身处智能革新的关键节点，传统制造行业面临着多方面的转型挑战。

一方面，人力成本攀升，工厂面临“招工难、留工难”的压力；另一方面，在智能制造浪潮下，质量检验和生产的需求不断增加，生产线对工业设备有了更高的要求。

加之国家越来越注重智能制造的发展，发布多项政策和规划大力推动智能制造领域的产品研发和市场扩展。在《“十四五”数字经济发展规划》中就明确提出了：到2025年，数字经济核心产业增加值占GDP比重达到10%。作为国之重器的制造业，工业互联网平台应用普及率要从2020年的14.7%，达到45%。

机器视觉质检就是工业互联网的一个重要应用场景。

广阔的应用空间孕育了充足的市场潜力。中国作为全球制造业的加工中心，正成为世界机器视觉发展最活跃的地区之一。Grand View Research预测，到2023年，中国机器视觉行业的复合增长率将达28%。

在为数众多的应用场景中，机器视觉到底如何发挥作用？在哪些方面可以帮助制造业实现智能化升级？

英特尔在最新发布的《机器视觉特刊2022》中详细解读了机器视觉方案在实际场景中的应用，并展示了英特尔如何扮演重要的“赋能者”角色，携手中国机器视觉行业合作伙伴，助力工业企业加速迈向数字化转型、智能化升级。

英特尔发布《机器视觉特刊2022》

机器视觉质检属于工业现场检测的一部分。在电子、汽车、金属加工、包装等行业，简单、可靠、经济实用的现场总线技术日益普及，也对过程自动化、制造自动化提出更高要求。因此，需要引入机器视觉，替代传统的人工检测方法。

机器视觉可以识别、提取待检测目标的关键特征，包括尺寸、形状、颜色，同时检验产品是否符合设计参数和质量参数，发现问题后，机器视觉还能识别出缺陷类型及位置，辅助进行产线调整。

虽然传统计算机视觉技术已经在该领域得到应用，但难以实现高精度。面向工业环境的机器视觉系统，具备比人类更高的视觉感知效率以及精度，降低了人为失误的可能性，从而提升表面缺陷检测等应用的稳定性、精确性与效率。

随着中国经济不断发展，大家的需求也越来越多样。小批量、客制化、柔性制造，成为中国制造业不可逆转的趋势。

2020年，中国新安装了16.8万台工业机器人，占全球新安装量的43.85%。机器视觉可以为机器人带来了 “柔性”。IDC预测：将机器视觉集成到机器人系统中，可将操作灵活性增加50%，产品质量提高35%。

从物流、金属加工、汽车到3C市场，配备机器视觉的机器人，可以抓取不规则包裹、焊接非标金属部件、抓取随机摆放和堆叠零部件、装配客制化产品零部件，同时还能实现导航避障，以柔软的身段穿行于环境复杂的制造业厂房之中。

为提高生产效率、降低运营成本，很多行业的工厂生产线往往是24小时运转，非计划突发停机往往造成重大损失。此时，依靠传感器收集的关键组件性能和操作人员行为，并对其加以分析，从而实现预测性维护，制造商就能更准确地判断何时需要维护机器、优化生产步骤。

根据IoTAnalytics发布的数据：到2026年，预测性维护市场将持续保持高速增长，复合年均增长率 (CAGR) 为31%。

随着技术的不断成熟，以往只能用于高端领域的机器视觉等设备，现在可以部署在边缘端，分析图片、视频、时序等海量数据，并开展实时分析，不但可以提高生产线收益率，同时还能延长机器寿命，提高成本效益。

新冠疫情凸显了以机器人、机器视觉等为代表的自动化、智能化生产系统的重要价值——通过应用机器视觉系统，企业能够降低员工无法到岗对于生产节奏与生产秩序带来的影响，同时降低在疫情防控方面的压力。而随着疫情的逐步平息，制造业预计将加速复苏，机器视觉市场需求也将日益旺盛。

大量的需求无疑提高了制造业对于软硬件技术的标准和需求。为了加快机器视觉在工业互联网中落地，英特尔提供一系列硬件、软件和工具包，助力更多方案的落地，加速工业自动化产业升级，释放数据在边缘端的潜能。

在硬件层面，第三代英特尔^® 至强^® 可扩展处理器内置AI加速技术，代际平均性能增益1.46 倍， 图像分类的AI推理性能提升1.56倍，为机器视觉需要的服务器端负载提供有力支撑。再加上英特尔凌动^® 、酷睿^™ 、至强^® 等处理器与FPGA及网络芯片，构成不同算力级别的处理器层次，同时有丰富的可扩展高速IO及外围接口电路等硬件支撑，能够满足从基础、主流、高级等不同机器视觉系统的需求。

在软件层面，英特尔^® 工业边缘洞见平台（EII）、OpenVINO^™ 工具套件、oneAPI工具包，以及英特尔机器视觉开发套件，构成了机器视觉的英特尔软件基础设施：

有了上述软硬件的加持，英特尔提供了3D视觉加速方案，可以为机器人提供视觉导引与检测：

此外，英特尔的SigOpt AI训练平台可以用于自动优化深度学习训练流水线参数调优，从而提高建模效率，加快投产速度。

当然，英特尔的这些解决方案，绝不是纸上谈兵，已经在各行各业的众多企业中落地。

传统的轮毂生产过程中，不同型号轮毂往往由人工完成，效率低，而且培训成本高，容易出错。信捷电气打造的AI轮毂分类/分割方案，用到第十一代英特尔^® 酷睿^™ 处理器、OpenVINO^™ 工具套件和oneAPI工具包，推理精度可达99%，推理速度从531毫秒降到33毫秒，同时将人力成本降低75%。

基于AI的轮毂分类/分割流程

作为另一家制造业巨头，富士康建立起工业互联工厂（Fii），其中广泛应用了自动化系统，但由于海量数据造成的数据拥塞和网络延迟，阻碍了设备同步，降低产线效率。富士康使用工业互联网TSN解决方案，其核心目标之一是引入更多AI功能，构建监控产品的智能系统。现在，使用第十一代英特尔^® 酷睿^™ 处理器、英特尔^® 至强^® 和凌动^® 处理器、英特尔^® FPGA和英特尔^® 以太网控制器(i210)作为关键设备组件，TSN可以预测性分析切割机的使用寿命和使用情况，并在整体上实现三大优势：

此外，在中国电信的5G MEC边缘云平台、光伏行业的接线盒定位焊接等场景中，英特尔的软硬件都起着决定性作用，帮助企业提升效率，消除安全隐患，降低运营成本。

当然，机器视觉的使用场景绝不仅限于这些，它已经成为基础设施智能化升级不可或缺的一部分。随着智能制造的不断推进，作为其关键元素的机器视觉，将持续推进工业系统实现自动化、智能化，改善系统在成本、效率、安全性、稳定性等方面的表现。

未来几年，制造业的机器视觉系统预计将集成更加精确的视觉传感器，具备更加强大、多元化的算力，并融合更加强大的机器视觉算法，衍生更多的场景化应用。同时机器视觉系统也将与工业机器人等系统进行协同应用，助力构建柔性、智能的产线，实现智能制造的远景目标。

通过技术创新与战略转型引领机器视觉发展是一个持续的过程，对企业效率的提升、供应链的稳定以产品的质量至关重要。在数字化创新技术的推动下，越来越多的制造企业将通过自主研发、生态合作等方式，将机器视觉应用到工业检测、工业机器人、预测性维护等场景之中，将传统的工业流程转变为智能化流程，这同时也为企业数据资源的挖掘与利用奠定了坚实的基础。

英特尔将继续强化与ISV、SI、OEM、ODM等生态合作伙伴的紧密合作，提供优化的机器视觉解决方案，将端到端的技术优势赋能给合作伙伴，助力机器视觉方案的场景化落地，进而帮助更多制造企业从这些方案中获益，持续拓展智能制造的能力范围与服务边界，将海量的工业数据变成可操作的洞察力。