《中國電子技術標準化研究院：2024智能檢測裝備產業發展研究報告：機器視覺篇（94頁）.pdf》由會員分享，可在線閱讀，更多相關《中國電子技術標準化研究院：2024智能檢測裝備產業發展研究報告：機器視覺篇（94頁）.pdf（94頁珍藏版）》請在三個皮匠報告上搜索。

1、5432逐步提供一體化解決方案和服務推動底層核心軟硬件技術攻關通過軟件算法優勢進軍產業與供應商合作挖掘場景，研發設備持續深入中國行業場景，研制相關解決方案零部件供應商傳統視覺供應商互聯網和IT企業生產企業130智能檢測裝備產業發展研究報告機器視覺篇第三章 機器視覺檢測裝備技術發展趨勢機器視覺檢測裝備正處于快速發展時期。作為光學、機械自動化、電子信息、人工智能技術、軟件行業的交叉領域，機器視覺檢測裝備的最前沿技術既是在不同行業各類真實需求的推動下不斷實現并落地的，同時又被人工智能、軟硬件等前沿科技的突破而影響。需求側驅動裝備革新，標志性技術成果不斷涌現需求側驅動力未來工廠不斷向數字化、智能化、高

2、質量和成本最優的方向發展，是推動機器視覺檢測裝備發展的最大驅動力。該驅動力分為以下四方面：效率維度：工廠不斷提升數字化水平、推進數字工廠和智能工廠建設的過程中，開展機器視覺檢測是效率提升的重要一環。生產效率是生產制造的核心要求。新型的數字化工廠正積極運用最先進的自動化控制、數字孿生產品設計、實時供應鏈管理等先進技術和管理理念，大幅提升生產效率。調研顯示，各行業最先進智能工廠的生產效率普遍高于行業水平 50%乃至數倍以上。機器視覺檢測裝備已成為智能工廠中穩定生產運行、保障產品質量、提升制造效率、確保服役安全的核心手段。工廠數字化提升效率AI 重新定義視覺對生產質量的機制追求計算成像柔性生產與大規

3、模定制ICT 技術（云計算、邊緣計算）成本最優大數據技術需求側機器視覺檢測裝備技術側第三章 機器視覺檢測裝備技術發展趨勢31質量維度：對質量的極致追求不斷推動智能制造應用最先進的技術，機器視覺檢測裝備是質量的關鍵保障。制造業卓越質量工程實施意見要求大力增強質量意識，視質量為生命，以高質量為追求。卓越質量要求制造企業對全員、全要素、全過程、全數據的質量管理和產品全生命周期質量進行系統重構，驅動質量管理范式向數字化、體系化、系統化、精益化、零缺陷轉型。這一趨勢對產品質量檢測提出了更嚴峻的要求。機器視覺檢測裝備具有檢測精度高、工作效率高及不受人為因素干擾等優勢，在滿足大批量檢測連續性、一致性和可靠性

4、要求的同時，能將人從惡劣檢測環境、高機械性重復性的勞動中解放出來，并且可以很好地適應各種工業應用場景，極大地提高工業產品質量以及檢測過程的高度柔性化和智能化水平。生產流程維度：柔性生產和大規模定制生產愈加主流，倒逼檢測設備更加靈活、輕量化和模塊化。柔性生產和大規模定制生產的實現，需要兼顧高敏捷性、低成本和高復雜性。一方面，軟件系統要足夠靈活，將新產品生產需求變為參數和程序指令；另一方面，供應鏈要足夠精益和柔性。作為整體生產設備的一環，智能檢測設備需要高度適應性這種變化，在檢測速度和精度上，能快速靈活適配生產調整，同時力求小型化、模塊化，快速適應產線和產品的調整。成本維度：激烈競爭必然帶來的生產

5、成本最優，機器視覺檢測裝備則很好地順應了這一趨勢。隨著國內勞動力成本不斷提高，制造業逐漸淘汰勞動密集型生產方式。在精度檢32智能檢測裝備產業發展研究報告機器視覺篇測方面，機器視覺可憑借高分辨率的圖像采集設備和計算機軟件算法提高檢測效率。在生產環境要求方面，機器視覺可適應全天候工作，并且效果穩定，同時對于部分艱、難、險的工作環境，也有較強的適應能力。在成本方面，規?；臋C器視覺應用將低于持續升高的人工成本，可以最大程度的實現制造業企業自動化降本。技術側驅動力技術變革重塑著機器視覺檢測裝備的技術模塊和形態機器視覺檢測裝備從信息處理功能來講，可概括為“信息感知”“信息互聯與管理”“信息分析”“決策與

6、執行”等四大模塊。目前影響較大且快速發展的技術包括人工智能（AI）、計算成像技術、ICT 技術（新一代通訊技術、云計算等）、大數據大模型技術等，其共同重塑著機器視覺檢測裝備的技術模塊和形態。算法的發展提升了機器視覺檢測裝備的檢測精度和速度1.算法創新未來將進一步探索新的算法和模型，以提高機器視覺技術的精度和穩定性。例如，深度學習算法已經被廣泛應用于圖像分類、日標檢測等任務，未來可以進一步研究如何將其應用于更復雜的機器視覺任務。第三章 機器視覺檢測裝備技術發展趨勢332.算力需求隨著算法的不斷復雜化，對計算資源的需求也越來越高。為了滿足實際應用的需求，未來將需要研究更高效的計算和存儲解決方案，如

7、利用 GPU 進行加速計算、利用云端進行數據存儲等。3.數據采集數據是機器視覺技術的核心資源之一。未來將需要研究更高效的數據采集和處理方法，以提高數據的質量和數量。例如，可以利用多視角、多光照條件下的數據采集方法，以提高數據的多樣性和適應性。4.應用場景拓展未來將需要探索更多的機器視覺應用場景，以推動機器視覺技術的發展。例如，可以將機器視覺技術應用于智能交通智慧城市等領域，以提高城市管理的智能化水平5.大模型技術探索企業從非標的算法開發逐步變為通用的深度學習和大模型算法開發，這是由于小樣本學習技術、預訓練、預適應非常適合于工業檢測場景，機器視覺裝備將從這場技術革命中受益，但工業場景與生俱來的碎

8、片化、樣本量少等特點，也對大模型的應用提出了挑戰。技術發展趨勢之一：檢測數據的深度挖掘推動裝備突破傳統功能和定位面對構建智能工廠過程要求的感知、認知、決策等需求，企業將有能力借助機器視覺檢測裝備進一步開展數據挖掘?？梢灶A見，機器視覺檢測裝備的功能和定位將發生變化，將從減工降本、提質增效的功能，轉向通過監控工廠運行流程，對各類生產要素進行分析評估，助力企業開展決策，形成閉環的質量管理方式。通過機器視覺檢測裝備開展質量管控的現狀和痛點1.整體數據孤島，如檢測圖片散落在各個獨立的設備上難以進行排查，難以回溯，數據容易丟失，而且也不好做相應的改善和優化。34智能檢測裝備產業發展研究報告機器視覺篇2.質

9、量管控和上游的生產工藝無法形成一個回溯關聯，沒有辦法從源頭改善品質，這是由于產量大，工藝控制點非常多，檢測繁雜，極限制造對于精度和品控要求越來越高，隨著產線速度越來越快，對整個檢測的效率要求越來越高，缺陷種類非常復雜細小，區分度比較低。3.對于制造企業來說，品質部跟市場部具有不同的關注點，品質部關心的是質量怎樣能夠滿足相應的要求，到生產部關心的是生產的量，存在天然的矛盾。質量閉環系統構建的三個層次針對上述問題，供應商和企業逐步了解到構建整個企業數字化質量和品質閉環的價值：能夠保障品質檢查的一致性、保障品質數據的可視化、可預警、統一化處理，實現缺陷精準分類和工藝改善、建立真正的無憂的質量保障系統

10、，構建人、機、AI 復合質量檢查體系。質量閉環系統構建的三個層次：隨著工業 4.0 和智能制造的推進，智能工廠的構建已經成為制造業的核心議題。在滿足感知、認知和決策需求的過程中，機器視覺檢測裝備通過分析生產數據，為改進工藝和提升生產效率扮演著重要角色。隨著工業自動化的規模逐漸擴大，智能制造模式下的場景多樣、工藝復雜、產品多品種、小批量、個性化生產要求高。為解決需求，整合碎片化場景、打造全流程數字化閉環的一體化設備將會極大地促進信息技術與運營技術的快速融合。在感知方面，通過高精度的傳感器和先進的圖像處理技術，機器視覺檢測裝備對生產線上的產品進行實時檢測和數據采集。實現對產品外觀、尺寸、顏色、重量

11、等特征的精確測量和識別，以及產品缺陷、異物等的檢測和分類。這些感知數據工業 AI 落地優化 AI 系統將 AI 工具化用 AI 結合相應的算法落地方法論和工具鏈完善 AI 檢測系統。以數據為核心驅動 AI系統優化，追求質量數字化閉環將 AI 已 經 變 成 AI 工具、平臺和解決方案等，構建 AI 驅動的數字化質量平臺第三章 機器視覺檢測裝備技術發展趨勢35可以與生產管理系統進行集成，實現數據的實時傳輸和共享，從而為生產過程中的質量控制提供了精確的手段。在認知方面，機器視覺檢測裝備能夠通過對產品質量數據進行深入分析和挖掘，可別出影響產品質量的因素和關鍵點，從而為生產工藝的優化提供依據。此外，機

12、器視覺檢測裝備還可以通過深度學習和模式識別技術，實現對產品質量的自動分類和評估，從而為生產過程中的質量控制提供支持。在決策方面，機器視覺檢測裝備能通過對產品數據的分析和預測，通過對生產線上的數據進行實時監測和分析，實現對生產過程的動態調整和控制，從而優化生產效率和產品質量，為生產決策提供科學依據。此外，機器視覺檢測裝備與數字化品質管理系統的集成，能夠實現生產計劃、物料管理、庫存控制等生產管理環節的自動化和智能化數字閉環，從而提升生產決策的效率和準確性。阿丘科技：三步走實現質量控制閉環第一步：把質量標準數字化、檢測模式數字化。原來用表格或者紙質方式記錄的缺陷標準要回歸到本質以數字化方式建檔起來，

13、可以優化和改善。原來是人工目視，現在通過機器視覺的方式把它轉化成數字化信號存儲起來，相當于原圖也可以存儲起來，最終實現可反饋、可存儲、可復制。第二步：實現缺陷檢測的 AI 化，將工藝沉淀到模型池。通過 AI 高泛化的適應能力結合AI的抽象能力，把原來檢測不出來的缺陷檢測出來，把能檢的全部檢出來。對造成這些缺陷的原因進行相應的分析，把它沉淀到相應的模型池。36智能檢測裝備產業發展研究報告機器視覺篇第三步：AI 強缺陷分類，實現工藝溯源，閉環優化實現真正的零缺陷管控。AI有非常強的缺陷分類能力，在把缺陷分完類之后或者精細化分類完之后，再相應地往前追溯工藝就成為一種可能。最終實現工藝的數字化、制造的

14、數字化、誤差的數字化和品質的數字化，以此來實現構建完整的質量管控閉環。微億智造：深入分析場景數據，全方位完善質量管理體系在對面工廠多品種、小批量的質檢需求時，圍繞自研的核心技術“視覺感知模組+機器人智能控制+工業 AI 算法及云計算能力”，在“眼手腦云”四個技術方向上進行全面整合，形成標準化的智能視覺系統，在實施項目的過程中能夠按照標準化流程快速生成解決方案。通過柔性化的質檢設備在軟件平臺上進行快速切線，做到一機多檢。質檢設備的質量分析軟件會對檢測過程中拍攝到的缺陷進行記錄和分析，并且生成新的軌跡和點位下發給打磨機器人對瑕疵品進行修復處理。另外通過對漏檢和過殺數據進行模型再訓練，從而不斷提高檢

15、出率到達提升產品質量的目的。面對工業現場多樣化的檢測需求，從“人機料法環”五個場景著手，結合多模態數據的整合處理能力，深入分析企業質量體系中存在的問題、缺陷及風險，形成數據可視化圖表的全鏈路流程，通過數字看板快速傳遞生產過程異常行為信息，對整個生產過程進行質量追溯和質量反饋，逐步完善了產品質量管理體系，在人員、設備、物料、流程、環境檢測場景做到全方位提質、降本、增效。中科慧遠：用于智能工廠的檢測裝備管理平臺專注于智能工廠的數字化解決方案，構建跨行業的解決方案，應用于精密光學、芯片封裝、半導體、家具及相關行業。解決方案包括底層智能硬件、AOI 智能設備和智能平臺。其中，智能平臺由QADS 平臺、

16、深度學習平臺和圖像處理平臺組成，均支持自定義擴展功能。QADS 專注于工廠的核心需求，如產量、成本和質量。QADS 的總體框架包括：數據層、應用層和交互層。其中，數據層用于數據采集和大數據存儲；應用層基于大數據分析和挖掘技術，主要實現以下功能：IPQC 閉環管理、根源本地化、缺陷管理、質量追溯、故障診斷報告、模型重訓練、批量部署、機制模型、數據管理、缺陷趨勢預警、設備預測性維護、產品追溯，缺陷重新調整、SOP 建議、第三章 機器視覺檢測裝備技術發展趨勢37CPK、SPC 統計。交互層設計用于數據顯示管理和決策分析查詢，主要包括數字孿生、ODS 管理、工藝優化、查詢統計報表、遠程停機和恢復、過檢

17、和漏檢管理、開關配方、設備生產線監控。QADS 部署結構可以連接每個車間、生產線和設備；通過將生產和質量數據收集到服務器上進行分析和挖掘，QADS 向生產、質量和管理部門提供統計結果和建議；同時，通過在不同的 CM 工廠部署云架構，可以將數據聚合到客戶技術發展趨勢之二：以大模型為代表的 AI 技術正在大幅提高檢測能力上限AI 是一種新的工業視覺分析問題&解決問題框架：以數據為核心，高效解決&持續優化工業視覺問題。AI 重構機器視覺，體現在算法和整體解決方案兩個維度。算法維度傳統機器視覺算法的核心是定量分析和特征工程。而當檢測場景過于復雜時，傳統算法會因難以構建特征工程而無法解決。工業視覺所需要

18、解決的圖像處理、定位、檢測、測量、識別等問題，都將會或正在被 AI 全部重構。AI 升維解決復雜缺陷檢測問題。AI 基于樣本學習構建模型，針對復雜背景、低對比度、柔性電子、強干擾等問題，不直接構建特征工程，因此這是“升維”解決問題思路。AI 的簡化和通用性。通過對算法問題的極度抽象，AI 可簡化工業視覺問題，針對復雜各異的場景采取通用化算法模塊，用兩到三個通用的算法模塊訓練數據即可獲得指標優秀的結果。降低成本。AI 通過小樣本訓練可以達成降本。傳統算法的運用要求工程師擁有較為專業的圖像處理背景知識，門檻相對較高，意味著人力成本較高。AI 介入后，僅僅訓練少數樣本就可以達到或超過傳統算法的精度，

19、魯棒性更優，整體來看使用成本也會降低。第三章 機器視覺檢測裝備技術發展趨勢39綜上，產業認為，是否嵌入了 AI 功能未來有可能將會成為判斷機器視覺檢測設備是否先進的衡量標準。AI 模塊即將成為機器視覺檢測裝備的標配。面對算法模塊樣本少、訓練時間少的特點，企業從非標的算法開發逐步變為通用的深度學習和大模型算法開發。AI 大模型技術疊加行業大數據，將重新定義檢測裝備部署維護新范式，擴大檢測能力邊界，重新定義檢測裝備新商業模式隨著計算能力的提升和大數據的爆炸式增長，大模型（Foundation Model）成為了 AI 檢測領域的一個發展趨勢。與傳統解決單一問題的深度學習算法和小模型相比，工業大模型

20、具有更強的表征能力、泛化能力和和自適應能力，可以更好地處理工業領域復雜的實際檢測場景。小模型主要針對特定檢測場景需求進行訓練，能完成特定任務，但是在另一應用場景中可能不適用，需重新訓練。這些模型訓練基本是“手工作坊式”，并且模型訓練需要大規模的標注數據，如果某些應用場景的數據量少，訓練出的模型精度就會不理想。大模型主要利用深度學習技術構建的規模較大的神經網絡模型，通過大量的檢測數據進行訓練和優化，主要包括以下優點：a.大模型在廣泛下游場景中具備優勢，有望降低定制化開發成本，根據具體場景實現可落地的視覺檢測方案，快速拓展應用場景。B.大模型在零樣本或少量樣本上表現優秀，客戶可將文字、圖片、3D

21、點云等格式輸入大模型中，生成關于特定工業檢測項目的文字版本以及代碼版本，快速處理復雜場景的大量圖像數據，提高檢測能力上限。小模型工業大模型工業 AI 落地輕量級場景復雜場景算法模組自動化模組高對比度定量成像，到目視定性成像，簡化&通用成像方案，提高成像空間效率，降紙成像方案成本個性化一體化解決方案，線上即時訓練能用解決方案，通用大模型以 AI 為中心，提高推理&訓練效率，降低部署&維護成本更加柔性，降低自動化方案復雜度&提高自動化方案通用性和柔性40智能檢測裝備產業發展研究報告機器視覺篇工業大模型在質檢領域的典型技術應用大模型結構設計。在模型結構設計方面，可采用具有層次結構的大模型，如Tran

22、sformer 模型或 CNN 模型等。這些模型具有很好的表示能力和泛化性能，可以適應各種不同的質檢任務。同時，可以根據實際需求，設計適合于質檢任務的特定模型結構，以提高模型的準確性和效率。大模型 finetune 策略。在模型訓練方面，可采用 finetune 策略對大模型進行微調。這種策略可以在保持大模型原有優勢的同時，針對特定的質檢任務進行調整和優化，以提高模型的準確性和魯棒性。知識蒸餾和壓縮技術。大模型基于對通用知識的理解變得更廣泛，能夠補足小模型的學習能力、交互能力和生成能力，可以通過壓縮（剪枝量化）或者知識蒸餾，部署到小模型環境中去替代一部分能力。采用模型壓縮技術，將大模型壓縮成小

23、模型，以平衡性能和資源消耗之間的權衡，兼顧工業質檢要求的高檢測能力和高速度。數據中臺。數據中臺可以將各個場景的數據和圖像進行綜合管理和統一規劃，從而實現數據的高效利用和共享。在質檢領域，數據中臺可以提供統一的數據管理和共享平臺，將不同的數據格式和來源進行整合、清洗和標注，以支持工業大模型的應用。思謀科技：利用先進技術多途徑增加樣本數量缺陷圖片智能生成用于模型訓練面對缺陷樣本少的痛點，思謀基于現有實物缺陷圖片利用 AIGC 技術生成缺陷圖片，幫助算法模型更好更快地收斂，取得更好的檢出效果。利用 AIGC 技術生成缺陷圖片的同時，從缺陷變形、缺陷顆粒、缺陷碰傷等指標維度，持續提升生成缺陷圖片的有效

24、性。以劃痕缺陷為例，日常實踐中，收集到大量帶有劃痕缺陷的場景，使大模型學習到劃痕的特征，在新的項目上，我們只需要收集合格的產品圖，就可以利用大模型在指定位置生成十分逼真的劃痕缺陷。不同顏色產品的數據擴充同一種產品可能有不同的型號，比如市場上的大部分手機都有著不同的顏色系列。第三章 機器視覺檢測裝備技術發展趨勢41在此類實踐中，最開始要解決的是銀色手機產品的缺陷檢測，后續又需要解決藍色和青色的產品。對于缺陷檢測來說，收集合格的數據是很容易的，但是收集有缺陷的數據很難，因為產線上出現缺陷的概率都很小。思謀在收集了大量的銀色產品帶缺陷數據之后，可以只收集藍色和青色產品的合格數據，利用風格遷移、缺陷生

25、成的技術，將銀色產品的缺陷數據變成其他產品的缺陷數據從而大大減少收集缺陷數據的時間。開發五軸智能檢測一體機，最大量的獲取樣本以消費電子行業為例，當前消費電子設備的預防和表面缺陷的檢測及其數據樣本采集仍主要依靠人工，存在效率低、評判標準不一、采集數據量少等缺點。因此機器視覺檢測憑借其速度更快、精度更高等優勢，正在被越來越多地應用到消費電子行業。但同時機器視覺檢測也存在著接口不統一、無法適應快速變化的市場等其他一系列問題。針對這些行業痛點，開發了這款具備普遍適用性的五軸智能檢測一體機，只需簡單更換產品夾具，即可對不同種類及款式的 3C 產品做 360的外觀全檢及典型樣本采集，顯著提升了樣本的采集效

26、率或數量。思謀五軸智能檢測一體機基于強大的機器視覺與深度學習能力，在先進的自動化設計能力與光學能力的加持下，配置雙面五軸，提供多種穴位選擇，軟件與硬件有效結合，滿足各類產品的檢測需求。比如手機中框、耳機倉、鼠標、智能手表、手機鋰電池、充電頭等，都可在同一設備上，針對設備的各種缺陷類型進行快速靈活的、無死角外觀的六面全檢，助力企業柔性化生產的同時獲取大量的數據樣本進一步服務于企業質檢工作的提升。前景與挑戰從大小模型互補發展到替代高度定制化的小模型?，F階段工業領域大模型與小模型相輔相成，未來大模型可能會替代高度定制化的小模型。數據收集難度大、數據質量不高。工業領域本身門類多，各個企業間的數據壁壘非

27、常明顯，尤其在某些核心制造環節，難以收集到足夠的標注數據來訓練這些模型，這類環節往往不適用大模型。計算資源和存儲需求高。工業大模型的訓練和推理需要大量的計算資源和存儲空間。為了滿足這種需求，企業需要投入大量的資金和人力資源來建設高性能的計算基礎設施和存儲設備。42智能檢測裝備產業發展研究報告機器視覺篇可解釋性和可理解性難度較大。由于工業大模型的復雜性和黑箱性，往往很難對其內部運作機制進行解釋和理解。這使得人們難以信任大模型的輸出結果，也難以進行故障排查和模型優化等工作。未來趨勢1.基于 AIGC 的圖像生成模型。面對機器視覺對工業大模型的需求，基于 AIGC圖像生成模型成為一個熱點趨勢，此類模

28、型對工業領域的知識有較好的理解能力，能夠生成細節豐富并且精密可控的工業圖像，了解缺陷的成因和形態，在給定場景中生成有幫助的缺陷圖片。2.構建工業領域多模態大模型。工業領域多模態大模型對于工業領域的知識有較好的理解，對于圖片模態的數據有著很強的理解能力，可以捕捉到圖片的各種細節，并根據圖片內容正確分析其中的物品是否存在缺陷以及其缺陷的成因等，使模型對于圖片的細節理解更加充分，更能適應工業常見的需求；增加和增強基于對比進行圖片理解的功能，使大模型可以通過不同圖片之間的差異來完成更復雜的任務。增加圖片模態的輸出，支持更加復雜的輸出形式，使其更加直觀。工業大模型在機器視覺檢測裝備領域具有廣泛的應用前景

29、，但也面臨著計算資源、數據質量、可解釋性和技術門檻等方面的挑戰和限制。為了更好地應用和發展工業大模型，需要不斷地進行技術研究和應用探索，同時也需要企業和政府等各方面的大力支持和推動。技術發展趨勢之三：新一代信息通信技術的融合應用大大提升裝備實時響應速度面對計數、識別、面陣質量檢測等場景的高速傳輸的需求，企業逐步開展 5G、6G 的網絡擴容和建設，并推動邊緣云和邊緣視覺的計算框架研發，通過 5G、6G將數據上傳到云端，能極大提升整個控制系統的響應速度。5G 技術的幾大優勢在容量方面，5G 通信技術將使單位面積的移動數據流量比 4G 增長 1000 倍；第三章 機器視覺檢測裝備技術發展趨勢43在傳

30、輸速率方面，單個用戶的典型數據速率提高了 10 到 100 倍，峰值傳輸速率高達 10Gbps（相當于 4G 網絡速率的 100 倍）；端到端延遲減少了 5 倍；在可訪問性方面：網絡設備的數量增加了 10 到 100 倍；在可靠性和能耗方面：每位能耗應降低至千分之一，小功率電池的電池壽命應增加 10 倍。除了網絡速度快之外，它還具有低延遲，支持海量連接并支持高速移動的特點。視覺檢測中 5G 的應用領域數據傳輸與處理能力增強：5G 技術為機器視覺提供了更快的數據傳輸速度和更低的延遲，這使得機器視覺系統能夠更快速地處理和分析圖像數據。傳統的機器視覺系統往往受限于數據傳輸速度和處理能力，而 5G 的

31、引入大大提升了這兩方面的性能。實時視頻監控與分析：借助 5G 網絡，機器視覺系統可以實現高清、實時的視頻監控。這種實時監控對于生產車間安全保障領域具有重要意義。同時，通過 5G網絡傳輸的高清視頻可以進行實時分析，為決策提供支持。遠程控制與操作：5G 的高速度和低延遲特性使得遠程控制機器人或設備變得更加精確和可靠，可以大大提高工作效率和安全性。邊緣計算與云計算的融合：5G 技術為邊緣計算和云計算的融合提供了可能。在機器視覺應用中，這種融合可以使得圖像處理和數據分析更加高效。通過在邊緣設備進行初步的數據處理和分析，再將關鍵數據上傳到云端進行深度挖掘，可以大大提高機器視覺系統的性能和效率。工業無線相

32、機和 AGV 工業控制傳統的工業相機和 AGV 依靠有線網絡或 WiFi進行數據傳輸和動作執行控制，并且有線網絡存在許多問題，例如生產線布局限制，工業 AP 頻段開放以及嚴重干擾等問題。5G 技術能確保使 AGV 在各種場景能夠不間斷地進行工作并平穩地切換工作內容。面對提升性價比和響應能力的需求，企業加強了對于嵌入式、輕量化、模塊化零部件和可配置視覺系統的開發，將標準器件組合使用，實現快速參數設置和功能拓展，并推動邊緣云和邊緣視覺的計算框架研發。44智能檢測裝備產業發展研究報告機器視覺篇邊緣計算：在本地提供 IT 服務、計算能力，減少上傳的數據量、節省網絡操作、服務交付的時間延遲，提高傳輸效率

33、，讓海量數據實現本地存儲、處理、分析、決策和執行。企業可以選擇將算力下沉至更貼近設備端的邊緣計算，衍生出端-邊-云的協同新模式。端邊云協同：將端側、邊緣側、云側的計算連接共通，在靠近設備端、客戶端的地方建立起邊緣計算能力，將云端能力下放到靠近設備的邊緣節點，起到減少延遲、降低能耗、增強對信息訪問量的優化效果，并使數據交互變得更加安全，以端側智能化為切入點，協同云邊滿足客戶在敏捷部署、時延帶寬、產品成本、數據安全等方面的多樣化業務需求。中移（上海）信息通信科技有限公司：云邊端機器視覺解決方案基于算網優勢，充分利用 5G 原生特性，結合人工智能關鍵技術，打造了基于OnePower 工業互聯網平臺的

34、云邊端一體化工業視覺檢測產品，為客戶提供云邊端一體標準化、多樣化服務。改變了傳統 AI 視覺服務提供模式，通過打造OnePower-AI 完整云邊端機器學習技術棧，基于模型開發 IDE 提供覆蓋數據準備、開發環境、模型訓練、模型部署全流程托管服務，可面向不同企業類型提供從訓推一體化的 AI 一站式自服務模式，結合云網算力融合及云邊算力編排協同創新技術，實現部署交付周期縮短 2 倍以上，業內領先。針對視覺檢測行業多、場景雜的情況，面向五大客戶場景，基于云邊端一體化架構打造五大系列產品，分別為軟終端系列、標準系列、專家系列-推理入駐式、專家系列-云化集中推理、智能檢測設備系列。結合一鍵算法部署、快

35、速運維等技術突破能力，面向不同體量的企業提供不同落地實踐方式。針對中小型企業客戶，提供云端標注、模型訓練、模型驗證、模型部署一體化能力，基于云邊協同將模型鏡像批量下發至本地推理環境，后續用戶可持續訂閱云服務進行零代碼模型升級迭代；針對大型企業客戶，提供入駐式云邊端一體化工業視覺檢測服務，結合邊緣云等架構，實現實時和批處理推理，支持企業根據生產工藝、檢測標準進行模型自運維和監控升級。第三章 機器視覺檢測裝備技術發展趨勢45技術發展趨勢之四：新型成像技術和多模態融合技術助力裝備適應更多復雜場景面對制造業多維感知和測量的需求，供應商開發 3D 相機產品，應用于機器視覺檢測裝備當中。2D 視覺無法獲得

36、物體的空間坐標信息，隨著工業控制對精確度和自動化的要求越來越高，3D 相機變得更受歡迎。目前市場上涌現出標準化 3D 視覺軟、硬件產品，產業鏈已初步形成。以尺寸檢測、定位引導、識別為主的 3D 相機逐漸滲透進集成商的方案，以 3C、汽車行業為主的新場景不斷涌現，3D 視覺技術落地速度逐步加快。目前市場上存在多種類型的 3D 相機，其中常見的有激光 3D 相機、結構光 3D 相機、光場相機和 TOF 相機。1.高精度：激光 3D 相機能夠實現亞微米級的距離測量精度。2.大范圍：激光 3D 相機可以在較大的測量范圍內獲取物體的三維信息。3.復雜環境適應性：激光3D相機在光線強度較低或復雜背景下依然

37、能夠準確獲取數據。1.高速獲?。航Y構光 3D 相機可以實現快速的三維數據獲取，適用于高速檢測和測量。2.精確度高：結構光 3D 相機能夠提供亞微米級別的測量精度。3.數據完整性好：結構光 3D 相機可以通過多個視角的數據拼接實現更高數據質量。4.復雜環境適應性：結構光 3D 相機對光照條件較為敏感，在強光或弱光環境下可能會影響測量精度。1.大深度范圍：光場相機能夠獲取包括背景和前景在內的大深度范圍內的三維信息。2.實時獲?。汗鈭鱿鄼C具有實時捕捉和處理數據的能力。3.信息密度高：光場相機能夠提供豐富的深度信息，使得后期處理更加靈活。1.實時性強：TOF 相機可以實時捕捉和處理數據，適用于需要快速

38、反饋的應用。2.距離范圍廣：TOF 相機可以在相對較大的距離范圍內進行測量，適用于長距離應用場景。3.精度受限：相對于其他相機技術，TOF 相機的測量精度可能較低。結構光 3D 相機光場相機TOF 相機激光 3D 相機46智能檢測裝備產業發展研究報告機器視覺篇未來，相機核心部件的發展趨勢更先進的相機和傳輸技術。伴隨著半導體、鋰電等行業工藝提升以及制造業的提質增效等，直接推動視覺相關核心部件的飛速發展，繼續朝著超高速和超大分辨率的發展，采集數據量從原有的 10 Gbps 提升到了 100 乃至 180 Gbps，傳輸接口也從傳統的 USB 往更高速的 CoaXPress 和 Fiber CXP

39、發展，從傳統的幾十K HZ 往 幾 1000 KHZ 邁進。TDI 的階數從 32 階，64 階朝著 512 階，1024階高速發展。高光譜成像技術的落地。高光譜成像以前主要用于地球觀測和空間探測的新一代遙感技術，能獲取的詳細光譜信息可以對圖像場景中的物體進行分析和識別，基于工業和智能制造領域的高光譜成像、多光譜的核心部件也是未來主要的發展趨勢。感存算一體的芯片集成趨勢。即感知、計算、存儲幾個單元都被集成到一個芯片。感算存一體的芯片化集成，使得各模塊間的數據傳輸不受傳統芯片間的帶寬和延遲限制，使得超高速和超低功耗會有質的飛躍。因此 感存算一體也是未來技術發展的趨勢。事件相機等智能感知應用的落地

40、?；谑录上窈蛡鹘y成像相結合的高速相機的發展，通過每一個像素異步獨立，基于對比度的變化從而智能感知場景的變化，這種全新的技術也是未來工業和智能制造領域核心部件的發展趨勢。第三章 機器視覺檢測裝備技術發展趨勢47面對多模態檢測的需求，企業開發的檢測裝備將不僅僅局限于圖像數據的處理，還將融合其他傳感器數據，如聲音、溫度、壓力等，以提供更全面的信息。通過多模態融合，可以進一步提高檢測和識別的準確性，并支持更廣泛的應用場景。微震動影像分析所有的機械和運動系統都會產生各種各樣的振動，其中一些振動反映的是系統的正常運動狀態，而另外一些則反映了系統的異常運動狀態(內部故障、軸連接不平衡等)?？赏ㄟ^智能視覺

41、微震動探測器采集設備數據，利用微動影像分析技術，實時監測工業設備的微觀影像，繼而分析設備微動幅度和頻率等數據，并運用算法對所獲得的數字信號進行分析，與正常運轉狀態的設備數據進行綜合特征比對，進而判斷被測設備的運轉狀態。工業聲紋檢測在設備故障的評判指征中，聲音是電機設備健康狀況的最重要綜合表征之一。當設備的零件或部件由于磨損、老化等原因狀態發生變化后，其聲紋信號的特性也會相應發生變化。通過監測這些特征能夠對設備的狀態進行評價，及時發現故障?？刹捎霉I級智能聲紋非接觸探測器，基于先進的聲源定位技術，可自動排除環境干擾，將采集聲紋與設備聲紋庫模型進行比對，從而定位故障原因，實現實時偵測異常聲源，快速

42、精準鎖定局部位置。紅外成像分析系統獲取到各點紅外信息后，對圖像進行配準分析，收集圖像特征點的溫度，判斷溫度是否高于設定閾值，對熱故障進行狀態異常分析，憑借溫度信息相互比較后得到的結果，實現工業設備熱故障檢測?？删劢褂谝曨l圖像振動、紅外成像、工業聲紋檢測三類技術的特征融合與故障分類判斷，憑借多模態定位與校準，提供安全可靠的設備故障檢測服務，當設備出現異常情況時及時反饋，同時對設備健康狀態進行研判，做好實時更新預警，真正做到防范于未然，提高工業設備安全生產效能。凌云光：3C 行業多模態感知檢測裝備3C 制造業中微小/異性/柔性零件多、操作空間狹小、整機緊湊度高以及產線48智能檢測裝備產業發展研究報

43、告機器視覺篇操作環境的動態性和不確定性對新型智能裝備中機器人感知能力、精細化操作能力以及自適應能力提出了很高要求。這個時候就需要引入多模態感知的方式，綜合利用不同傳感器獲取信息，從而避免單個傳感器的感知局限性和不確定性，形成了對環境或目標更全面的感知和識別，提高了系統的外部感知能力，是實現智能自動化組裝必不可少的技術點。如，對于扣排線而言，感知模態涉及有光視覺、力觸覺、聲音聽覺，整個組裝過程需要綜合3D視覺定位，高精度皮膚級力控反饋，氣路真空控制，2D 視覺檢測以及聲音輔助判斷等。整個工藝過程就是模擬人工操作，模仿學習。技術路徑研制精細感知操作核心器部件。研發“視觸力”結合的微型精密傳感器以及

44、感知-操作一體執行器，實現對常見3C操作狹小空間內的精密感知與精細操作。完成“視觸”結合的微型精密傳感器研制和“感知-操作”一體執行器的設計與驗證工作。采集熟練工人的 3C 裝配操作示范數據并進行多模態解析，實現技能的獲取與拓撲解析。構建多維、多層次復雜操作技能知識庫，基于知識表示、更新與推理滿足對新裝配任務、新操作場景中的操作技能學習要求，并進行了技能拓撲解析，構建了技能知識庫和動作基元。大規模多模態技能預訓練模型學習。構建多模態技能預訓練模型，采用自監督學習方法實現技能預訓練，進而通過“微調”學習范式實現技能的少次/零次技能學習。技術發展趨勢之五：可配置的系統模塊讓裝備的快速靈活部署成為可

45、能面對生產加工設備集成視覺模塊較為復雜，亟需提升性價比和響應能力的需求，應用嵌入式、輕量化、模塊化零部件，實現快速參數設置和功能拓展，開發可配置視覺系統將成為供應商發力熱點。不同于視覺器件或行業中專用的視覺設備，可配置視覺系統是為了解決實際應用時的痛點而提供的機器視覺系統級解決方案與增值服務。根據應用項目要求變化50智能檢測裝備產業發展研究報告機器視覺篇計算成像技術的發展將有助于可配置系統擺脫對高精度器件的依賴為了滿足機器視覺系統繼續提高視場和分辨力的挑戰，以合理的性價比解決機器視覺的現場成像問題，催生了計算成像技術。通過收集與物質發生相互作用的光的信息（幅值、相位、偏振、波長，以及這些參數的

46、變化量），利用光學理論（幾何光學、物理光學、量子光學）計算解析出光波中攜帶的有關物體的信息（包括形狀、成份、溫度、應力等等）。它利用算力和算法，降低了可配置系統對高精度光學元器件的依賴，可以充分挖掘出光信號中包含的目標特征信息，實現見所未見。計算能力的提升和計算框架的發展趨勢將賦予可配置系統完整的檢測能力機器視覺應用的早期算力不足時，可配置系統主要依靠光學設計和算法優化上下大功夫，使之能適應應用的需求。最早視覺系統都是采用 DSP 和 FPGA 的分離嵌入式架構，應用范圍受限?，F階段利用新材料、新設計，創造具備性能提升、新功能、顯著降低尺寸和重量的新型光學系統。結合深度學習和人工智能等技術，使

47、信息獲取、處理、存儲、發送、認知及執行融為一體，可實現復雜場景自適應成像、多光譜成像、偏振成像等多功能智能化的光電產品?；谥悄苤圃斓倪吘壴萍軜嫷倪吘壱曈X有望成為可配置視覺系統的另一個重大推手?，F代智能制造要求可配置的視覺系統除了前端深入感知產品質量數據外，還需要對這些質量圖像數據進行大數據深入挖掘?？茖W地度量缺陷，建立知識圖譜分析工藝，改進生產過程。這就要求可配置視覺系統具有邊緣云與邊緣視覺的架構?？梢詫崿F缺陷分類，知識圖譜和數字孿生等工作。52智能檢測裝備產業發展研究報告機器視覺篇自身具備柔性、可配置屬性高的全智能相機在經歷了硬件算力、軟件交互以及互聯互通之后，智能相機逐漸邁入全智能時代，

48、此時要求智能相機不僅能夠代替人來完成看見和判斷，更需要其自身具有柔性，而這種柔性體現在對工業網絡節點信息的主動獲取，自身算法方案、算法參數的調整、演練、切換，網絡故障的主動探測和應急預案，響應不同網絡節點定制化圖像信息訂閱等等第四章 機器視覺檢測裝備細分行業應用情況53第四章 機器視覺檢測裝備細分行業應用情況本報告梳理了鋰電、光伏、汽車、消費電子、半導體等細分領域機器視覺檢測裝備的應用現狀和應用場景，分析了未來發展趨勢，并整理了行業典型應用案例。細分行業應用情況消費電子、半導體仍是機器視覺檢測裝備主要應用行業消費電子、半導體行業產品尺寸較小，檢測要求高，適合使用機器視覺裝備進行檢測，產品對精細

49、程度的高要求也反過來促進了機器視覺技術的革新。此外，消費類電子行業存在產品生命周期短、更新換代快的行業特征，智能手機等消費類代表產品更新周期為兩年左右。頻繁的型號迭代和設計變更導致制造企業需要頻繁采購，更新其生產線設備，對其上游的機器視覺行業產生巨大需求。同時，隨著產品的不斷更新換代和精密化，其對精度的要求逐步提高。鋰電、光伏行業產能持續擴充，是近年機器視覺檢測裝備主要增長點國內鋰電、光伏行業達到國際領先水平，相關應用場景橫向拓展，以及中國產品加快進入國際供應鏈，客戶對于安全、高一致性、高品質要求不斷提升，帶動了機器視覺檢測在鋰電、光伏制造環節的檢測點不斷增多，部分檢測場景已被列入規范項，全線

50、視覺檢測正成為動力電池廠和光伏制造廠的標配。54智能檢測裝備產業發展研究報告機器視覺篇紡織、鋼鐵、印刷、食藥等傳統行業檢測場景不斷被挖掘拓展食品、醫藥、紡織品的安全工作被認為是關系國計民生的大事，是社會關注、人民關心的重大敏感問題。醫藥和食品的安全檢測需求愈發龐大且嚴苛。企業逐步在產品的整個生產過程甚至后段的包裝過程部署機器視覺檢測裝備，通過機器檢測逐步代替部分人工，保證產品質量優良，確保安全高效的生產形勢。（一）光伏行業我國光伏行業產業鏈逐步完整，產能面臨過剩風險，進入技術迭代階段。自我國制定了 2030 年碳達峰，2060 年碳中和，2030 年非化石能源占比達25%的總體計劃以來，光伏產

51、業充分利用自身技術基礎與產業配套優勢快速發展，逐步取得國際競爭優勢并不斷鞏固，目前已形成了從高純硅材料、硅錠/硅棒/硅片、電池片/組件、光伏輔材輔料、光伏生產設備到系統集成和光伏產品應用等完整的產業鏈，產業規模迅速壯大。第四章 機器視覺檢測裝備細分行業應用情況55裝機量代表著光伏行業所有發電機組功率的總和。2021 和 2022 年，中國光伏新增裝機量分別為 54.88GW 和 87.41GW，2023 年光伏行業景氣度隨著雙碳目標的推進及相關新能源需求的提升之下仍然保持了高速增長的勢頭。1-11 月新增裝機量 163GW，同比增長創下歷史新高，2024 年起我國光伏年均新增裝機規模將逐步縮減

52、，企業將逐步尋求技術突破以打破此輪產能過剩帶來的競爭僵局。機器視覺技術為光伏行業提供了新的生產方式。太陽能電池板、組件等不僅需要高度的制造精度，而且在運營過程中，還很容易受到環境因素的影響，光伏組件需進行灰度、溫度、直接及反射輻射等多項測試。使用機器視覺技術可以快速完成全尺寸組件的檢查，并對內部晶體結構、構件精度、材料均勻性、物理性質等參數進行實時監控，在制造過程中發現缺陷，進行快速反饋和調整，并通過機器視覺技術，生產線可以自動化運作，無需人工操作，大大提高了生產效率。一般來說，光伏行業多晶硅料需要經過硅片、電池片以及組件 3 個生產環節，幾十道工序才能變為最后的組件。在每道工序的處理過程中，

53、生產來料的管控、設備穩定性、工藝參數設定、雜質引入等因素，均可能導致中間產物出現多種缺陷，例如右圖所示的硅片環節的硅片隱裂、電池片環節的刻蝕過刻、鍍膜氣流印、組件環節的焊帶虛焊等，這些缺陷會直接影響組件光電轉換效率與使用壽命，造成產品的降級或報廢。不論是對哪個生產環節，每道工序產生的缺陷片若未被及時剔除而流入后道的工序，都會造成生產資源的浪費與產品良率下降，降低產線的產能，因此視覺檢測系統對光伏工藝的生產質量管控具有重大意義。56智能檢測裝備產業發展研究報告機器視覺篇光伏行業產業鏈重點機器視覺場景匯總應用場景：對硅片、電池片、組件的工藝質量管控具有重大意義。產業鏈應用場景價值點相關機器視覺檢測

54、裝備和解決方案上游硅料礦產成分檢測、硅 棒 缺 陷檢 測 和 參數測量降低原料成本，提升原料品質中游硅片硅片外觀缺陷檢測避免人工檢測的不足,大幅度提高硅片檢測效率,減少退貨率和廢品量,提高硅片生產的效率和質量電池片電 池 片 外觀 檢 測，EL 檢 測，柵 線 印 刷檢測有效地預測電池片的性能和壽命，提高產品的質量和穩定性玻璃背板玻 璃 原 片檢 測 和 磨邊檢測等對玻璃生產線的實時生產質量管理和過程控制，進行缺陷分類匯總統計，改進生產工藝，提高成品率生長爐溫控系統機器視覺硅料分揀系統硅料尺寸智能識別裝備硅片檢測分選裝備硅片生產解決方案及智能視覺開發平臺電池片隱裂隱裂檢測設備太陽能電池網版定位

55、激光切割系統電池片膠形檢測云平臺電池片光致發光和電致發光檢測設備光伏玻璃檢測設備光伏玻璃原片表面在線檢測設備切片、插片、檢測分選鍍膜、印刷EL 測試檢驗包裝刻蝕工藝測試分選接線盒焊接組裝某 PERC 硅片生產環節涉及機器視覺檢測場景第四章 機器視覺檢測裝備細分行業應用情況57產業鏈應用場景價值點相關機器視覺檢測裝備和解決方案下游光伏組件絕緣片定位、匯流條扶正安裝定位、接線盒定位及焊接檢測等實時監測組件物理參數和外觀缺陷，避免質量問題帶來的損失和風險發電站發電站巡檢通過定期巡檢，發現電站中可能存在的故障和缺陷，提高電站的檢修效率和安全性光伏電站智能控制一體化系統光伏電站智能控制一體化系統、智慧光

56、伏電站光伏組件生產解決方案及智能視覺開發平臺組件匯流帶視覺檢測系統光伏 EL 檢測實時數據傳輸視覺檢測設備光伏組件智能檢測系統及 AI應用平臺未來發展趨勢：電池片和光伏組件視覺檢測技術攻關成為關鍵問題。2022 年 1 月，工業和信息化部、住房和城鄉建設部、交通運輸部、農業農村部、國家能源局等五部委聯合印發智能光伏產業創新發展行動計劃（2021-2025年），明確光伏多個制造環節的技術方向，提出到 2025 年，光伏行業智能化水平顯著提升，產業技術創新取得突破，新型高效太陽能電池量產化轉換效率顯著提升，形成完善的硅料、硅片、裝備、材料、器件等配套能力；計劃從加快產業技術創新、提升智能制造水平、

57、實現全鏈條綠色發展等多方面提升行業發展水平。政策支持、光伏擴產、終端制造廠商的智能化工廠轉型均為光伏設備的自動化、智能化升級帶來利好，機器視覺系統作為智能制造的重要組成部分，也將在光伏產線迎來更高的覆蓋率。同時，機器視覺系統本身技術的發展，深度學習、先進算法、3D、嵌入式技術等進一步降低使用門檻，成本更具落地價值，將促使光伏生產環節更多工位的機器代人，標準化設備以及一體化設備的更多創新和應用。當下機器視覺系統應用的另一個強大推力，是光伏產業本身的重大技術迭代。硅料設備迎顆粒硅新技術；硅片設備迎大尺寸、CCZ 升級新機遇；電池設備迎HJT、TOPCon 光伏技術新革命；組件設備迎大尺寸+多主柵+

58、多分片+N 型組件多重技術變革，工藝變化必然推動光伏設備創新升級：續表58智能檢測裝備產業發展研究報告機器視覺篇未來發展趨勢：電池片和光伏組件視覺檢測技術攻關成為關鍵問題。我國當前主流 PERC 電池（P 型電池）效率接近于瓶頸，具有更大提升空間的 N型電池（TOPCon,HJT 等）正逐步取代 P 型電池。機器視覺在電池片生產環節中的普及率越來越高，同時生產企業也對機器視覺檢測的精度和檢出能力提出了更高要求。目前，光伏行業上中下游絕大多數涉及機器視覺檢測的環節仍需要技術攻關。當下機器視覺系統在光伏產線的覆蓋率尚未達到飽和，部分工藝環節仍處于技術攻關階段，面對未來的產能需求和新技術要求，機器視

59、覺系統還需要更快的技術迭代提速。如在電池片生產過程缺陷檢測檢出率與過殺率、電池片效率分析能力仍有突破空間；光伏產品種類差異大，視覺可能存在不兼容的問題；組件產線設備的一體化趨勢，倒逼對視覺系統功能集成的穩定性、視覺算法模塊的通用性和易用性亦要進行更進一步的研究；視覺軟件 AI 學習能力的智能性和成本控制也是未來的重點研究課題。金剛線切割機將具備更高線速、更小軸距，使用線徑更小的金剛線，對視覺系統的精度有了更高要求；硅片分選設備需要更靈活的尺寸規格切換能力，生產效率，以及對硅片厚度、線痕、尺寸、隱裂等的檢測精度。激光設備因新的工藝需求也對視覺精度、穩定性要求更為嚴格；絲網印刷機中，雙軌高精度大硅

60、片印刷設備對視覺系統能力的集成度需求更高；電池片效率測試分選設備因對 TOPCon 和 HJT 的電池測試具有更大優勢，視覺系統的應用效率也將面臨不斷升級。劃焊一體機將成為新建產線的重點設備，其中對組件全尺寸的兼容能力、電池片切割精度、0BB串焊技術的創新，也將提升機器視覺系統的應用和技術迭代速度。在硅片環節在電池片環節在組件環節第四章 機器視覺檢測裝備細分行業應用情況59表：亟待突破技術方向產品技術攻關需求詳細描述電池片剛性檢測需求在電池片效率分析、離線 PL 過程缺陷、鍍膜段 PL 淺缺陷及細小缺陷等領域存在剛性攻關需求。電池片模塊化需求電池片工藝中的視覺檢測設備在功能設計和故障排除時對功

61、能集成的模塊化和可替換性具備較大需求，因此采用分布式系統、嵌入式系統、智能相機將成為趨勢。玻璃速度需求當前新建產線速度達到 35m/min，現有視覺設備難以滿足檢測需求。接線盒技術復雜度大受限于接線盒等組件安裝和工藝復雜度，自動化安裝和檢測設備必須具備更加復雜的工藝實現能力，同時，由于光伏組件的零件和設備往往由不同廠家提供，搭載的視覺模塊需切換兼容不同組件型號，呈現不同的運算邏輯。解決方案案例：新一代高速光伏硅片檢測分選裝備蘇州天準科技股份有限公司案例簡介光伏硅片制造位于光伏產業鏈上游，其質量直接影響下游電池組件的質量以及發電系統的發電效率和使用壽命，因此光伏硅片的檢測是產業環節中首先需要解決

62、的質量控制問題。天準科技推出的新一代高速光伏硅片檢測分選設備以機器視覺為技術基礎，融合深度學習算法，結合 3D 線結構光位移傳感器等硬件模組，能夠實現 2D、3D 尺寸測量以及臟污、劃痕、隱裂等光伏硅片質量的全方位檢測，同時滿足高速、高精度的實際生產需求，是光伏產業鏈的核心裝備之一。技術優勢（1）高性能線結構光 3D 位移傳感器研制自主研發基于線結構光的 3D 位移傳感器，滿足光伏硅片 3D 尺寸的高精度在線測量對性能的要求，有效降低設備綜合成本。（2）多維度融合硅片缺陷智能檢測方法融合深度學習算法，同時采用自研AOI4.0 檢測平臺，提升缺陷檢測準確率，瑕疵檢測率 98%。60智能檢測裝備產

63、業發展研究報告機器視覺篇（3）超高速光伏硅片傳輸系統配合裝備高速檢測節拍，自主研發新型光伏硅片傳輸系統，可保證裝備檢測速率達到 16000PCS/h。應用成效（1）對光伏硅片厚度、TTV、電阻率、PN、線痕、隱裂、臟污、崩邊、尺寸等指標的高速檢測及分揀；（2）自研 AOI4.0 檢測平臺，瑕疵檢測速度、檢出率進一步提升；（3）實現光伏硅片質量的全方位檢測，是光伏硅片制造業的核心裝備。其綜合性能達到世界領先水平；（4）瑕疵檢測率 98%，檢測速度達到 16000PCS/h。解決方案案例：組件匯流帶視覺檢測系統杭州?？禉C器人股份有限公司案例簡介組件位于光伏產業鏈末端，直面終端需求市場。保證組件產品

64、的質量安全、提高生產產能以及降低生產成本成為組件生產環節的必然趨勢。?？禉C器人采用機器視覺的無損檢測方法對組件進行定位、測量以及缺陷檢測，全方位對產品進行質量檢測，實時反饋生產情況，最大程度降低生產成本，提升生產效率。技術優勢（1）高兼容性光學方案?？滇槍Σ牧媳旧硖匦赃M行深入研究，做了大量實驗驗證，制定出高兼容性光學方案，使其兼容多尺寸電池片、多類型匯流帶以及多類型焊帶。（2）深度學習與傳統圖像處理算法融合?？挡捎蒙疃葘W習算法將目標從復雜背景中提取出來，然后運用傳統圖像處理算法分析灰度、面積、長寬比等形態特征判斷檢測目標是否屬于缺陷。這不僅發揮了深度學習強大的魯棒性和泛化能力，將復雜背景轉化為

65、單一背景，而且充分發揮傳統圖像處理算法在單一背景下高性能、高效率的優勢，準確且快速地識別并定位出缺陷。第四章 機器視覺檢測裝備細分行業應用情況61應用成效（1）檢測系統整體檢測精度在 0 漏檢的前提下，實現 0.5%以下的誤檢率；（2）物料在流水線輸送過程中完成圖像采集和檢測處理，不影響生產節拍，檢測結果實時顯示并輸出報警信號，及時處理，最大程度減少生產成本；（3）圖像數據及檢測結果本地儲存，既可實時檢測，亦可問題追溯查詢，促進工藝優化改善；（4）設備全天 24 小時在線工作，可替代兩個工人的工作量，一臺設備每年可節約 14.4 萬的人力成本(按照人均 6000 元/月計算)。解決方案案例：接

66、線盒激光焊接機視覺檢測系統陜西維視智造科技股份有限公司案例簡介接線盒焊接是光伏組件后段中的重要工藝環節。接線盒的電極焊接質量直接關乎組件的性能，其焊接工藝也從熱壓焊、加錫焊升級到目前更具性價比的激光焊。針對接線盒激光焊接場景中的焊前定位和焊后檢測難題，維視智造獨創“三級AI 定位方案”，自研專用神經網絡模型，同時配套高性能自研視覺硬件，打造了更高效、更智能，并具有極佳穩定性的接線盒激光焊接機視覺檢測系統。技術優勢（1）更強檢測能力維視自研視覺部件+VisionBank AI 優秀的全棧算法能力，搭載英特爾處理器及軟件工具套件，傳統、深度學習、3D 算法可深度融合業務流程，幫助光伏企業快速檢出多

67、類及小微產品瑕疵，及時歸類不良品，可保證 0 漏檢，誤檢率最低 0.1mm 的凹坑/凸起，深度 0.1mm 的劃痕，直徑2mm,高度 0.08mm 的氣泡，綜合檢出率達到 98.6%，過殺率小于 3%。第四章 機器視覺檢測裝備細分行業應用情況69解決方案案例（模板）：博視像元|高速面陣/線陣相機北京博視像元科技有限公司案例簡介公司自主研發的 CoaXPress 接口高速面陣/線陣相機，打破國外壟斷，是目前業內性能最優的工業相機產品。CoaXPress接口時最新一代的工業相機接口協議，在傳輸帶寬和穩定性方面都有絕對的優勢。采用該接口的工業相機可以最大程度發揮傳感器的采集效率，滿足客戶和產線對速度

68、的越來越高的要求。目前面陣相機可以覆蓋 50 萬像素-4 億像素豐富的產品型號，線陣相機覆蓋 2K-16K 黑白/彩色多種產品型號，也有具備 TDI 和紫外功能的高端線陣相機。技術優勢（1）高速率在 CoaXPress 接口的加持下，工業相機的傳輸帶寬可以達到50Gbps，未來通過光纖傳輸的 CXP 協議可以實現 100Gbps 的傳輸速度。最大程度發揮傳感器性能。（2）高分辨率單傳感器 6500 萬像素，以及采用 Pixelshift 技術實現的 4億像素相機，是目前業內最高分辨率。（3）高可靠性公司在產品的結構防護和散熱方面具有豐富的設計經驗，可以應對嚴苛的工廠環境，具備 MTBF6000

69、0 小時的運行能力。應用成效（1）鋰電涂布檢測。高速線陣相機非常適合鋰電工藝前段的涂布檢測環節，高行頻可以滿足設備的高速要求，多接口可以滿足客戶單采集卡多相機的要求，節省成本；（2）毛刺檢測。高速面陣相機可以對極片的端面進行快速拍照，滿足 150m/min 的產線速度和對毛刺的檢測要求；（3）硅片檢測。高分辨率面陣相機可以一次對硅片進行成像，實現 9000 片/小時的檢測要求，極大的提高硅片檢測的效率；（4）極耳/極片檢測。采用具備紫外波段成像能力的傳感器可以提高極耳/極片缺陷的對比度，大幅提升系統的檢測能力。70智能檢測裝備產業發展研究報告機器視覺篇解決方案案例:東聲包藍膜方形電池外觀缺陷全

70、檢項目東聲（蘇州）智能科技有限公司案例簡介隨著鋰電池新工藝、原材料加速迭代升級，對機器視覺的要求也日益嚴苛，如何提高生產效率、降低產品缺陷率成為行業共同的挑戰。該項目電池廠商需要對出貨前的產品進行外觀檢測，從而保證出廠產品的“零瑕疵率”。但是方形電池外觀缺陷種類多，包括藍膜氣泡，凹凸點，褶皺，破損等 40 余種不良缺陷；缺陷種類繁多，包括一些需要深度信息的缺陷；驗收要求高，需要考慮缺陷的面積大小與深淺，現有的視覺檢測方案無法解決上述問題。技術優勢（1）高精度&高速度&高準確度依托 Handdle AI 成熟的機器視覺技術和深度學習算法，結合定制的光學方案，檢測精度&檢測速度&檢測準確度均達到行

71、業領先水平。（2）自研 2D/2.5D/3D 差異化全光學方案針對鋰電行業特性，東聲資深光學團隊自研 2D 定制多組合多波段光源/2.5D 面陣+線掃成像技術/2D 分時頻閃線掃+3D 線激光等光學成像方案，達到清晰成像效果。（3）行業首臺批量落地電芯包膜后終檢，需要對 6 個面和 8 個棱邊進行外觀缺陷檢測，及正負極柱、防爆閥的全部區域，防止外觀不良物料流入流入模組pack 段工序，重而造成返工。應用成效（1）檢測精度可以精確到 1m；最小檢測面積 0.02m2；（3）數據信息實時上傳，形成“端-邊-云”數據閉環，支持追本溯源，質量管控，最終實現降本增效；（2）檢測缺陷類型包括：藍膜/極柱/

72、防爆閥/破損/臟污/漏電解液等 40 余種不良缺陷；（4）改方案可覆蓋鋰電行業包括：方形動力電池/方形儲能電/18650 圓柱電池/4680 圓柱電池。目前已批量落地在鋰電龍頭企業多產線基地。第四章 機器視覺檢測裝備細分行業應用情況71（三）消費電子行業行業概述-消費電子研發生產規模達到世界領先水平當前，我國已經站在消費電子行業的創新潮頭，產業鏈中各項產品的研發生產規模均比肩世界領先水平，同時，我國居民消費水平也隨著經濟發展的歷程逐漸提升，對于消費電子的需求日益增長。受益于各方面原因，消費電子行業市場規模近年來穩定發展。根據中商情報網數據，2017 年至 2022 年市場規模由 16120億元

73、增至 18649 億元，CAGR 為 2.96%。按年均復合增長率估算，預計 2023年市場規模將超過 19000 億元。產業關鍵趨勢-精度要求高、產品更新迭代快、產線響應速度快的特點促進機器視覺技術變革和發展自機器視覺產業最初發展起，消費電子行業就憑借和機器視覺技術的高契合度，穩居行業市場份額比重的前二。由于消費電子元器件通常尺寸較小，且產品對各元件精細度要求較高，因此使用機器視覺檢測對消費電子產品制造大有裨益，能夠使元器件完成尺寸更精準、工作效率更高。同時，消費電子對產品精細程度的高要求也促進了機器視覺檢測行業的技術變革與發展。作為機器視覺應用最為廣泛的下游行業，消費電子產品生命周期短、更

74、新換代快的特征，使智能手機、平板電腦、可穿戴設備等至少兩年需要重新購入一批，導致其上游機器視覺產業需求持續增長，推動機器視覺市場蓬勃發展。72智能檢測裝備產業發展研究報告機器視覺篇應用場景-消費電子研發生產規模達到世界領先水平我們明顯觀察到，在當前行業增速短期放緩的盤整階段，頭部玩家正在積極推動產線智能化轉型升級，通過機器視覺檢測裝備替換人工、半自動化設備，以實現減人、增效、提質的目標，這也是消費電子行業轉型升級構建核心競爭優勢的必然之路。表：消費電子行業產業鏈機器視覺場景匯總產業鏈應用場景主要檢測內容相關機器視覺檢測裝備和解決方案PCB 板焊 點 缺 陷 檢測、元器件檢測焊縫、側焊縫、劃痕、

75、貼膠等鋰電池涂布、輥壓、極片、極耳、焊接、電芯外觀、貼膠露箔、暗斑、亮斑、掉料、劃痕、涂覆糾偏、表面瑕疵、極耳翻折、入殼頂蓋、密封釘、電芯外觀等元器件裝配表面貼裝、連接器表面刮傷、漏針、堵孔、缺針、翹針等屏幕檢測Lcd 屏幕、led 屏 幕、手機屏幕異物、劃傷、異色、凸包、凹痕、針孔、毛邊、亮點、Mura缺陷、均勻度、色差等排線測量排線尺寸、顏色、性能 PCB 板檢測工業 AI 視覺系統電芯外觀檢測機極耳翻折檢測設備焊接視覺檢測設備IC 元器件檢測設備3D 檢測手機屏平面度 CCD視覺檢測設備OLED 貼合裂紋檢測設備手機屏幕定位視覺檢測系統排線顏色順序檢測機1 年1 0%70 道智能電子產品

76、平均更新周期當前高端智能手機整線所需視覺系統電子產品每年度提升的檢測需求第四章 機器視覺檢測裝備細分行業應用情況73解決方案案例：靈眸 OCT|3D 高精度層析缺陷檢測儀常州微億智造科技有限公司案例簡介傳統的光學檢測只能獲取產品的表面形貌信息，超聲探測和 X 光 CT 方法可以看到內部 3D 信息但空間分辨率低、檢測慢，對產品和使用人員有一定的傷害。靈眸 OCT|3D 高精度層析缺陷檢測儀具有空間分辨率高、成像靈敏度高、無損檢測和層析成像等特點，尤其是針對透明/半透明、以及高散射產品，開展近紅外波段光學相干層析技術，填補了傳統檢測技術在穿透深度上的空白，實現了 OCT在工業領域的突破性應用。技

77、術優勢（1）高精度 3D 無損探測5 毫米深度最高可解析 1024 層?？赏敢暠砻嫘畔?、內部結構及缺陷瑕疵，精準定位缺陷位置。全局及局部 3D 成像展示，直觀獲取產品層析圖像，可任意拖拉選擇 2D 截面。（2）光學掃描系統實現大范圍掃描，檢測范圍可達到 50 x50 x10mm，較醫療領域的檢測范圍視野幾乎擴大了 1000 倍。（3）創新的 3D 深度缺陷檢測算法最高可達 248KHz 點掃描速率，實現3D 實時渲染和自動化分析。（4）超高速缺陷檢出適應高速產線節拍?；诓⑿刑綔y功能，一次性獲取相對應的所有深度方向信息。約 100dB 的高靈敏度。僅需 100s 即可檢出 25 個鏡頭，較國際

78、水平提升了約 75 倍。應用成效（1）鏡片缺陷成像?？蓪崿F清晰的暗場成像，展示不同缺陷的 3D 圖像?？蓪崟r檢出包括面取發白、膜色 NG、凹面臟污、取面打痕等各類缺陷；（2）高純度云母片成像。清晰的 3D 明場成像，上下表面分層明顯，上表面看到劃痕和花紋缺陷。產品中的缺陷如灰塵、臟污等皆以白色信號凸顯；（3）3C 透明外觀材料、攝像模組層間結構、柔性顯示屏薄膜、高精度異形玻璃、74智能檢測裝備產業發展研究報告機器視覺篇光學鏡頭、VR/AR 鏡片、光學多層結構膜、高分子有機材料及晶圓表面等產品；（4）綜合檢出率達 99%，過殺率小于 5%。解決方案案例：3D 玻璃蓋板外觀缺陷 AOI 檢測設備中

79、科慧遠視覺技術（洛陽）有限公司案例簡介蓋板玻璃因為透明、反光、效率要求高、缺陷種類多、成本要可控，被業界稱之為“工業外觀檢測的珠穆朗瑪峰”。針對行業痛點，中科慧遠視覺技術(洛陽)有限公司結合人工智能技術發展，綜合創新的光學成像方案、執行機構的自適應軌跡規劃與基于 CNN 的通用缺陷處理算法，研發具備高度智能和適應性的蓋板玻璃智能檢測系統，打破蓋板外觀檢測的技術壟斷，可切實解決產業上下游企業多年來檢測環節人工成本過高、檢測難度大、良品率不穩定等問題。技術優勢（1）高速頻閃成像技術多臺相機與光源之間同步工作，成像通道自由組合配置。（2）創新性光學設計多譜段光學照明技術與明暗場照明方式完美結合。（3

80、）高精度傳輸機構保證蓋板運動直線度和速度均勻性，無二次損傷和污染。（4）亞像素級圖像測量技術實現復雜形態測量元素的亞像素級別測量，可靈活配置組合應用。（5）高精度復雜圖像異常檢測技術建立圖像異常檢測技術體系及算子平臺，可靈活配置組合應用。（6）強大的數據管理服務系統支持生產數據多方式通訊、多粒度分析與多維度展示，可接入 MES 系統實現智能管理。應用成效（1）針對 3D 白片和成片(兼容 2D/2.5D)玻璃蓋板的外觀品質檢測設備。適用工藝段為白片 AOI、絲印后 AOI、AS 電膜后 AOI 等；第四章 機器視覺檢測裝備細分行業應用情況75（2）檢測項目包括折彎區和視窗區的劃傷、崩邊、凹凸點

81、，漏油，絲印區的芽、缺、鋸齒邊、透光、夾臟、毛絲/纖維、定位線斷線、漏印、印錯、混料、IR 孔及主孔瑕疵等；（3）覆蓋 4.5-8 英寸(3D)、4.5-38 英寸(2D、2.5D)。滿足多類型多尺寸產品外觀檢測，成功應用于手機、平板、筆記本電腦、車載顯示器、LED 顯示屏等多個領域；（4）明顯不良檢出率達 100%，邊緣不良檢出率超過 90%。設備運行穩定，確保了產品的出場良率、降低了用戶運營成本、人力成本、優化生產工藝流程、提高生產效率。（四）汽車行業行業概述-中國汽車產業規模不斷擴大，汽車產銷量也穩居全球第一，成為了全球最活躍的汽車市場我國十年以來汽車工業總產值、上繳利稅不斷擴大，對于

82、GDP 的貢獻顯著增強，并成為穩定就業的重要力量。汽車消費零售總額從 2012 年的 2.4 萬億元，增長至 2021 年的 4.4 萬億元，比 2012 年增長 83.3%，年均增長 7.0%，占全社會消費品零售總額的比重保持在 10%以上；2021 年，汽車制造業完成營業收入超過 8 萬億元，達到 8.7 萬億，實現利潤保持在 5000 億元以上，達到 5306 億元。76智能檢測裝備產業發展研究報告機器視覺篇機器視覺檢測裝備能夠匹配汽車精密生產、智能化產線搭建的需求汽車領域近些年始終保持了非常高的年增長率。伴隨著日益增加的需求和用戶對汽車高端品質的規定，汽車的生產制造愈來愈趨向高精密高自

83、動化。因為人工成本提升、人力資源管理緊缺、汽車產業鏈對生產流水線高效率、高精密、高品質、智能化系統的規定，機器視覺裝備愈來愈多地運用于汽車生產制造的各個領域。相比人工作業機器視覺有很多優勢。機器視覺技術被廣泛的應用于汽車制造業，最經典的應用包括汽車零配件檢測、汽車裝配校驗檢測、汽車零配件二維碼及字符識別、涂膠檢測等。應用場景：對沖壓、焊裝、涂裝、總裝工藝流程全環節實現缺陷檢測、視覺引導和測量。表：消費電子行業產業鏈機器視覺場景匯總產業鏈應用場景價值點相關機器視覺檢測裝備和解決方案沖壓車間缺陷檢測沖壓鈑金件外觀質量檢查、防錯檢查、設備狀態異常監控識別零件表面是否有劃痕、是否有較嚴重的變形、皺褶、

84、裂紋、缺肉、鼓包等外觀缺陷，一旦發現可即時報警，便于人工或機器人把有缺陷的零件挑選出來。視覺引導沖壓件自動裝箱引導機器人進行沖壓件自動裝箱，裝滿沖壓件的料框由 AGV 自動轉運至沖壓件倉庫，實現鈑金件從沖壓-檢查-裝箱-轉運全流程自動化作業沖壓件產品缺陷檢測解決方案汽車鈑金沖壓件 3D 檢測裝備沖壓線尾自動裝箱視覺解決方案第四章 機器視覺檢測裝備細分行業應用情況77產業鏈應用場景價值點相關機器視覺檢測裝備和解決方案沖壓車間測量沖壓件的關鍵尺寸及形狀測量在線快速測量沖壓件的關鍵尺寸及形狀，實現在線快速檢測、快速判斷。焊裝車間缺陷檢測焊點質量檢查、涂 膠質量檢查、自動上件識別、焊接夾具狀態特征檢查

85、、焊接螺柱檢查檢查焊點、涂膠、夾具、焊接螺柱是否符合要求，即時報警及返工視覺引導AGV帶有機器視覺的 AGV穿梭在線邊，引導AGV將鈑金件準確送到需要的工位，這種帶有機器視覺的 AGV 能自己規劃路徑、準確避障、定位料架等功能測量前后風、保險杠、大燈的尺寸及形狀測量在線測量前后風、保險杠、大燈的尺寸及形狀，防止不合格的車身流入總裝車間影響風擋玻璃的自動安裝。鈑金沖壓件高精度視覺尺寸檢測設備焊接機艙焊點視覺檢測裝備汽車焊裝車間裝配引導解決方案汽車焊裝車間在在線測量設備應用場景：對沖壓、焊裝、涂裝、總裝工藝流程全環節實現缺陷檢測、視覺引導和測量。表：汽車行業產業鏈重點機器視覺場景匯總產業鏈應用場景

86、價值點相關機器視覺檢測裝備和解決方案總裝車間缺陷檢測自動裝配零件防錯、底盤裝配質量檢查、SPS 集配/排序揀件識別、汽車制動液/冷卻液液位檢查、銘牌核對檢查、表面劃傷檢查開展總裝車間裝配質量檢測，檢查是否有漏裝、錯裝、質量問題。視覺引導視 覺 導 航 式AGV、立體庫移動式軌道堆垛機、自動擰緊有效識別庫位上是否有障礙物、移栽時是否放到了位、取貨時伸縮叉是否叉到了正確的部位等，完成螺栓的自動擰緊汽車內外飾件外觀缺陷檢測裝備汽車總裝外觀檢測解決方案一體化壓鑄缺陷檢測設備汽車總裝車間移動機器人78智能檢測裝備產業發展研究報告機器視覺篇產業鏈應用場景價值點相關機器視覺檢測裝備和解決方案總裝車間測量外廓

87、尺寸檢查、間隙面差測量、機器人裝配定位坐標測量汽 車 的 長、寬、高、間細面差等外廓尺寸進行在線測量，進行數據的實時獲取、分析、判斷、預警涂裝車間缺陷檢測涂膠質量檢查、堵蓋數量檢查、漆面質量檢查檢查涂膠質量問題、堵蓋裝配質量問題、漆面質量問題，精細化優化涂裝操作工序AI 算法+3D 偏折測量裝備3D 涂膠缺陷檢測裝備解決方案案例：在線涂膠檢測系統上海貝特威自動化科技有限公司案例簡介針對整車行業對涂膠質量檢測的需求，貝特威提供基于機器視覺技術的在線涂膠檢測系統，幫助用戶實現涂膠工藝 100%在線質量控制。實時檢測系統完全融入涂膠生產工藝，高度集成在膠槍上，不占用節拍時間。除此之外，在線涂膠檢測系

88、統提供了大視場全局檢測解決方案。高魯棒性系統設計，結合智能處理算法，使涂膠檢測系統具有良好的檢測精度和可靠性。技術優勢（1）高魯棒性可穩定處理因環境或產品本身原因導致的低質量的圖像；（2）RGB自適應光源可結合膠的顏色以及背景顏色自動匹配最佳的打光效果；（3）高速度支持機器人的最高速度為 2000mm/s；（4）高集成結構360 度全角度范圍檢測應用成效（1）深度學習模塊可滿足低對比度環境下的檢測要求；（2）自動化多樣的數據展示，可讓用戶更直觀的對檢測結果進行分析；（3）后臺監控系統可使用戶在辦公室遠程監控現場的設備運行狀況；（4）7x24 小時高效的工作模式。第四章 機器視覺檢測裝備細分行業

89、應用情況79解決方案案例：汽車行業底盤系統智能制造解決方案北京思謀智能科技有限公司案例簡介汽車底盤系統是汽車動力傳輸的主要組成部分，其中涉及到的組件種類多樣，產品形態各異，傳統的人工質檢存在主觀性太強、效率太低、成本太高等問題，無法有效進行缺陷量化統計和優化前序工藝流程，滿足對品控及產線智能化的要求。缺陷產品一旦流入到市場，就會給人身安全帶來重大隱患。思謀科技底盤系統智能制造解決方案,幫助客戶現實產品智能全檢,完成從人工操作到質檢無人化操作的升級。技術優勢（1）定制組合光源系統對汽車零部件進行包括劃傷、臟污等 6 個面的 360外觀全檢，實現產品無死角的高精度外觀檢測。（2）高速率檢測實現 0

90、.6s 在線斷層掃描，快速檢測使產線全速運行。（3）數據全局看板全面統計缺陷分布，用于生產分析，提升產線質量。（4）SMore ViMo智能工業平臺核心算法采用機器視覺技術，分類、分割、檢測、智能 OCR 四大算法的綜合集成方案，自動匹配最優數據增強策略和參數配置策略，按需放大缺陷特征，實現異性 OCR 完全識別檢測。整體識別性能提高 8 倍，小樣本識別率提高超過 10%，項目交付效率提高 15 倍。應用成效（1）對平面推理軸承、滾動軸承的外觀檢測達到超 98.0%檢出率，每日每條產線處理 80000+產能，實現智能化全檢，節省人力成本 80%；（2）實現汽車剎車卡鉗 100%的外觀檢測，將異

91、常產品流出率由 0.01%降至0.0001%；（3）對于轉向節精磨面的缺陷檢測，檢測準確率達到 95%+，節省 60%以上的人力成本；（4）綜合缺陷檢出率達 99%，大大提升產線效率。80智能檢測裝備產業發展研究報告機器視覺篇解決方案案例：新能源汽車行業的 3D 涂膠質量在線檢測系統重慶中科搖櫓船信息技術有限公司案例簡介3D涂膠質量在線檢測系統基于巧妙的四激光光刀（四個線激光輪廓儀）級聯設計，有效解決涂膠軌跡無規則變化問題，做到膠槍 360無死角視場覆蓋，極大增加膠條異常的檢出率，采用獨特藍光激光光源非接觸式測量，不受環境光照影響，測量抗干擾性強。再經過三維重建算法得到物體輪廓尺寸，借助直線移

92、動實現物體三維成像。其主要應用于汽車制造在焊接、涂裝、總裝及動力總成相關的涂膠檢測環節。主要檢測是否存在斷膠（連續性）、漏膠、膠寬異常、位置異常、膠高異常，提升涂膠良率和涂膠工藝質量的穩定性。技術優勢（1）解決膠條與基底顏色接近涂膠質量檢測：徹底解決膠條與基底顏色接近的低對比度下涂膠質量檢測難題；（2）由二維拓展到三維：將涂膠質量檢測由二維拓展到三維，杜絕涂膠厚度/高度異常帶來的密封缺陷影響；（3）360無死角視場覆蓋：巧妙的四激光光刀級聯設計，有效解決涂膠軌跡無規則變化問題，做到膠槍 360無死角視場覆蓋，極大增加膠條異常的檢出率；（4）支持在線補膠：支持在線補膠功能，實時檢測膠條各個區域質

93、量并同步3D 軌跡位置，異常數據反饋機械手；（5）支持智能示教功能：支持智能示教功能，縮短產品頻繁轉換導致的停產時間；（6）測量抗干擾性強：采用獨特藍光激光光源非接觸式測量，不受環境光照影響，測量抗干擾性強；（7）測量數據穩定：級聯式光刀結構內部無任何運動機構，用于在線檢測工業環境具有優異的測量數據穩定性和使用耐久性；（8）結構小巧、安裝方便：結構小巧緊湊，安裝方便，可靠的外殼防護等級，使用壽命長；（9）算法優勢：基于深度學習算法，用于在線檢測工業環境具有優異的測量數據穩定性和使用耐久性。第四章 機器視覺檢測裝備細分行業應用情況81應用成效（1）基于 3D 點云的異常檢測，可實時顯示涂膠軌跡圖

94、，指示異常位置，具備示教模式、檢測模式及缺陷統計功能。具備分段設置膠條寬度、高度、位置及連續性檢測模式；（2）基于統計方法，檢測系統擁有強大的學習能力，在使用過程 中不斷增強檢測模型的檢測能力，越用越穩，越用越強；（3）全自動的涂膠異常檢測解決方案，降低用戶的使用難度，只需簡單培訓即可上手使用；（4）綜合檢出率達 99.9%以上。解決方案案例：汽車 3D 視覺引導工件上下料解決方案杭州?？禉C器人股份有限公司案例簡介在汽車制造生產過程中，工件上下料場景廣泛存在于沖壓車間、焊接車間、機加車間等。在該場景下，機器人將工件從料框抓取，并放置于機床或皮帶線上，或機器人將工件從皮帶機、機床上抓取放置于料框

95、中。?？禉C器人采用3D引導技術，可以實現對工件、料框精準識別與定位，使得生產過程更加高效、靈活，助力提高生產制造自動化水平，減少人工錯誤，降低勞動力成本。技術優勢（1）高精度 RGBD 圖輸出采用?？蹈呔燃す庹耒R相機，精準定位。（2）優異的抗環境干擾能力針對汽車工件金屬表面高反光、復雜的生產環境，具備優異的抗環境光性能，有效提取金屬工件的 3D 信息。（3）智能軌跡規劃RobotPilot 軟件內置軌跡規劃算法，在避免碰撞的前提下計算出最優的抓取策略及運行路徑。（4）現場適應性高系統已適配眾多機器人品牌，完成對于多類型料框、不同種類工件的適配，現場應用具備易用性和可維護性。第四章 機器視覺檢

96、測裝備細分行業應用情況85技術優勢（1）高精度測量配合高精度現掃相機，多次掃描大幅面晶圓，測量相應尺寸。（2）高精度算法分割能力在細微缺陷的精細化分割上，可做到極致 2 像素缺陷檢出。（3）高穩定性視覺輪廓提取對于工業場景中被檢對象整體和背景完全類似的缺陷檢測難題，可做到高穩定性的視覺輪廓提取，檢測臟污、灰塵簇等難檢缺陷。（4）SMore ViMo智能工業平臺核心算法采用機器視覺技術，分類、分割、檢測、智能 OCR 四大算法的綜合集成方案，自動匹配最優數據增強策略和參數配置策略，按需放大缺陷特征，實現異性 OCR 完全識別檢測。整體識別性能提高 8 倍，小樣本識別率提高超過 10%，項目交付效

97、率提高 15 倍。應用成效（1）檢測速率實現90%提升,檢測準確率提升 99.5%,涵蓋產品多至12種缺陷；（2）硅片檢測效率提高 50%，實現 100%全檢；（3）兼容不同晶圓規格的檢測，系統無縫切換；（4）對芯片的檢測和計數，達到 98.5%準確率。解決方案案例：高精度結構光 3D 相機北京博視像元科技有限公司案例簡介結構光 3D 相機是由工業相機與數字投影組合而成的 3D 成像系統，通過投影多幅經過編碼的圖案到物體表面，利用工業相機進行拍照，并分析編碼圖案的形變信息，得到物體表面的 3D 輪廓信息。博視像元提供的結構光 3D 相機精度高、幀率快、結構靈活等優點。目前最高可以實現 Z 方向

98、 100nm 的重復精度，最高6500 萬像素的 3D 數據，該系列產品在半導體、SMT、PCB 檢測等領域具有廣泛的應用。86智能檢測裝備產業發展研究報告機器視覺篇技術優勢（1）高精度采用相移法的結構光 3D 相機具備極高的三維分辨率，在高分辨率相機和高精度工業投影的組合下可以實現亞微米級的分辨力和重復精度。（2）高幀率采用CoaXPress接口相機作為主相機，通過多個線纜并行傳輸，最高可以實現 50Gbps 的傳輸帶寬，是目前工業相機領域速度最快的傳輸接口。（3）高靈活性該產品可以實現鏡頭和視野的快速適配，為客戶提供最佳的產品參數。另外該產品可以實現多相機和多光機靈活搭配，一鍵進行系統標定

99、，滿足客戶多樣化的需求。應用成效（1）半導體芯片封測?？蓪崿F BGA、QFP、LGA 等芯片封裝的三維成像與檢測，檢測高度、間距、平面度等參數的檢測；（2）Wafer 晶圓檢測?？梢詫崿F幾十微米到百微米級別的晶圓的 3D 成像與檢測，一次拍照一個區域，極大提高了晶圓檢測效率；（3）3D AOI/SPI 設備?？梢詫崿F SMT 產線上錫膏檢測和電路板檢測，多視角融合解決陰影和遮擋問題；（4）PCB 檢測?？梢詫?PCB 外觀和 3D 形態進行成像與檢測。第五章 總結與展望87第五章 總結與展望基于研究報告相關成果，機器視覺檢測裝備市場競爭激烈，但受惠于高質量發展和智能制造的整體趨勢，產業仍有較大

100、市場潛力，這需要依托現階段優勢，對產業生態進行正確引導和培育，加強技術研發攻關和標準研制，提升裝備供給能力和水平?？偨Y與展望智能檢測裝備未來將進一步支撐新質生產力發展智能檢測裝備是實現新質生產力的重要工具，也是制造業發展新質生產力的重要技術和物質保障。未來，智能檢測裝備將不僅能夠穩定生產運行、保障產品質量、提升制造效率、確保服役安全，也將能夠監控工廠運行流程，對各類生產要素進行分析評估，助力企業開展決策，形成閉環的質量管理方式。在這種模式下，制造企業企業將有潛力進一步構建質量體系，支撐研發創新產品，擴展自身業務模式，促進技術、管理、數據等要素便捷化流動、網絡化共享、系統化整合、協作化開發和高效

101、化利用。視覺檢測裝備的市場增量在未來一段時間內還將快速發展，且速度不斷提升對于鋰電、光伏、半導體、汽車等行業，機器視覺檢測場景豐富，需求旺盛且保持強勁的增長勢頭，未來檢測裝備滲透率將進一步增大，并同步逐漸向綜合解決方案升級，以滿足客戶更復雜、更全面的需求。對于食品醫藥、紡織、鋼鐵等傳統行業，雖然目前僅完成了部分關鍵場景的挖掘，但對于非關鍵檢測項仍有很大挖掘空間，行業潛力巨大。隨著傳統行業產業結構轉型升級，數字化智能化水平提升，將推動機器視覺行業的發展技術應用成本進一步降低，可挖掘和落地的檢測場景也會持續增多。人工智能、新型成像技術將大幅提升檢測裝備的能力和范圍面對算法模塊樣本少、訓練時間少的特

102、點，供應商將從非標的算法開發逐步變為通用的深度學習和大模型算法開發。AI 大模型技術疊加行業大數據，將重新定義檢測裝備部署維護新范式、擴大檢測能力范圍邊界，重新定義檢測裝備類型，88智能檢測裝備產業發展研究報告機器視覺篇擴展商業模式。隨著高光譜成像技術、3D 技術的落地，機器視覺檢測裝備對于光譜和空間的利用將更加充分，諸如紡織品成分、食物成分等高難度檢測場景將得到攻破。新一代通信技術和可配置系統理念將助力裝備向輕量化和邊緣化發展面對計數、識別、面陣質量檢測等場景的高速傳輸的需求，企業逐步開展 5G、6G 的網絡擴容和建設，并推動邊緣云和邊緣視覺的計算框架研發，通過 5G、6G 將數據上傳到云端

103、，能極大提升整個控制系統的響應速度。面對生產加工設備集成視覺模塊較為復雜，亟需提升性價比和響應能力的需求，應用嵌入式、輕量化、模塊化零部件，實現快速參數設置和功能拓展，開發可配置視覺系統將成為供應商發力熱點。制造企業對于一體化定制化智能檢測需求持續提升當前，制造企業檢測需求差異化較大，且自身較缺乏檢測裝備運營和維修能力，這要求供應商付出更多時間和資源，提供高度一體化、定制化服務，指派駐場人員進行系統設計、設備調試、檢修、培訓等服務。需求的人員包括算法工程師、系統開發工程師、調試人員等。只有人才充足、落地能力強，深耕細分行業場景的供應商才能在站穩腳跟。產業亟需規范產業發展標準化工具和公共服務產業逐步認識到，開展機器視覺檢測裝備安全、可靠性、系統互聯互通、統一的硬件接口和圖像處理分析算法等技術標準研制能夠確保檢測裝備質量，確保不同產商生產的設備能夠互相兼容，更容易實現系統集成和二次開發，規范產業發展。未來，將有越來越多國內外視覺裝備企業和標準化組織加入到機器視覺標準化工作中來。我國已研制了一批機器視覺裝備術語、功能性能測試方法等基礎國家標準，但依托標準開展的機器視覺檢測裝備計量、認證認可、檢驗檢測和成果轉化等公共服務仍不足，相關工作將成為未來檢驗檢測基地和研究院所的重點發力方向。