工业4.0让我们曾经熟悉的工厂、车间成了新技术的试验场，但凡是能够推动制造数据化和智能化、提升生产效率的技术和方案，都希望有机会在工业领域一展身手。机器视觉当然也是其中之一。
应用在工业领域的机器视觉，也被简称为“工业视觉”，最通俗的理解就是在生产制造的过程中运用机器视觉技术，代替人眼去完成特定的任务，或是让机器设备具备视觉功能以支持其完成自动化的操作。所以也有人认为工业视觉就是智能制造的之“眼”。
为什么要发展工业视觉？与其他被机器取代的人工工作类似，我们可以列举出许多让工业视觉大行其道的理由：首先，机器视觉比人眼的精度高，可以完成许多肉眼无法完成的工作；其次，机器不会疲劳，还可以在一些极端环境下工作，更为可靠；再有，机器还可以响应可见光以外更宽的光谱（如红外），可“见”的范围也更广；另外，对于机器在效率上的优势，大家也一定不会有疑议……
当然，除了上述技术层面的原因，工业视觉的经济性也是一个重要因素。这是因为随着全球老龄化进程的加速，劳动力资源供给在减少，而与之关联的是工业制造业的人力成本一直在增加，所以很多经济体原先高速发展所仰仗的人口红利不再，考虑用机器去替代人工也就成了其工业发展必由之路。
以工业视觉应用中占比最大的电子行业为例，有人估算，仅就智能手机玻璃盖板、触摸屏、显示屏外观检查这一个岗位，中国每年就需要近30万人，由此产生的劳务工资是一项庞大的开销。而如果采用工业视觉方案去替代这种重复性的劳动，既是效率之选，也是效益之选。
因此在市场需求驱动下，近年来工业视觉市场一直保持较快的增速。据高工产业机器人研究所（GGII）预测，中国工业驱动的机器视觉市场规模预计到2020年将超过120亿元，2017-2020年均增速将达15%以上。电子、汽车、医药、食品等诸多领域都将是工业视觉的发力点。
工业视觉在生产制造过程中的基础功能主要集中在四个方面：
基于上述的基础功能，人们又可以对其进行组合、集成，衍生出更复杂的应用。
与其他领域的机器视觉相比，工业视觉方案也有自己的行业特点。其一，既然是工业应用，那么在性能上不能含糊；第二，必须要满足工业要求的可靠性；此外，还有一点很重要，由于工业应用大多是高度垂直化的，所以具体的应用需求也会千差万别，这样的需求特点映射到技术上，就要求工业视觉方案也要有出色的可扩展性和灵活性。
那么什么样的工业视觉方案，才算是“好”方案呢？我们可以安富利的嵌入式物体识别方案作为一个范例，进行分析。
图1，安富利嵌入式物体识别方案（图片来源：安富利）
无论是什么样的机器视觉系统，都有两个核心的功能模块：一个是视觉信息采集系统，另一个就是视觉处理系统。安富利嵌入式物体识别方案的视觉采集功能是通过安森美半导体的PYTHON-1300彩色图像传感器实现的。PYTHON-1300是一个1/2英寸的SCGA CMOS图像传感器，具有1280x1024的高清分辨率。为了满足通用工业图像传感应用的需求，PYTHON-1300还具有全局快门、高速和高敏感度等特性，以及在配置和分辨率上的灵活性。
图2，基于PYTHON-1300的彩色图像传感器模块（图片来源：安富利）
在整个方案中，与图像传感器模块连接的当然就是视觉处理系统，这部分功能是由安富利开发的MicroZed嵌入式视觉开发套件完成的。MicroZed嵌入式视觉开发套件由MicroZed SOM和专用的视频采集卡组成，MicroZed SOM提供核心的视觉处理计算功能，视频采集卡上则集成了视频处理所需的其他外围电路和扩展功能，如HDMI输入输出、摄像图模块连接器，以及以太网供电PoE接口等。
图3，安富利的MicroZed嵌入式视觉开发套件（图片来源：安富利）
这个方案的核心的亮点，就在MicroZed SOM这个核心板上。MicroZed SOM是一个基于Xilinx公司全可编程Zynq-7000器件的系统级模块，这也就意味着，与其他一些机器视觉方案不同，安富利的这个嵌入式物体识别方案采用的是FPGA+Arm的异构处理器平台。
Zynq作为一种异构处理平台，内部既包含嵌入式处理器（PS），也有可编程逻辑电路（PL），嵌入式视觉开发者可以根据需要将计算任务在两个系统间进行分配，探索出最优的方案。开发者可以利用平台的灵活性配置更多的IO，还可以将复杂的视觉处理算法放在PL上做加速…… Zynq总有办法让性能的最大化成为可能。
与此同时，Zynq的“硬件可编程”特性，也使得基于它的工业视觉方案获得更大的灵活性，无论是尝试新的算法，还是扩展到新的工业应用场景，这款方案都能够轻松胜任，在机器人定位、影像搜寻、视频监控等应用领域游刃有余。
图4，基于Zynq异构处理平台的MicroZed SOM（图片来源：安富利）
总之，在智能制造的浪潮中，工业视觉的广泛渗透和应用已是大势所趋，而技术的进步也在正在加速这个趋势的进程，让工业之“眼”更为犀利。
文章来源：安富利
