現(xiàn)在很多的制造業(yè)會選擇這種技術和產(chǎn)品進行全面品檢，機器視覺檢測在使用的過程中還需要通過專業(yè)工程師對視覺檢測設備調(diào)試驗證的方式來實現(xiàn)它的高精度、高效率、率。

測量應用

主要用于測量零部件以及各類產(chǎn)品的尺寸否合格。除了利用工業(yè)相機進行二維的尺寸測量外，目前可利用結構光、3D TOF等技術實現(xiàn)三維尺寸測量。對產(chǎn)品的基本特征尺寸、裝配效果、提供高精度監(jiān)控。

視覺在測量上的應用，一方面減少了人力測量的需求，降低了人力成本；另一方面，視覺測量具有高精度的特性，誤測誤判的可能性極低。

圖像識別

圖像識別，簡單講就是使用機器視覺處理、分析和理解圖像，識別各種各樣的的對象和目標，功能非常強大。目前主要識別的內(nèi)容有人、車輛等各類目標物。在工業(yè)領域對帶有明確信息的標識，OCR、一維碼、二維碼等常有識別需求。

對明確信息的標識進行識別，有助于提高生產(chǎn)效率、降低生產(chǎn)成本。圖像識別大多商用場景還屬于藍海，潛力有待開發(fā)。同時，圖片數(shù)據(jù)大多被大型互聯(lián)網(wǎng)企業(yè)所掌握，創(chuàng)業(yè)公司數(shù)據(jù)資源稀少。

定位應用

在工業(yè)應用中，利用機器視覺對部件或產(chǎn)品進行定位。這種定位應用多會輔助機器人或者其他執(zhí)行機構以實現(xiàn)相關的動作。一般來說，定位可協(xié)助機器人實現(xiàn)噴漆、涂膠、抓取、焊接等動作。

物體分揀

在機器視覺應用環(huán)節(jié)中，物體分揀應用是建立在識別、檢測之后的一個環(huán)節(jié)，通過機器視覺系統(tǒng)將圖像進行處理，結合機械臂的使用實現(xiàn)產(chǎn)品分揀。

在過去的產(chǎn)線上，是用人工的方法將物料安放到注塑機里，再進行下一步工序?，F(xiàn)在則是使用自動化設備分料，其中使用機器視覺系統(tǒng)進行產(chǎn)品圖像抓取、圖像分析、輸出結果，再通過機器人把對應的物料放到固定的位置上，從而實現(xiàn)工業(yè)生產(chǎn)的智能化、現(xiàn)代化、自動化。

視頻/監(jiān)控分析

人工智能技術可以對結構化的人、車、物等視頻內(nèi)容信息進行快速檢索、查詢。這項應用使得讓在繁雜的監(jiān)控視頻中搜尋到罪犯的有了可能。在大量人群流動的交通樞紐，該技術也被廣泛用于人群分析、防控預警等。

食品包裝與制藥行業(yè)應用

機器視覺在食品包裝領域適用范圍廣泛，可用于檢測瓶子的分類和液位測量、標 簽、蓋子、盒子的檢查，以及瓶的形狀、尺寸、密封性和完整性。食品包裝是食品質量的重要保障，可以保護食品在流通過程中免受污染，提高品質，避免發(fā)生安全事故。

機器視覺在藥品包裝、質量檢測及控制等多個方面有廣大作為，助力醫(yī)藥行業(yè)加 快現(xiàn)代化、智能化進程。目前，在數(shù)粒、打碼、泡罩版缺粒、藥品殘缺和斷片、 加裝說明書、編碼識別等檢測環(huán)節(jié)，機器視覺檢測內(nèi)容豐富、穩(wěn)定、精確，滿足醫(yī)藥行業(yè)包裝線經(jīng)常變包裝產(chǎn)品的需求。

圖像及視頻編輯

目前市場上也出現(xiàn)了很多運用及機器學習算法對圖像進行處理，可以實現(xiàn)對圖片的自動修復、美化、變換效果等操作。并且越來越受到用戶青睞。

汽車制造行業(yè)

汽車制造質量原先主要依靠三坐標測量完成，效率低、時間長、數(shù)據(jù)量嚴重不足， 且只能離線測量。機器視覺引入非接觸測量技術，逐步發(fā)展成固定式在線測量站 與機器人柔性在線測量站等在線測量系統(tǒng)，可嚴格監(jiān)控車身尺寸波動，提供數(shù)據(jù)支持。

機器視覺檢測系統(tǒng)可以對產(chǎn)品進行制造工藝檢測、自動化跟蹤、追溯與控制等，包括通過光學字符識別（OCR）技術獲取車身零件編碼以保證零件在整個制造過程中的可追溯性，通過識別零件的存在或缺失以保證部件裝配的完整性，以及通過視覺技術識別產(chǎn)品表面缺陷或加工工具是否存在缺陷以保證生產(chǎn)質量。

消費電子行業(yè)

機器視覺在消費電子領域，以PCB/FPC AOI檢測、零部件及整機外觀檢測、裝配引導等應用為主，并呈現(xiàn)出越來越多的新的應用場景。

在電路板從印刷裝置中移下，或在清洗劑中清洗后，以及返修完成返回生產(chǎn)線中，機器視覺提供的在線視覺技術可以在實施印刷操作后直接發(fā)現(xiàn)存在的缺陷情況，保證了操作者在加上PCB以前能夠及時處理有關問題。另外，發(fā)現(xiàn)缺陷時可以有效防止有缺陷的電路板送達生產(chǎn)線后端，從而避免出現(xiàn)返修或廢棄現(xiàn)象。操作者能夠及時得到反饋，明確處于操作中的印刷工藝操作是否良好，達到預防缺陷產(chǎn)生的目的，對生產(chǎn)效率和良率的提升至關重要。

無人駕駛

隨著汽車的普及，汽車已經(jīng)成為人工智能技術非常大的應用投放方向，但就目前來說，想要實現(xiàn)自動駕駛/無人駕駛，距離技術成熟還有一段路要走。不過利用人工智能技術，汽車的駕駛輔助的功能及應用越來越多，這些應用多半是基于計算機視覺和圖像處理技術來實現(xiàn)。

機器視覺產(chǎn)業(yè)鏈

機器視覺行業(yè)產(chǎn)業(yè)鏈主要由上游零部件、中游裝備及下游應用市場構成。上游的零部件通常包括光源、工業(yè)鏡頭、工業(yè)相機、圖像采集卡、軟件及算法平臺，其中工業(yè)鏡頭、相機、采集卡、軟件算法平臺等關鍵軟硬件是機器視覺的關鍵價值組成部分。

行業(yè)中游中的裝備協(xié)助企業(yè)對產(chǎn)品進行引導、識別、檢測、測量及其他智能制造相關應用。這些裝備隨即可廣泛應用于電子及半導體制造、食品飲料、汽車、制藥等下游市場。

我國機器視覺下游需求市場一半以上由電子電氣構成，占比52.90%，其次為半導體，占比10.30%。除此之外，應用較為廣泛的下游市場還有汽車、印刷包裝、以及食品加工，分別占比8.80%、5.50%、4.90%。

機器視覺的系統(tǒng)成本由零部件制造、軟件開發(fā)、組裝集成以及維護過程產(chǎn)生的成本構成，其中以零部件為主要構成部分，占據(jù)的百分比接近所有成本值的一半。零部件生產(chǎn)和軟件開發(fā)是上游企業(yè)的核心業(yè)務范圍，二者合計占比高達80%。