更复杂的场景理解。

人脸识别 ：人脸识别是一种特殊的对象识别任务，它涉及到从图像或视频中识别和验证人脸身份，在安防、人机交互等领域有广泛的应用。姿态估计 ：姿态估计涉及到从图像中推断物体或人体的姿态，通常涉及到关节的角度和位置。这在虚拟现实、运动分析等领域有重要应用。

2.3 控制与输出

控制与输出部分即为图像分析结果进行处理和反馈，以实现系统的实时响应和控制。控制与输出过程可分为 3 个部分。

控制系统 ：控制系统负责根据界面显示的图像分析结果采取相应的控制措施，包括调整生产线上的设备、触发报警系统、启动 / 停止某个过程等。控制系统会根据预定义的规则或算法对图像分析的结果进行解释，并生成对应指令。随着大模型技术的进步，新一代控制系统中往往还包含反馈控制功能，机器视觉系统通常在实时性要求较高的场景下应用，因此需要具备反馈控制的能力。系统不仅需要进行一次性的图像分析，还需要根据反馈信息不断调整和优化分析算法，以适应不同场景的变化。这种反馈控制有助于提高系统的稳定性和准确性。

决策与执行 ：控制系统需要基于图像分析的结果判断采取何种操作，包括根据检测到的缺陷通知操作员、自动调整设备参数、触发报警或紧急停机等。

结果输出 ：控制系统还需要将处理的结果以可理解的形式输出，如在监控屏幕上显示关键信息、通过报警灯或声音传递信息、生成报告等。结果输出是与人机交互和与其他系统集成的关键部分。在决策与反馈过程中，控制系统通常还包括对处理过程中产生的数据进行记录和分析的功能，有助于后续对系统性能进行评估、优化算法、发现潜在问题等。记录的数据可以用于生成生产报告、追溯产品质量，以及进行系统性能的长期监测和改进。

3 视觉智能技术在企业智能制造中的应用场景

机器视觉在智能制造过程中应用场景如图 3 所示。

图 3 机器视觉在智能制造过程中场景应用图

3.1 物料识别

物料识别应用在制造业中发挥着关键作用，提高了生产准确性和效率。通过自动化识别系统，降低了人工错误，加速了物料处理流程，同时支持生产过程的追溯管理，提供了强大的质量控制手段，推动了制造业向智能化、数字化的发展。

以浙江中控工业控制装备未来工厂为例，鉴于电子物料品类繁多、原厂标签格式复杂，为了准确判断电子物料的型号、批次、品牌等关键进货信息，避免原来过于依靠有经验的人员凭记忆来识别物料的弊端，浙江中控引入机器视觉自动化识别方案，在来料质量控制环节最大程度地避免了进货环节存在的串货、混料、漏检等问题，提升了整个收料检料的效能，同时能够支持历史追溯。

3.2 生产监控

生产监控在制造业中具有重要意义。与工序监控不同，生产监控是对整个生产流程的全面监测，关注生产效率、成本和质量等方面的整体表现。而工序监控则更专注于具体的生产环节，深入关注每个工序内部的操作和质量控制。二者相辅相成，通过全局与局部的结合，为制造业提供全面而精细的生产管理手段。

通过生产监控功能，实现对生产环节的实时监测和质量控制，从而提高生产效率和产品质量。这种智能监控系统能够追踪关键生产指标，及时发现和处理异常情况，有效减少人为差错，降低成本，加强生产过程的适应性和灵活性。生产监控的精准化、实时化、可视化特点为制造业的持续升级提供了有力支持。

以中策橡胶高性能子午胎未来工厂为例，在传统的轮胎成型机上，中策橡胶自主研发轮胎成型数字化监控系统，通过安装胎体接头监控装置，以高达每秒 30 行的采样速率扫描胎体接头，监控报告胎体开始位置和尾端的位置，同时在带束和胎面接头的检测共用一组 3 相机的装置，能够观察带束 / 胎面接头质量，并向机器控制系统报告有关对接或打开接头的信息，通过与设定工艺标准进行对比，超出标准时执行报警、停机的响应以便操作人员进行处理。

3.3 工序监控

工序监控是制造业的关键环节，通过 AI 视觉技术实现合规检测，提升了生产效率和产品质量。系统智能监测操作和物料外观，自动计算生产关键指标，为企业提供全面的生产数据。这种智能化的工序监控推动了制造业朝着数字化和智能化方向发展。

以雅戈尔服装未来工厂为例，雅戈尔自主研发应用 5G+AI 制衣工序合规检测智能视觉系统，依托5G+ 高清摄像头 +AI 构建服装行业人员合规监测功能，包括穿戴合规、操作合规、物料外观等，实现对拆线动作和版型工艺检验等多道服装质检工序操作合规的高质、高效检测，并可自动计算检验件数、标准动作达标率、工艺达标率和工时达标率等，为产品品质提供有力保障。

3.4 质量检测

质量检测在制造业中扮演着至关重要的角色。通过视觉智能技术，制造企业能够实现对产品质量的高效监控和检测。基于机器视觉系统，质量检测能够以高精度、高速度的方式对产品进行全面的检测，从而准确识别和判定产品是否符合质量标准。

这不仅有助于降低产品制造过程中的不良率，提高产品质量水平，还能够实现自动化生产中的迅速反馈和调整，保障制造业的高效、稳定运行。质量检测的智能化应用为制造企业提供了可靠的质量保障手段，推动了制造业向更加智能、高效的方向发展。以一道新能高效光伏电池及组件未来工厂为例，一道新能应用 CCD 视觉技术对来料及划片、串焊后质量全程检测，可实施对电池片边缘缺陷、角部缺陷、电池片正反面状态、异物缺陷等项目的检测，检测精度可达 0.01 mm，并对电池片质量状态实现自动判定，区别合格与否，实现无人检测作业。

3.5 智能仓储

智能仓储在制造业中发挥着重要的支持作用。通过视觉技术的应用，实现了仓库物料的自动调拨、拣选，原材料的自动出库入库以及物料的自动配送到产线，有效降低了仓储和物流的人力成本，提升了拣货和物流综合效率。这种智能化仓储管理系统不仅简化了操作流程，还实现了对生产物料的及时、精准供应，为制造业的生产过程注入了更大的灵活性和效率。

以海康威视智能视频终端未来工厂为例，基于智能视频终端行业大规模定制的特点，重点解决仓储和物流管理复杂、拣货效率低、员工数量多、供货不及时等问题 ；海康威视使用视觉导航、视觉定位识别技术、AGV 自动化技术等，自主研发了基于视觉技术的智能仓储管理系统，实现仓库物料自动调拨拣选、原材料自动出库入库、配套 MES 物料自动配送到产线，减少了仓储和物流的人力成本，显著提高了拣货和物流综合效率。

3.6 视觉定位

视觉定位在制造业中具有重要作用。通过高精度的图像处理技术，视觉定位能够实时识别和追踪物体的位置、形状和坐标，为自动化生产提供准确而可靠的定位信息。这项技术广泛应用于机器人、自动化设备和物流系统中，有效提高了生产线的精准性和效率。视觉定位不仅实现了高精度的自动导航，还支持机器人等设备在复杂环境下的智能操作，为制造业的现代化和智能化提供了强大的技术支持。

以万胜智能配用电设备未来工厂为例，万胜智能行业首创基于高精度视觉定位的端子智能插装及防呆设计，采用物联网 +5G 技术，通过 MES 系统打通插装设备与线边物流，实现 AGV 按需叫料、自动配送，基于高清 CCD 视觉技术，可自动检测判断插针弯曲度，并采用专用设备进行自主修正。应用视觉定位引导和机械臂自学习、自适应与 PLC 控制技术，实现高精度快速插装，能够 24 h 不停机持续高精度高效插装。

3.7 安全监控

安全监控是视觉智能技术中最重要的应用之一，在工业制造中具有不可忽视的必要性。首先，它是保障人员安全的关键，通过实时监测环境因素，确保员工在工作中免受意外伤害。其次，安全监控系统可防范生产事故，全面监测生产现场，识别潜在安全隐患，及时采取措施，提高事故预防能力。

同时，安全监控提高了工作效率，追踪人员和设备运行状况，保证生产过程正常运转，从而降低生产成本。此外，安全监控数据支持决策，通过对事故原因的深入分析，提供管理层科学的决策支持。符合法规要求也是安全监控的一项重要功能，帮助企业满足法规要求，避免法律责任。

以传化高端纺织印染助剂未来工厂为例，传化通过人员定位系统与实时视频监控联动，实现车间超员 / 缺员告警、人员越界告警、SOS 报警救助、静止 / 滞留告警、访客管理等智能预警功能，同时能够查看人员历史活动轨迹和位置分布，一旦有异情可开展事件过程追溯。依托传感装置和实时视频监控，实现对 42 类重要危险源的全面监控，同时结合 GIS 技术，支持在厂区地图上标注危险源位置，形成重大危险源分布可视化分布图，供应急指挥时进行事故周边危险源联动。

综上所述，安全监控不仅维护生产秩序，保障员工安全，还有助于提高整体竞争力，成为现代工业生产不可或缺的一环。

3.8 智能巡检

智能巡检在制造业中发挥着重要作用。通过融合视觉智能技术，制造企业实现了对生产设备和工作环境的智能化监测。借助高清工业相机、激光导航等技术，智能巡检系统能够在 24 h 不间断工作状态下，对设备运行状态、产品质量、工作环境安全等方面进行全面监测。此外，智能巡检还能根据制造车间的实际情况，灵活配置巡检路径和内容，实现对不同生产区域的无人化自主巡检。通过智能巡检，制造企业能够及时发现潜在问题，提高生产线的稳定性和可靠性，从而推动制造业的安全、高效运行。

以新凤鸣聚酯长丝未来工厂为例，新凤鸣基于机器视觉的人工智能识别技术应用，研发智能飘丝/飘匝巡检机器人，改变传统人工纺丝巡检、产品外检方式，能够高精度、高速度、高稳定性地自动识别出化纤生产中的质量问题，提升检测效率和质量。并可根据纺丝车间的生产工位结构的差异，灵活配置 3D 激光导航、线性激光、高清工业相机、平面光源等功能模块，从而实现在不同的纺丝车间无人化自主巡检。

4 机器视觉应用的发展趋势

随着市场的需求变化和智能制造的深入推进，工业制造模式逐步由规模生产向多品种变批量柔性生产的方向转变，视觉智能技术也在不断地发展和完善，以助力企业生产制造更加智能化。未来，依托大数据、边缘计算、5G 等新技术的成熟应用，视觉智能技术有望搭载更先进的 AI 技术，赋能更多工业应用场景。

4.1 深度视觉质量检测

当前工业机器视觉系统主要采用的是传统的基于规则学习的思路，主要依靠人在特征提取中的分析和构建逻辑，再通过大量的含特征的样本训练使得机器视觉能够区分这些特征从而判断是否存在缺陷。基于深度学习的视觉智能技术，能够通过深度学习算法对图像进行特征提取和分类，不但可以判断缺陷，还可以理解缺陷的共同特征，预测新的缺陷类型，从而实现能够更加精准和高效的检测，图 4为深度视觉质量监测模型。

图 4 深度视觉质量监测模型

4.2 3D 智能视觉

面对复杂物件辨识和尺寸量度的高测量精度要求，2D 视觉逐渐出现技术限制。3D 视觉技术可分析物体的形状、大小、位置坐标等信息，相对于 2D 技术提供了更丰富的被摄目标信息，可检测快速移动的目标物，获取形状和对比度，能够针对不同的位置、光照以及复杂环境呈现出更好的适应性，图 5为 3D 智能视觉系统。

图 5 3D 智能视觉系统

4.3 人机协助新模式

通过“AI+视觉+机器人 ( 脑+眼+手 )” 使得机器人具备智能和自主的特点，可通过传感器和摄像头感知和理解人类的行为和动作，从而实现更加精确的协作，协助完成重复、繁琐和危险的任务，且能够提高小批量生产中频繁切换的灵活性，最大限度提高生产柔性和效率，图 6 为智能视觉系统网络。

图 6 智能视觉系统网络

5 结语

在当前制造业转型升级的大背景下，视觉智能技术以其高效、精准、稳定的特点在工业制造领域发挥着积极作用。通过实际案例展示其在安全监控、物料识别、工序监控、智能仓储、生产监控、视觉定位、质量检测、智能巡检等领域的应用，为制造企业智能化转型提供了切实可行的解决方案。随着技术的不断进步和创新，视觉智能技术有望在未来更广泛地应用于工业制造，为企业带来更大的效益和竞争优势。制造业的智能化道路仍在不断拓展，视觉智能技术将持续发挥着推动产业转型升级的关键作用，引领制造业走向数字化、网络化、智能化的未来。

原文刊载于《信息技术与标准化》 2024年第九期 作者：胡忠策 余润泽 鲁竞 郭庆  丁圣迪 杨成伟  叶冬 余厚咏 徐羽贞