7月22日，首批25家科創(chuàng)板公司舉行上市儀式。在這些企業(yè)中，與工業(yè)檢測(cè)相關(guān)的就有天準(zhǔn)科技和華興源創(chuàng)兩家，其中，天準(zhǔn)科技專注于視覺(jué)檢測(cè)，而華興源創(chuàng)則是檢測(cè)設(shè)備與整線檢測(cè)系統(tǒng)解決方案提供商，并且已經(jīng)交付了兩條柔性O(shè)LED的機(jī)器視覺(jué)檢測(cè)項(xiàng)目。這足以顯現(xiàn)出機(jī)器視覺(jué)檢測(cè)的熱度高居不下。
機(jī)器視覺(jué)的四大應(yīng)用包括定位、識(shí)別、測(cè)量、檢測(cè)，目前檢測(cè)端才是市場(chǎng)最大、落地最廣的一部分。2018年全球視覺(jué)市場(chǎng)總量70億美元左右，檢測(cè)應(yīng)用占比超過(guò)60%，GGII數(shù)據(jù)顯示，2018年國(guó)內(nèi)機(jī)器視覺(jué)市場(chǎng)規(guī)模53.79億元，同比增長(zhǎng)27.95%。
部分視覺(jué)檢測(cè)的下游市場(chǎng)應(yīng)用
機(jī)器視覺(jué)的崛起，很大程度上來(lái)自半導(dǎo)體行業(yè)的剛需。半導(dǎo)體行業(yè)元器件尺寸較小，對(duì)產(chǎn)品精度、柔性化有較高的要求，像一些比較精細(xì)化產(chǎn)品的外觀、內(nèi)部結(jié)構(gòu)等方面就必須用到AOI檢測(cè)，而錫膏印刷機(jī)、貼片機(jī)、AOI檢測(cè)這類的設(shè)備則要用到高性能機(jī)器視覺(jué)組件，因此工業(yè)視覺(jué)系統(tǒng)在半導(dǎo)體及電子制造、檢測(cè)等各個(gè)方面得以廣泛的應(yīng)用。
而從市場(chǎng)規(guī)模來(lái)看，目前半導(dǎo)體領(lǐng)域工業(yè)視覺(jué)市場(chǎng)規(guī)模年增長(zhǎng)率在25%左右，2018年市場(chǎng)規(guī)模突破20億元。
在汽車行業(yè)，國(guó)外的工業(yè)視覺(jué)產(chǎn)品和應(yīng)用相比來(lái)說(shuō)更加多樣化，我國(guó)起步晚，工業(yè)視覺(jué)仍在推廣普及階段，市場(chǎng)規(guī)模增速將近30%。而除了主機(jī)廠，在汽車零部件的各項(xiàng)檢測(cè)應(yīng)用也越來(lái)越多。例如輪胎的花紋檢測(cè)、條碼識(shí)別與驅(qū)動(dòng)電機(jī)里的轉(zhuǎn)子檢測(cè)與追蹤等等。
在汽車零部件行業(yè)，南方軸承總經(jīng)理姜宗成表示：“我們現(xiàn)在是以人工檢測(cè)為主，外觀、性能檢測(cè)都有，效率低浪費(fèi)大，而且多在后段的成品檢測(cè)，我們希望做到前端的在線檢測(cè)來(lái)進(jìn)一步減少不良率。”
在制藥行業(yè)，平方和CEO蔡仲倫表示：“目前我們主要在做的是膠囊外觀檢測(cè)、糖漿類、安瓿西林檢測(cè)、口服液和大輸液燈檢，制藥行業(yè)對(duì)生產(chǎn)環(huán)境的要求極高，所以對(duì)自動(dòng)化要求很高，而在檢測(cè)端這個(gè)行業(yè)目前還是藍(lán)海，很多復(fù)雜的應(yīng)用場(chǎng)景很少有人去做。”而對(duì)制藥、食品包裝、印刷等行業(yè)來(lái)講都是如此，上升空間巨大。
經(jīng)過(guò)高工機(jī)器人歷年對(duì)鋰電池、3C、汽車零部件、光伏等行業(yè)的巡回調(diào)研之中發(fā)現(xiàn)，檢測(cè)端也確實(shí)是目前人力成本最高的一個(gè)工位。
快可光伏是一家專業(yè)從事太陽(yáng)能光伏控制及光伏連接傳輸系統(tǒng)、戶外精密防水連接器系統(tǒng)產(chǎn)品的公司，其總經(jīng)理王新林表示：“在檢測(cè)端，光伏連接器與電纜、儲(chǔ)能連接器與電纜之間的功能性檢測(cè)是一個(gè)很重要的地方，還有一個(gè)就是在連接器內(nèi)部的構(gòu)造檢測(cè)，但是目前還難以完成。”
而在鋰電行業(yè)，各種檢測(cè)專機(jī)盛行，視覺(jué)龍董事長(zhǎng)丁少華列舉了一些檢測(cè)設(shè)備，涂布機(jī)對(duì)齊度視覺(jué)在線檢測(cè)系統(tǒng)、輥壓機(jī)涂布缺陷視覺(jué)在線檢測(cè)系統(tǒng)、分切機(jī)涂布缺陷視覺(jué)在線檢測(cè)系統(tǒng)等等，視覺(jué)檢測(cè)已經(jīng)在各個(gè)工位得到了應(yīng)用。
3C、半導(dǎo)體將持續(xù)引領(lǐng)產(chǎn)業(yè)發(fā)展
雖然工業(yè)視覺(jué)在半導(dǎo)體及電子產(chǎn)業(yè)發(fā)展較早，已經(jīng)占據(jù)工業(yè)視覺(jué)整個(gè)市場(chǎng)的半壁江山。但基于工業(yè)視覺(jué)的技術(shù)特點(diǎn)和半導(dǎo)體及電子產(chǎn)業(yè)自身的制造需求，半導(dǎo)體及電子產(chǎn)業(yè)未來(lái)較長(zhǎng)時(shí)間內(nèi)仍將引領(lǐng)工業(yè)視覺(jué)產(chǎn)業(yè)的發(fā)展。
從制造工藝來(lái)看，半導(dǎo)體和電子設(shè)備制造對(duì)工業(yè)視覺(jué)存在剛性需求。工業(yè)視覺(jué)具有高精度的特點(diǎn)，天然適合高性能、精密的專業(yè)設(shè)備制造，這也是為什么相關(guān)行業(yè)能夠帶動(dòng)整個(gè)工業(yè)視覺(jué)崛起的原因。
在半導(dǎo)體制造領(lǐng)域，其前、中段過(guò)程都需要工業(yè)視覺(jué)的精密定位與視覺(jué)測(cè)量，后段制程中晶圓的電器檢測(cè)、切割、AOI封裝、檢測(cè)等過(guò)程都需要大量運(yùn)用工業(yè)視覺(jué)技術(shù)，工業(yè)視覺(jué)在半導(dǎo)體制造過(guò)程中的速度和精確性優(yōu)勢(shì)明顯。
而在3C制造領(lǐng)域，元器件和主體的制造各環(huán)節(jié)也需要工業(yè)視覺(jué)的協(xié)助，其中70%的工業(yè)視覺(jué)單位應(yīng)用在檢測(cè)環(huán)節(jié)的機(jī)器視覺(jué)單位應(yīng)用在該環(huán)節(jié)。除此之外，連接器檢測(cè)、PCB底片檢查、硬盤檢測(cè)、機(jī)器人視覺(jué)引導(dǎo)定位、元器在線分類篩選、二維碼讀取等也需要工業(yè)視覺(jué)。由于技術(shù)工藝的高要求，半導(dǎo)體和電子設(shè)備制造對(duì)工業(yè)視覺(jué)技術(shù)存在剛性需求。
工業(yè)視覺(jué)落地面臨千溝萬(wàn)壑
下游應(yīng)用領(lǐng)域的不斷拓展也對(duì)工業(yè)視覺(jué)提出更高要求，就當(dāng)前的技術(shù)來(lái)看，工業(yè)視覺(jué)仍存在一些技術(shù)和應(yīng)用瓶頸，導(dǎo)致在一些領(lǐng)域工業(yè)視覺(jué)商業(yè)化落地進(jìn)展較慢。平方和CEO蔡仲倫進(jìn)一步指出：“國(guó)內(nèi)大多視覺(jué)公司只是應(yīng)用層面上的二次開(kāi)發(fā)，并不具備底層發(fā)開(kāi)能力，如果他們使用的平臺(tái)沒(méi)法實(shí)現(xiàn)需求就他們就無(wú)法操作。”這也是目前國(guó)內(nèi)的很多應(yīng)用場(chǎng)景還是一片空白的原因。
高工機(jī)器人研究所首席分析師盧彰緣表示：“從市場(chǎng)層面上看，機(jī)器視覺(jué)雖然發(fā)展了很多年，但從下游應(yīng)用的滲透率來(lái)看，中國(guó)僅為5%左右，下游市場(chǎng)的空間依然很大；從技術(shù)層面上看，機(jī)器視覺(jué)當(dāng)下能夠滿足的場(chǎng)景依然有限，如在定量、結(jié)構(gòu)化場(chǎng)景中，機(jī)器視覺(jué)憑借其速度、精度和可重復(fù)性具備一定的優(yōu)勢(shì)；而在定性、復(fù)雜和非結(jié)構(gòu)化場(chǎng)景中，機(jī)器視覺(jué)面臨較大的挑戰(zhàn)，實(shí)現(xiàn)存在一定的難度。”
·通用性和智能性欠佳
機(jī)器視覺(jué)在通用性方面存在不足，在一些集成應(yīng)用中無(wú)法搭載，一臺(tái)設(shè)備可能只適用于一家廠商或一種行業(yè)，導(dǎo)致開(kāi)發(fā)成本過(guò)高。而在智能性方面，當(dāng)庫(kù)存量單位較高時(shí)，或者移動(dòng)速度較快時(shí)，工業(yè)視覺(jué)在識(shí)別準(zhǔn)確率上就難以達(dá)到要求。
·實(shí)際應(yīng)用中準(zhǔn)確率仍不盡人意
盡管從一些算法的測(cè)試結(jié)果來(lái)看，工業(yè)視覺(jué)的圖像識(shí)別準(zhǔn)確率已經(jīng)能夠達(dá)到極高的水平，但要實(shí)現(xiàn)工業(yè)上的應(yīng)用，還需要保證能夠快速完成批量化檢測(cè)，同時(shí)能夠適應(yīng)多樣的環(huán)境（包括物體表面材質(zhì)、工廠環(huán)境、工作距離等等）。只有在實(shí)際應(yīng)用中能夠達(dá)到極小的誤檢率，工業(yè)視覺(jué)才能實(shí)現(xiàn)其應(yīng)用預(yù)期，從而滿足客戶的標(biāo)準(zhǔn)而得以推廣。
梅卡曼德CEO邵天蘭表示：“在準(zhǔn)確率方面，即使你做到95%也是很難滿足客戶期望的，因?yàn)閷?duì)客戶來(lái)說(shuō)，這個(gè)環(huán)節(jié)本來(lái)不應(yīng)該出問(wèn)題，所以客戶的要求肯定是99%以上。”
·對(duì)算法和算力的要求不斷提高
工業(yè)視覺(jué)是通過(guò)讀取和分析真實(shí)場(chǎng)景的圖像和視頻來(lái)實(shí)現(xiàn)其功能的，圖像和視頻包含的數(shù)據(jù)量足夠大，但也存在大量的冗余信息。單一的簡(jiǎn)單特征提取算法難以滿足算法對(duì)普適性的要求，同時(shí)伴隨應(yīng)用場(chǎng)景和功能的復(fù)雜化，在設(shè)計(jì)普適性的特征提取算法時(shí)對(duì)計(jì)算能力和存儲(chǔ)速度的要求不斷提高，這也帶來(lái)了開(kāi)發(fā)成本和產(chǎn)品價(jià)格相對(duì)較高的問(wèn)題。
在未來(lái)，以深度學(xué)習(xí)為代表的AI技術(shù)將有望解決這一難題，深度學(xué)習(xí)可模擬人類智能的神經(jīng)網(wǎng)絡(luò)來(lái)區(qū)分異常等，同時(shí)能夠應(yīng)對(duì)復(fù)雜場(chǎng)景中的自然差異，兼具人工視覺(jué)檢測(cè)的靈活性以及機(jī)器視覺(jué)系統(tǒng)的速度和穩(wěn)健性。
