1. 首頁 > 生活百科 > 科技 > >

機器視覺|圍攻“智能制造”，機器視覺的后起之秀

機器人相機智能制造機器視覺

機器視覺|圍攻“智能制造”，機器視覺的后起之秀

機器視覺是實現工業4.0的關鍵點之一 。
從18世紀60年代開始 ， 工業革命對人類歷史的進程產生了重要影響 。
「工業1.0」是機械制造 ， 即通過引入機械設備實現工廠機械化的制造時代 。 上世紀40年代進入「工業2.0」 ， 電氣與自動化時代開創了產品批量生產的高效模式 。 70年代開始并持續至今的信息化則是「工業3.0」 ， 通過數字化的技術將信息存儲起來 ， 方便工廠的決策者管理 。 而如今的「工業4.0」時代 ， 是智能制造時代 ， 對生產力提出了更高的要求 ， 背后的動力極有可能是如今蓬勃發展的人工智能技術 。
前三次工業革命 ， 中國都沒趕上 。 18世紀 ， 中國處于閉關鎖國的封建時期；上世紀 40年代 ， 中國處于動蕩之中；70年代 ， 中國則剛剛起步發展 。 因此 ， 對當下的中國來說 ， 國泰民安 ， 人才培養增多 ， 資源豐富 ， 抓住「工業4.0」的智能制造時代機遇至關重要 。
過去十五年 ， 中國制造業的規模以近三十倍的速度瘋狂增長 ， 到2020年 ， 中國工業增加值達31.3萬億元 ， 連續11年蟬聯世界最大制造業國家 ， 占據全球30%的市場份額 。
在2015年提出的「中國制造2025」計劃中 ， 工業計算機視覺應用占了重要位置 。
在智能世界中 ， 機器可以替代人力 ， 帶來安全與效率的提升 ， 并以強大的數據搜集與分析能力 ， 為整個產業帶來顛覆性的改變 。
而實現這一切的關鍵 ， 是首先為機器點亮一雙明察秋毫的“智慧之眼” 。
AI工業界有句老話：得視覺者得天下 。
從人臉識別到工業智造 ， 計算機視覺的落地目前已跨越了半導體、汽車、航空、新能源、精度光學等行業 ， 如鏡片分揀、軸承檢測、特種條碼設計與識別、偏光彎膜、模具檢測、AVI檢測等 。 以芯片檢測為例 ， 基于深度學習的計算機視覺算法就有可以完成億級晶體結構的全自動聚類分析：檢出率超過99.99%、單流程處理效率提高96%、AI自動化全檢處理效率提升90% 。
傳統制造業在國家經濟中的占比 ， 就是智能制造未來的市場容量 。 據國家統計局數據顯示 ， 2019年、2020年 ， 中國工業增加值的規模均超過了31萬億 。 工業領域1-2%的效率提升就意味著數千億級的經濟增值 。
紛繁復雜的機器視覺市場是一個足夠大 ， 足夠遠的市場 ， 同時也是一個需要眾多玩家齊心協力 ， 發揮所長 ， 共同拉高需求 ， 推動水平的市場 。
智能制造這片汪洋大海 ， 于是涌現出一批隨中國工業化進程而匯聚起來的各路人馬 。
在這批人馬中 ， 有一路臥薪嘗膽 ， 穿越時間的曲線而老當益壯的傳統視覺廠商；有從安防市場切入 ， 帶頭突破國際巨頭防線的海大宇；有從人臉識別賽道拔地而起 ， 分走計算機視覺市場半壁江山的AI四小龍 。
同時 ， 一大批AI新銳企業 ， 也正沿著前輩們開墾過的視覺之路你追我趕 ， 穩扎穩打 ， 循序漸進 。
他們憑借自身的技術實力 ， 從各個細分領域切入 ， 一寸一寸地攻城略地 ， 大有搶占智能化時代潮頭之勢 。
受限于文章篇幅 ， 雷峰網AI掘金志僅列舉四個在機器視覺展露頭角的初創企業 。 本文不能代表所有企業 ， 但玩家或能從中一窺工業數字化的發展動態 。
易視智瞳：兩次轉型 ， 瞄準精密點膠、視覺檢測高端制造
易視智瞳在經過兩次轉型后 ， 確定了在高端制造領域深挖護城河的打法 。
2015年 ， 全球制造鏈條的進一步加深融合 ， 倒逼著國內制造業同步進入精細化階段 。
易視智瞳隨之下場工業視覺智能技術研發及產業化 ， 成立初期以軟件為主 ， 致力于為工業機器人和高端裝備“提供一個包括大腦、小腦、眼睛的腦袋 。 ”

相關經驗推薦